检索结果-南通市图书馆

基于变分模态分解和去趋势波动分析的柴油机振动信号去噪方法

在线全文

学校读者我要写书评

暂无评论

内燃机工程 2019年第2期40卷 76-81,91页

作者：任刚贾继德梅检民贾翔宇韩佳佳陆军军事交通学院汽车士官学校蚌埠233011 厦门工学院机械与制造工程学院厦门361024 陆军军事交通学院投送装备保障系天津300161

为了解决柴油机工作时其振动信号的背景噪声对状态监测及故障诊断造成干扰这一问题,提出一种基于变分模态分解(VMD)和去趋势波动分析(DFA)的柴油机振动信号去噪方法。该方法首先利用变分模态分解将振动信号分解为若干分量,再利用去趋势... 详细信息

为了解决柴油机工作时其振动信号的背景噪声对状态监测及故障诊断造成干扰这一问题,提出一种基于变分模态分解(VMD)和去趋势波动分析(DFA)的柴油机振动信号去噪方法。该方法首先利用变分模态分解将振动信号分解为若干分量,再利用去趋势波动分析分别计算各个分量的尺度指数,根据尺度指数的值选取具有长程相关性的分量进行信号的重构,以消除振动信号中噪声。将该方法应用于仿真信号和柴油机故障振动信号中,取得了良好的消噪效果。

关键词：变分模态分解去趋势波动分析去噪振动信号柴油机

车辆装备保障数据服务平台业务需求与设计建设研究

在线全文

学校读者我要写书评

暂无评论

兵器装备工程学报 2018年第3期39卷 143-146页

作者：杨华朱闽邵文韬陆军军事交通学院装备保障系天津300161 陆军军事交通学院蚌埠士官学校装备保障系安徽蚌埠233010 陆军军事交通学院研究生管理大队天津300161

区分各类保障机关和各类保障机构两个层面,围绕车辆装备调拨、使用、维修、器材筹措等各类业务活动,分析了车辆装备保障数据服务平台应具备态势监控、规律分析、需求预测、指标预警等功能需求,设计了车辆装备保障数据服务平台应用方案... 详细信息

区分各类保障机关和各类保障机构两个层面,围绕车辆装备调拨、使用、维修、器材筹措等各类业务活动,分析了车辆装备保障数据服务平台应具备态势监控、规律分析、需求预测、指标预警等功能需求,设计了车辆装备保障数据服务平台应用方案、总体框架、技术体制。基于车辆装备保障业务需求,从车辆装备保障业务数据标准、采集、处理、挖掘、展现等方面,提出了数据工程建设需求,为研发车辆装备保障数据服务平台提供了解决方案。

关键词：车辆装备保障数据服务平台业务功能需求数据工程需求

基于麦克风阵列和SRC-PHAT的发动机异响定位研究

在线全文

学校读者我要写书评

暂无评论

车用发动机 2018年第6期 60-65页

作者：曾荣曾锐利梅检民贾翔宇陆军军事交通学院研究生队天津300161 陆军军事交通学院投送装备保障系天津300161 陆军军事交通学院汽车士官学校装备系装备基础教研室天津300161

为了实现对柴油机气门异响准确定位,采用NI数据采集系统采集柴油发动机的噪声信号,并用A计权系数滤波器对噪声信号进行滤波,获得类似人耳接收到的噪声信号,经过滤波后的信号低频干扰较少,兴趣信号的能量比例由12.62%提高到29.79%。采用... 详细信息

为了实现对柴油机气门异响准确定位,采用NI数据采集系统采集柴油发动机的噪声信号,并用A计权系数滤波器对噪声信号进行滤波,获得类似人耳接收到的噪声信号,经过滤波后的信号低频干扰较少,兴趣信号的能量比例由12.62%提高到29.79%。采用随机区域收缩相位变换加权(Stochastic Region Contraction Phase Transform Weighed,SRC-PHAT)方法建立初始搜索空间区域,计算该区域随机选取点的可控响应功率(Steered Response Power,SRP),再以这些点处SRP值较大的区域建立搜索空间区域进行迭代运算,直到搜索区域范围达到目标精度即为异响源近似位置。试验结果表明,该方法对柴油发动机异响定位具有良好精度,为发动机异响噪声定位提供了参考。

关键词：柴油机异响定位麦克风阵列

基于变分模态分解和交叉小波变换的柴油机失火故障诊断

在线全文

学校读者我要写书评

暂无评论

内燃机工程 2020年第1期41卷 57-63页

作者：贾继德任刚梅检民常春厦门工学院机械与制造工程学院厦门361024 陆军军事交通学院汽车士官学校蚌埠233011 陆军军事交通学院投送保障系天津300161

针对强噪声干扰下柴油机失火故障难以诊断的问题,提出一种基于变分模态分解(variational mode decomposition,VMD)与交叉小波变换(cross wavelet transform,XWT)的柴油机失火故障诊断方法。该方法首先通过VMD将缸盖振动信号进行分解、... 详细信息

针对强噪声干扰下柴油机失火故障难以诊断的问题,提出一种基于变分模态分解(variational mode decomposition,VMD)与交叉小波变换(cross wavelet transform,XWT)的柴油机失火故障诊断方法。该方法首先通过VMD将缸盖振动信号进行分解、自适应消噪及信号重构,再利用XWT对任意两个连续工作循环信号进行时频相关分析,进一步消除振动信号中的干扰噪声以提取柴油机燃烧特征,最后通过计算时频空间各缸能量占比进行柴油机失火故障诊断。通过对仿真信号分析及柴油机失火故障诊断,结果表明:该方法可以消除强噪声干扰,提取柴油机燃烧周期瞬态振动冲击特征,有效地识别柴油机失火故障。

关键词：变分模态分解交叉小波变换特征提取故障诊断柴油机

在线全文

学校读者我要写书评

暂无评论

提高汽车维修技术专业学员战时保障水平研究

中国多媒体与网络教学学报（电子版） 2018年第4Z期 110-111页

作者：庞新磊杨富翔军事交通学院汽车士官学校装备保障系蚌埠汽车士官学校装备保障系汽车检测教研室

战术能力是汽车维修技术人员完成战时任务的关键,通过找准未来战争对维修专业单兵战术能力的要求,探讨汽车维修技术人员战术能力的内涵,强化维修技术学员的七种战术能力。

关键词：战术能力维修技术专业战时

在线全文

学校读者我要写书评

暂无评论

对课堂互动教学实施过程的几点思考

科技视界 2017年第15期 67-68页

作者：欧阳熙张亚峰陆军军事交通学院汽车士官学校司训勤务系安徽蚌埠233000 陆军军事交通学院汽车士官学校装备保障系安徽蚌埠233000

为了探究高效课堂互动教学实施过程的普遍规律,本文提出了课堂互动教学实施的基本原则,在此基础上对课堂互动教学实施过程从问题导入、过程控制和梳理总结三个方面进行了分析和思考。

关键词：课堂互动教学实施过程思考

一种基于广义S变换增强的柴油机失火故障特征提取方法

在线全文

学校读者我要写书评

暂无评论

车用发动机 2017年第2期 67-71页

作者：贾翔宇贾继德梅检民张帅吴春志军事交通学院研究生管理大队天津300161 蚌埠汽车士官学校装备技术系安徽蚌埠233011 军事交通学院军用车辆系天津300161

为有效提取柴油机缸盖振动信号失火故障特征,提出一种基于广义S变换增强的柴油机失火故障特征提取方法。首先根据柴油机燃烧过程与配气相位的关系对信号进行等角度重采样,然后利用广义S变换对信号进行消噪处理,并按工作循环将信号的周... 详细信息

为有效提取柴油机缸盖振动信号失火故障特征,提出一种基于广义S变换增强的柴油机失火故障特征提取方法。首先根据柴油机燃烧过程与配气相位的关系对信号进行等角度重采样,然后利用广义S变换对信号进行消噪处理,并按工作循环将信号的周期性瞬态特征进行同步增强。通过仿真信号验证和某柴油机缸盖振动信号的实例应用,结果表明,此方法能有效地提取柴油机缸盖振动信号的失火故障特征,实现失火故障的准确诊断。

关键词：柴油机失火故障特征提取广义S变换

在线全文

学校读者我要写书评

暂无评论

改进变分模态分解在柴油机故障诊断中的应用

军事交通学院学报 2019年第3期21卷 48-53页

作者：任刚贾继德梅检民贾翔宇尉蓝天陆军军事交通学院汽车士官学校安徽蚌埠233011 陆军军事交通学院投送装备保障系天津300161 武汉理工大学汽车学院武汉430070

为实现柴油机故障的快速诊断,针对变分模态分解(VMD)的不足,提出一种改进的VMD方法,利用改进自适应遗传算法(IAGA)对VMD的参数进行优化。对IAGA的交叉和变异算子进行改进,将VMD分解结果中的局部极小排列熵值作为整个进化过程中的适应度... 详细信息

为实现柴油机故障的快速诊断,针对变分模态分解(VMD)的不足,提出一种改进的VMD方法,利用改进自适应遗传算法(IAGA)对VMD的参数进行优化。对IAGA的交叉和变异算子进行改进,将VMD分解结果中的局部极小排列熵值作为整个进化过程中的适应度值,对VMD的模态数K与惩罚因子α进行迭代寻优,得到最优参数组合。利用优化后的VMD对曲轴轴承故障模拟实验振动信号进行分解,根据排列熵值大小选择故障分量并提取能量,利用支持向量机(SVM)对故障模式进行识别。仿真分析和曲轴轴承故障模拟实验验证该方法有效。

关键词：变分模态分解(VMD) 改进自适应遗传算法(IAGA) 柴油机

基于HHT频带能量特征和BP神经网络的发动机故障诊断

在线全文

学校读者我要写书评

暂无评论

军事交通学院学报 2018年第9期20卷 90-94页

作者：丁雷曾锐利梅检民贾翔宇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 陆军军事交通学院汽车士官学校安徽蚌埠233011

利用振动信号进行发动机故障诊断时,为快速、准确识别故障特征,对活塞不同工况下的振动信号进行经验模态分解(EMD),选出合适的IMF分量对其进行Hilbert变换,求出信号的Hilbert边际谱。将边际谱按频率分成几段能量区域,求出每段区域信号... 详细信息

利用振动信号进行发动机故障诊断时,为快速、准确识别故障特征,对活塞不同工况下的振动信号进行经验模态分解(EMD),选出合适的IMF分量对其进行Hilbert变换,求出信号的Hilbert边际谱。将边际谱按频率分成几段能量区域,求出每段区域信号的能量,将能量归一化后,作为特征参数输入到BP神经网络模型中进行训练和预测识别。实验结果表明:基于HHT频带能量特征和BP神经网络的方法能够实现对活塞不同程度故障的准确识别。

关键词：希尔伯特黄变换频带能量 BP神经网络故障诊断