检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于改进深度森林的旋转机械故障诊断方法

振动与冲击 2022年第21期41卷 19-27页

作者：刘东川邓艾东赵敏卞文彬许猛东南大学能源与环境学院火电机组振动国家工程研究中心

为了解决深度神经网络受限于超参数和数据量问题,提出一种改进的深度森林模型,实现旋转机械故障的高效诊断。首先利用多粒度扫描环节对初始输入数据进行特征提取得到概率特征,然后在与多粒度扫描层级联的地方添加stacking层对输入数据... 详细信息

为了解决深度神经网络受限于超参数和数据量问题,提出一种改进的深度森林模型,实现旋转机械故障的高效诊断。首先利用多粒度扫描环节对初始输入数据进行特征提取得到概率特征,然后在与多粒度扫描层级联的地方添加stacking层对输入数据进行相应的特征提取工作,最后将经过多粒度扫描和stacking层处理后的数据输入到级联森林中得到分类结果。试验结果表明,改进的深度森林模型故障诊断准确率为99.59%和98.05%,且优于常用的故障诊断模型。

关键词：故障诊断深度学习深度森林 stacking

主汽温偏差引发振动波动原因的分析与试验研究

在线全文

学校读者我要写书评

暂无评论

热能动力工程 2024年第6期 32-39页

作者：曹仲勋申智勇段旺权杨建刚国家能源集团科学技术研究院有限公司国能长源汉川发电有限公司东南大学能源与环境学院

为了解决某型1 000 MW汽轮机高压转子振动不稳定问题，试验研究了转子振动规律及其影响因素，采用有限元方法建立高压转子-轴承系统动力学模型，计算分析了主汽温偏差对振动的影响。结果表明：主汽温偏差改变转子和汽缸同心度，产生不... 详细信息

为了解决某型1 000 MW汽轮机高压转子振动不稳定问题，试验研究了转子振动规律及其影响因素，采用有限元方法建立高压转子-轴承系统动力学模型，计算分析了主汽温偏差对振动的影响。结果表明：主汽温偏差改变转子和汽缸同心度，产生不均衡汽流力作用到转子上改变了轴承载荷，进而影响振动；该机组高压转子1号轴承磨损后轴承间隙增大、轴承刚度减小，主汽温偏差对不稳定振动影响程度增大，并导致振动响应最大部位向1号轴承侧移动；采取减小主汽温偏差、防止轴承乌金偏磨、减小轴承间隙等措施，在实际应用中取得了较好的减振效果。

关键词：振动汽轮机轴承刚度不平衡响应

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于模型融合的风电机组齿轮箱故障诊断

太阳能学报 2022年第1期43卷 64-72页

作者：孙文卿邓艾东邓敏强刘洋程强东南大学能源与环境学院火电机组振动国家工程研究中心南京210096

针对单视角特征及单一模型对齿轮箱复合故障的诊断准确率较低的问题,提出基于比例冲突分配规则的模型融合故障诊断方法。首先,对齿轮箱振动信号进行特征提取,针对复杂复合故障,从时域及时频域角度构造特征;然后,将多视角特征送入多个子... 详细信息

针对单视角特征及单一模型对齿轮箱复合故障的诊断准确率较低的问题,提出基于比例冲突分配规则的模型融合故障诊断方法。首先,对齿轮箱振动信号进行特征提取,针对复杂复合故障,从时域及时频域角度构造特征;然后,将多视角特征送入多个子模型中进行初步诊断,得到互补性强的诊断结果;最后,模型输出的分类概率由第6类比例冲突分配规则(PCR6)进行融合。实验证明该融合模型所得出的结果稳定性较高,并在一定条件下可提高故障诊断的准确率。

关键词：风电机组故障诊断信息融合齿轮箱 PCR6

在线全文

学校读者我要写书评

暂无评论

一种改进的光场µPIV反卷积重建算法

工程热物理学报 2022年第1期43卷 111-116页

作者：顾梦涛李健宋祥磊张彪许传龙东南大学火电机组振动国家工程研究中心能源与环境学院南京210096

光场显微粒子图像测速技术(µPIV)利用Lucy-Richardson反卷积算法重建粒子场时需进行多次迭代计算,重建耗时长。为提高重建效率,本文利用光场µPIV流场测量过程中示踪粒子稀疏分布的特点,提出一种改进的反卷积重建算法。该算法以粒子场... 详细信息

光场显微粒子图像测速技术(µPIV)利用Lucy-Richardson反卷积算法重建粒子场时需进行多次迭代计算,重建耗时长。为提高重建效率,本文利用光场µPIV流场测量过程中示踪粒子稀疏分布的特点,提出一种改进的反卷积重建算法。该算法以粒子场中非零元素与对应点扩散函数的乘积和代替粒子场与点扩散函数的卷积运算,减少了反卷积重建正过程中粒子场的大量零元素造成的冗余运算,有效地缩短了计算时间。进一步分析了改进重建算法的适用条件,并比较了重建效率和重建质量。结果表明:在本文给定的计算参数下,改进算法的计算时间减少了20%,且重建质量几乎保持不变。

关键词：光场成像微尺度流场反卷积迭代重建稀疏分布

基于深度卷积神经网络和支持向量机的NO_(x)浓度预测

在线全文

学校读者我要写书评

暂无评论

中国电机工程学报 2022年第1期42卷 238-247页

作者：余印振韩哲哲许传龙东南大学能源与环境学院火电机组振动国家工程研究中心江苏省南京市210096

NO_(x)浓度的准确预测对于燃烧优化控制至关重要,有利于提高能源利用效率和减少环境污染。提出了一种基于深度卷积神经网络(deep convolution neural network,DCNN)和支持向量机(support vector machine,SVM)的NO_(x)浓度预测方法。该... 详细信息

NO_(x)浓度的准确预测对于燃烧优化控制至关重要,有利于提高能源利用效率和减少环境污染。提出了一种基于深度卷积神经网络(deep convolution neural network,DCNN)和支持向量机(support vector machine,SVM)的NO_(x)浓度预测方法。该方法首先利用DCNN对火焰图像的深层特征进行提取,然后采用支持向量机对所提取到的深层特征进行分析,从而实现NO_(x)浓度预测。通过采集4.2MW重油燃烧锅炉不同燃烧工况下的火焰图像与NO_(x)浓度,对所提出的预测方法的有效性进行测试。试验结果表明,在不同燃烧工况下,DCNN-SVM的均方根误差为1.58mg/m^(3),低于基于静态物理特征的预测模型(7.96mg/m^(3))。表明DCNN-SVM具有较高的预测精度,不仅克服了静态物理特征表达能力的不足,而且摆脱了繁琐的特征设计过程。

关键词：深度卷积神经网络支持向量机 NO_(x)浓度火焰图像

在线全文

学校读者我要写书评

暂无评论

基于多尺度和注意力机制的滚动轴承故障诊断

东南大学学报（自然科学版） 2022年第1期52卷 172-178页

作者：丁雪邓艾东李晶邓敏强徐硕史曜炜东南大学能源与环境学院南京210096 东南大学火电机组振动国家工程研究中心南京210096 南京审计大学信息工程学院南京211815

针对滚动轴承信号易受噪声干扰和智能诊断模型在不同工况下自适应性差的问题,提出了一种多尺度注意力卷积神经网络(MSACNN)模型.首先,将一维时间序列转化为二维图像作为模型的输入,在特征提取过程中,利用多尺度卷积结构拓宽网络的宽度... 详细信息

针对滚动轴承信号易受噪声干扰和智能诊断模型在不同工况下自适应性差的问题,提出了一种多尺度注意力卷积神经网络(MSACNN)模型.首先,将一维时间序列转化为二维图像作为模型的输入,在特征提取过程中,利用多尺度卷积结构拓宽网络的宽度并实现不同维度敏感特征的提取;然后,通过注意力机制对数据不同维度的特征赋予不同的权重,使模型更关注于最具类别区分度的区域,从而提高模型的特征学习能力;最后,通过全连接层的多分类函数实现滚动轴承的故障诊断.实验结果表明:与其他方法相比,该模型不仅能在同负载各测试集上达到很高的准确率,而且在变负载工况下具有较强的迁移泛化能力和鲁棒性;该模型在强噪声环境下也具有良好的诊断性能,较其他方法抗噪性优势明显.此外,通过可视化方法分析了该模型的特征学习过程和故障分类机理.

关键词：滚动轴承故障诊断多尺度特征提取注意力机制卷积神经网络

在线全文

学校读者我要写书评

暂无评论

基于频率诱导变分模态分解的齿轮箱故障诊断

东南大学学报（自然科学版） 2023年第4期53卷 702-708页

作者：马天霆孙振波邓艾东邓敏强东南大学能源与环境学院南京210096 东南大学火电机组振动国家工程研究中心南京210096 国能太仓发电有限公司苏州215000

针对风电传动系统齿轮箱的故障诊断问题,在脉冲激励响应的基础上提出了一种频率诱导变分模态分解(FIVMD)方法,并将其应用于齿轮箱故障特征提取.首先,根据振动信号傅里叶谱的极大值分布估计齿轮箱系统的自振频率;然后,将固有频率的估计... 详细信息

针对风电传动系统齿轮箱的故障诊断问题,在脉冲激励响应的基础上提出了一种频率诱导变分模态分解(FIVMD)方法,并将其应用于齿轮箱故障特征提取.首先,根据振动信号傅里叶谱的极大值分布估计齿轮箱系统的自振频率;然后,将固有频率的估计值作为各模态分量中心频率的初始化位置,并通过交替乘子法将原始信号自适应分解为本征模态函数;其次,通过希尔伯特变换对各本征模态函数求包络谱,并计算其故障特征频率比;最后,挑选出故障特征频率比最大的模态分量,并根据其包络谱特征实现齿轮箱故障的有效识别.以维斯塔斯某3 MW风电机组圆柱齿轮断齿故障为例,验证了FIVMD在工程应用中的有效性和优越性.

关键词：风电机组状态监测齿轮箱故障诊断变分模态分解

基于CAE和CNN的变工况下滚动轴承智能故障诊断研究

在线全文

学校读者我要写书评

暂无评论

动力工程学报 2022年第1期42卷 43-48页

作者：周文宣刘洋邓敏强丁雪邓艾东国家能源集团宿迁发电有限公司江苏宿迁223803 东南大学能源与环境学院火电机组振动国家工程研究中心南京210096

针对变工况下滚动轴承的状态评估问题,提出了一种基于卷积神经网络(CNN)和卷积自编码(CAE)的故障诊断方法:首先将单一工况下有标签的数据和变工况下无标签的数据输入到CAE的编码器中,得到特征参数矩阵F;然后将由单一工况下数据得到的F... 详细信息

针对变工况下滚动轴承的状态评估问题,提出了一种基于卷积神经网络(CNN)和卷积自编码(CAE)的故障诊断方法:首先将单一工况下有标签的数据和变工况下无标签的数据输入到CAE的编码器中,得到特征参数矩阵F;然后将由单一工况下数据得到的F输入到CNN轴承故障诊断模型中,得到状态类型并计算损失,将由全部数据得到的F输入到CAE的解码器得到重构数据并计算损失,根据这两个损失之和进行反向传播训练;最后将变工况下的数据输入到CAE编码器和CNN模型中得到状态类别。结果表明:CAE使不同工况下的数据经过编码器后得到的F分布更为接近,CAECNN模型的故障诊断准确率高于97%,可有效应用于变工况下滚动轴承的智能故障诊断。

关键词：滚动轴承故障诊断卷积自编码卷积神经网络

基于注意力模块及1D-CNN的滚动轴承故障诊断

在线全文

学校读者我要写书评

暂无评论

太阳能学报 2022年第3期43卷 462-468页

作者：刘洋程强史曜炜王煜伟王姗邓艾东东南大学能源与环境学院火电机组振动国家工程研究中心南京210096 国家能源集团谏壁发电厂镇江212006 中国能源建设集团安徽省电力设计院合肥230601

针对传统的卷积神经网络对特征的辨识性差的问题,提出一种将注意力模块与一维卷积神经网络相结合的滚动轴承故障诊断模型。首先以加入噪声的振动信号作为输入,利用“卷积+池化”单元提取信号的多维特征,然后通过注意力模块对特征赋予不... 详细信息

针对传统的卷积神经网络对特征的辨识性差的问题,提出一种将注意力模块与一维卷积神经网络相结合的滚动轴承故障诊断模型。首先以加入噪声的振动信号作为输入,利用“卷积+池化”单元提取信号的多维特征,然后通过注意力模块对特征赋予不同的权重,利用双池化层取代传统卷积神经网络中的全连接层进行特征的再次提取及特征信息整合,最后通过Softmax层完成轴承状态分类。实验表明,该模型诊断准确率可达99%,与传统模型相比,其准确率更高、收敛速度更快、训练过程更稳定、变负载情况下泛化性能更好。

关键词：风力机滚动轴承故障诊断卷积神经网络注意力机制特征提取