检索结果-南通市图书馆

基于双重Q因子的稀疏分解法在滚动轴承早期故障诊断中的应用

在线全文

学校读者我要写书评

暂无评论

机械工程学报 2013年第9期49卷 37-41页

作者：莫代一崔玲丽王婧北京工业大学机电学院北京100124

非平稳信号是由持续振荡成分和非持续振荡的瞬态成分混合而成的,因此很难利用线性方法对其进行有效分析。针对此问题,提出一种基于双重Q因子的非线性分析方法。这种方法将非平稳信号表示成高共振成分(高Q因子)和低共振成分(低Q因子)的叠... 详细信息

非平稳信号是由持续振荡成分和非持续振荡的瞬态成分混合而成的,因此很难利用线性方法对其进行有效分析。针对此问题,提出一种基于双重Q因子的非线性分析方法。这种方法将非平稳信号表示成高共振成分(高Q因子)和低共振成分(低Q因子)的叠加,进而用双重Q因子对信号进行稀疏分解,得到其高共振成分和低共振成分。将双重Q因子的分析方法用到轴承的早期故障诊断中,指出故障信号是由高共振成分和低共振成分故障冲击信号组成,从而用低Q因子提取出故障冲击成分,达到有效去除强噪声的目的,快速且准确地提取出轴承早期微弱故障的冲击特征。仿真信号和滚动轴承试验数据分析结果表明:该方法具有良好的降噪性能,能够有效地去除信号中的强噪声。

关键词：高Q因子低Q因子稀疏分解轴承早期故障

基于WSGMD和AMOMED的风力发电机齿轮箱轴承早期故障诊断

在线全文

学校读者我要写书评

暂无评论

现代科学仪器 2023年第1期40卷 210-217页

作者：王瑜严国斌王广玲张弈鹏中国三峡新能源(集团)股份有限公司北京100053

围绕风力发电机齿轮箱轴承早期故障诊断困难这一难题,提出一种基于加权辛几何模态分解和自适应多点最优最小熵解卷积的诊断新方法。首先,采用辛几何模态分解将原始振动信号分解为多组辛几何分量,计算各分量的Gini系数并据此对各分量进... 详细信息

围绕风力发电机齿轮箱轴承早期故障诊断困难这一难题,提出一种基于加权辛几何模态分解和自适应多点最优最小熵解卷积的诊断新方法。首先,采用辛几何模态分解将原始振动信号分解为多组辛几何分量,计算各分量的Gini系数并据此对各分量进行加权重构,得到信噪比提升的重构信号。为了进一步强化放大重构信号中的故障特征,通过鲸鱼优化算法对多点最优最小熵解卷积的滤波长度及冲击周期进行自动搜索,获取最佳参数后对重构信号做进一步解卷积处理,最终通过解卷积信号的包络解调分析来识别轴承服役状态。风电现场机组振动监测信号验证表明,该方法可准确辨识出轴承早期故障,具有广阔的工程应用前景。

关键词：风力发电机轴承早期故障辛几何模态分解多点最优最小熵解褶积鲸鱼优化算法

基于IGWO优化VMD的轴承早期故障诊断方法

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

煤矿机械 2022年第9期43卷 184-187页

作者：徐旺胡金飞浙江海洋大学海洋工程装备学院浙江舟山316022 浙江海洋大学国家海洋设施养殖工程技术研究中心(创新应用研究院) 浙江舟山316022

为了准确提取轴承早期故障特征,提出了一种基于改进灰狼算法(IGWO)优化变分模态分解(VMD)的轴承早期故障诊断方法。该方法通过在传统灰狼算法(GWO)中融合鲸鱼算法的搜索理论,提高了传统GWO的全局搜索能力。在优化过程中将各个模态分量... 详细信息

为了准确提取轴承早期故障特征,提出了一种基于改进灰狼算法(IGWO)优化变分模态分解(VMD)的轴承早期故障诊断方法。该方法通过在传统灰狼算法(GWO)中融合鲸鱼算法的搜索理论,提高了传统GWO的全局搜索能力。在优化过程中将各个模态分量的互信息与峭度进行有机结合生成加权互信息,作为优化目标函数。通过优化获得VMD最优参数并对信号进行VMD分解,提取出峭度最大的模态进行包络解调分析。与GWO-VMD、经验模态分解(EMD)进行对比,证明所提出的方法在强背景噪声下提取早期故障特征具有明显的优势。

关键词： VMD IGWO 鲸鱼算法加权互信息轴承早期故障

多层降噪技术及Hilbert变换的轴承故障诊断方法

在线全文

学校读者我要写书评

暂无评论

电机与控制学报 2020年第8期24卷 9-17页

作者：葛兴来邹丹西南交通大学磁浮技术与磁浮列车教育部重点实验室成都610031

轴承是电机最容易发生故障的部件之一,而轴承早期故障时的振动信号中含有大量强干扰信号,导致故障特征信号不明显,难以被检测。针对上述问题,提出多层降噪技术及Hilbert变换的轴承故障诊断方法。首先,利用经验模态分解对小波包分解处理... 详细信息

轴承是电机最容易发生故障的部件之一,而轴承早期故障时的振动信号中含有大量强干扰信号,导致故障特征信号不明显,难以被检测。针对上述问题,提出多层降噪技术及Hilbert变换的轴承故障诊断方法。首先,利用经验模态分解对小波包分解处理后的振动信号进行分解,根据方差贡献率保留有效的固有模态分量;然后针对重构振动信号中的混叠干扰分量,采用奇异值分解滤波技术进行消除,并使用中心差商法筛选有效的奇异值,实现故障特征信号的提取;最后对故障特征信号进行Hilbert变换,解调出其幅值和频率函数。提出的轴承早期故障诊断方法,能够有效解决经验模态分解存在的模态混叠问题,准确提取出故障特征信号,实现轴承早期故障的识别,对实验数据的分析结果验证了该故障诊断方法的有效性。

关键词：轴承早期故障振动信号经验模态分解模态混叠奇异值分解 Hilbert变换

基于MOMEDA和极坐标时频特征级联增强的轴承早期特征提取

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2020年第19期39卷 168-173页

作者：张志强梅检民赵慧敏常春沈虹陆军军事交通学院学员五大队天津300161 陆军军事交通学院投送装备保障系天津300161

针对变速器轴承早期故障特征微弱、并发故障特征耦合的问题,提出一种基于MOMEDA和极坐标时频特征级联增强(CEMP)方法,对轴承早期单一和并发微弱故障特征进行提取。计算振动信号的Teager能量算子,对冲击成分能量进行一级增强;运用多点最... 详细信息

针对变速器轴承早期故障特征微弱、并发故障特征耦合的问题,提出一种基于MOMEDA和极坐标时频特征级联增强(CEMP)方法,对轴承早期单一和并发微弱故障特征进行提取。计算振动信号的Teager能量算子,对冲击成分能量进行一级增强;运用多点最优最小熵反褶积修正(MOMEDA)对信号故障特征周期的冲击信息进行二级增强;采用同步压缩小波时频分析(SWT),并将SWT系数循环映射到极坐标图上,在角域上三级增强故障特征周期的冲击成分。对正常、外圈故障、内圈故障、并发故障四种工况轴承实测信号进行CEMP分析,并进行有效性验证,结果表明:该方法能高识别率提取轴承早期单一故障和并发故障的微弱特征。

关键词：轴承早期故障 MOMEDA 极坐标 Teager 特征提取

基于衰减余弦字典和稀疏特征符号搜索算法的轴承微弱故障特征提取

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2019年第21期38卷 164-171页

作者：周浩轩刘义民刘韬昆明理工大学机电工程学院

通过分析轴承内外圈故障时域波形特征,结合其早期微弱故障特点,提出了一种与轴承故障波形高度匹配的衰减余弦过完备字典,同时与稀疏表示基追踪方法的特征符号搜索算法相结合的新型算法(ACFS),实现了强噪声干扰下轴承微弱故障特征的提取... 详细信息

通过分析轴承内外圈故障时域波形特征,结合其早期微弱故障特点,提出了一种与轴承故障波形高度匹配的衰减余弦过完备字典,同时与稀疏表示基追踪方法的特征符号搜索算法相结合的新型算法(ACFS),实现了强噪声干扰下轴承微弱故障特征的提取。通过分析原始信号频谱与理论故障特征,确定了张成原子库的参数,并结合特征符号搜索算法对不同信噪比轴承内圈仿真信号和轴承全寿命数据中的早期微弱故障信号进行了分析。对比普通包络解调方法与基于Symlet8小波包字典的普通BPDN结果表明,该方法可以在极早期实际轴承故障信号中高效、准确地提取出故障特征频率。对于噪声具有极好的冗余度与鲁棒性。

关键词：稀疏表示基追踪衰减余弦字典轴承早期故障特征符号搜索

在线全文

学校读者我要写书评

暂无评论

基于改进型随机共振的微弱故障信号检测

设备管理与维修 2023年第9期 46-49页

作者：关鹏北京市轨道交通建设管理有限公司北京100068 城市轨道交通全自动运行系统与安全监控北京市重点实验室北京100068

针对自动扶梯轴承微弱故障,基于随机共振检测微弱信号的方法讨论、分析二阶随机共振系统参数a、b及阻尼因子对随机共振系统输出的影响,引入人群搜索算法优化随机共振系统参数,使随机共振系统输出最佳的信号,应用于扶梯轴承早期故障特征... 详细信息

针对自动扶梯轴承微弱故障,基于随机共振检测微弱信号的方法讨论、分析二阶随机共振系统参数a、b及阻尼因子对随机共振系统输出的影响,引入人群搜索算法优化随机共振系统参数,使随机共振系统输出最佳的信号,应用于扶梯轴承早期故障特征的强化与提取,并建立仿真模型验证该算法的有效性,应用于实际案例有效提取出扶梯轴承早期故障特征。该方法具有明显的对微弱故障特征增强效果,可以提高对扶梯轴承早期微弱故障特征的提取能力。

关键词：振动监测预测性维修扶梯轴承早期故障随机共振

在线全文

学校读者我要写书评

暂无评论

双馈风力发电机轴承的早期诊断

电力系统及其自动化学报 2012年第6期24卷 26-30页

作者：时维俊马宏忠河海大学能源与电气学院南京210098 河海大学可再生能源发电技术教育部工程研究中心南京210098

双馈风力发电机轴承的状态监测和早期故障诊断可以及时发现轴承故障,有效地降低风电场的运行和维护费用。首先用加速度传感器采集轴承振动信号,然后用两种方法进行特征信号分析:一是对信号进行经验模式分解,仅提取第一模态函数做Hilber... 详细信息

双馈风力发电机轴承的状态监测和早期故障诊断可以及时发现轴承故障,有效地降低风电场的运行和维护费用。首先用加速度传感器采集轴承振动信号,然后用两种方法进行特征信号分析:一是对信号进行经验模式分解,仅提取第一模态函数做Hilbert变换,从而根据包络图判断轴承的早期故障;二是对信号进行预处理,滤去与轴承故障无关的主要分量,再采用小波滤波器提取微弱的故障信号,进而根据故障指标的数值来判断。最后对这两种方法对比研究,试验结果表明,方法2可以更加有效地诊断出早期故障,具有一定的工程应用价值。

关键词：双馈发电机轴承早期故障经验模式分解第一模态函数小波滤波