检索结果-南通市图书馆

北京交通大学学报 2023年第3期47卷 149-158页

作者：焦梅梅石磊刘雅芝兰州交通大学自动化与电气工程学院兰州730070

为准确提取ZPW-2000A型无绝缘轨道电路调谐区和补偿电容故障特征信息,提出一种以包络熵为优化目标的遗传算法(Genetic Algorithm, ga)优化变分模态分解(Variational Mode Decomposition, vmd)的故障特征提取方法 .首先,采用传输线理论... 详细信息

为准确提取ZPW-2000A型无绝缘轨道电路调谐区和补偿电容故障特征信息,提出一种以包络熵为优化目标的遗传算法(Genetic Algorithm, ga)优化变分模态分解(Variational Mode Decomposition, vmd)的故障特征提取方法 .首先,采用传输线理论建立无绝缘轨道电路模型,仿真分析调谐区和补偿电容不同故障的分路电流曲线.其次,以vmd方法中的模态分量的最小包络熵为目标函数,通过遗传算法搜索目标函数的最小值来确定最佳组合参数,原始故障信号经最佳参数组合下的vmd分解成若干个本征模态分量,并对算法的有效性进行了验证.最后,通过与总体经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)、传统vmd方法相对比.研究结果表明:gavmd方法具有更强的故障信息提取能力,避免了EEMD方法出现的模态混叠问题和传统vmd方法在分解信号过程中出现的过分解、欠分解问题,ga-vmd方法实现了复杂信号的准确提取.

关键词：无绝缘轨道电路分路电流 ga-vmd 故障特征提取

来源：

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于ga-vmd的水电站厂房振动性能评定研究

基于GA-VMD的水电站厂房振动性能评定研究

引用

作者：王有龙中南林业科技大学

学位级别：硕士

随着水电站规模的不断扩大,机组运行时产生的振动及其引发的厂房结构振动问题日益突出。长期振动不但危及结构本身安全,还会影响工作人员的健康舒适度。因此,对水电站厂房振动性能评定进行研究具有重要意义。本文以黄龙滩水电站1号厂房... 详细信息

随着水电站规模的不断扩大,机组运行时产生的振动及其引发的厂房结构振动问题日益突出。长期振动不但危及结构本身安全,还会影响工作人员的健康舒适度。因此,对水电站厂房振动性能评定进行研究具有重要意义。本文以黄龙滩水电站1号厂房为工程背景,建立ANSYS有限元整体模型,进行数值模拟,在此基础上对厂房进行现场振动测试。然后,利用 ga-vmd(Genetic Algorithm—Variational Mode Decomposition)方法,对厂房振动加速度响应信号进行参数识别。且对经过ga-vmd降噪处理的厂房加速度时程曲线,进行二次积分获取其位移时程曲线。最后,基于厂房动力特性制定振动性能评定标准,对厂房振动性能进行评定。主要研究内容及结论如下:(1)建立厂房ANSYS有限元整体模型,进行数值分析。结果表明:由于两道伸缩缝的设置,厂房被分成相对独立的3段,前3阶振动分别表现为3段厂房结构独立振动,且标高越高振动越明显。(2)利用JMTEST动态测试信号分析系统,对厂房进行振动测试和响应分析。模态识别结果表明:由于系统内置模态参数识别方法的局限性,采样频率与理论计算值误差较大,但振型相同。对机组振源进行分析发现:机组额定转频是厂房结构受激励发生振动的主要频率,且倍频多次出现。(3)ga-vmd是利用遗传算法(Genetic Algorithm,ga)对变分模态分解(Variational Mode Decomposition,vmd)进行初参数优化的一种方法。通过对仿真非线性含噪信号的降噪处理,验证了 ga-vmd方法相比vmd方法,对非线性含噪信号降噪处理的优越性。利用ga-vmd方法对厂房振动信号进行参数识别,结果表明:ga-vmd方法能有效消除振动信号中的噪声干扰,提高参数识别精度,可以应用于厂房振动性能评定。(4)根据厂房动力特性,从结构安全和人体健康舒适度两方面出发,制定了振动性能评定标准。将经过ga-vmd降噪处理的加速度数据以及对其二次积分获取的位移数据,应用于厂房振动性能评定,提高了厂房振动性能评定结果的可靠性。本文通过ga-vmd方法对厂房测试信号进行参数识别,消除了原始信号中噪声对振动响应的干扰,提高了厂房振动性能评定结果的可靠性,为今后厂房振动信号的参数识别提供了新思路,对水电站厂房的安全鉴定和运行维护具有重要意义。

关键词：振动性能 ANSYS模型振动测试 ga-vmd 共振校核

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于PSO-LightGBM的加工中心健康状态监测系统研制及评估方法研究

基于PSO-LightGBM的加工中心健康状态监测系统研制及评估方法研究

引用

作者：何禹志吉林大学

学位级别：硕士

随着现代信息技术的不断发展,我国制造业力求向高端化跃升,向智能化转型。数控机床作为核心制造装备,受限于可靠性水平,其运行过程中故障时有发生,严重制约了制造业的高效、高质量发展。为有效保障数控机床高可靠运行,降低维护费用,故... 详细信息

随着现代信息技术的不断发展,我国制造业力求向高端化跃升,向智能化转型。数控机床作为核心制造装备,受限于可靠性水平,其运行过程中故障时有发生,严重制约了制造业的高效、高质量发展。为有效保障数控机床高可靠运行,降低维护费用,故障预测与健康管理(PHM)被广泛应用,PHM旨在利用传感技术、专家知识等全面监测健康状态,借助机器学习等方法开展健康状态评估及预测,并最终提供维护保障等健康管理措施。本文针对国产加工中心研制了健康状态监测系统,并开展了健康状态评估方法的研究,为后续开展数控机床运维提供前提条件,从而提升国产数控机床使用可靠性,降低企业的维修费用。本文主要的研究内容如下:(1)融合传统故障分析FMEA和FTA方法的优势,提出了基于三角模糊数和TOPSIS法的逆向FTF分析方法。在介绍了加工中心功能结构的基础上,通过统计加工中心现场试验故障数据,确定了以主轴和进给系统作为研究对象;根据故障分析需求确定故障树的顶事件,并对故障树的主要底事件进行FMEA分析,利用AHP确定专家及故障模式指标的权重,通过TOPSIS法计算贴近度代替RPN值进行排序,确定了主轴和进给系统风险优先级较高的故障模式,为后续确定健康状态监测的性能指标和监测位置提供了理论依据。(2)针对当前状态监测系统监测指标不全面、过分依赖云端计算能力等问题,研制了基于边缘计算的加工中心健康状态监测系统。从系统设计的功能需求出发,根据机床的健康状态反馈机理,确定了状态性能监测指标;结合系统设计的非功能需求,确定了健康监测系统的总体架构;在系统硬件平台搭建中,依据故障模式确定了传感器的布局;在系统软件平台的开发中,基于C#语言开发了集实时监测、特征提取、云边通信等功能为一体的多功能、多模块、可扩展的软件系统,为后续开展加工中心健康状态监测与评估提供了软硬件支撑。(3)针对工业强噪声背景下监测的加工中心非平稳状态性能数据,提出了基于ga-vmd的状态性能数据降噪处理方法和基于最大相关-最小冗余的特征选择方法。采用ga-vmd方法对状态性能数据进行降噪处理,有效去除高频噪声成分,得到更多的有效数据进行重构;对重构数据进行时域特征和熵特征的提取,得到多维特征矩阵;采用改进mRMR方法进行特征选择,筛选出最优特征子集;开展加工中心主轴和进给系统健康状态监测试验,为下一步的健康状态评估提供状态性能数据样本。(4)针对高准确率和低时延的工业健康状态评估场景需求,提出了基于PSO-LightGBM的加工中心健康状态评估方法。利用粒子群算法对集成学习算法LightGBM中的重要参数进行优化;分别输入主轴和进给系统试验筛选后的特征子集,对加工中心的健康状态进行有效评估,并通过十折交叉验证对比分析了本文提出方法在准确率和时间上的优越性;最后,将研制的健康状态监测系统和健康状态评估方法应用在加工中心进给系统实际加工过程中,验证了监测系统的有效性和评估模型的泛化能力。

关键词：加工中心 PHM 状态监测健康评估 ga-vmd PSO-LightGBM

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：