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

基于声信号的滚动轴承故障诊断研究

振动与冲击 2023年第21期42卷 237-244页

作者：陈剑徐庭亮黄志孙太华李雪原季磊杨惠杰合肥工业大学噪声振动研究所合肥230009 安徽省汽车NVH技术研究中心合肥230009

结合小波包短时能量散布熵、回溯搜索算法以及学习矢量神经网络,提出一种基于声信号的滚动轴承故障诊断新方法。首先利用小波包分解结合短时能量对声信号进行脉冲能量提取,突出与故障相关的时频子空间的能量分布,再通过计算各子空间短... 详细信息

结合小波包短时能量散布熵、回溯搜索算法以及学习矢量神经网络,提出一种基于声信号的滚动轴承故障诊断新方法。首先利用小波包分解结合短时能量对声信号进行脉冲能量提取,突出与故障相关的时频子空间的能量分布,再通过计算各子空间短时能量序列的散布熵,构造特征矩阵。利用t-分布随机邻域嵌入方法对所获特征进行降维聚类,显示所提取的特征具有较好的聚类性能。然后采用回溯搜索算法优化学习矢量量化建立神经网络故障诊断模型,对轴承故障进行识别,并与多种诊断方法进行比较,试验结果表明,加入短时能量散布熵后,本模型提升了声信号的能量特性,优化了特征矩阵,诊断性能最佳。

关键词：轴承故障诊断声信号短时能量散布熵学习矢量量化回溯搜索算法

基于位错叠加法和改进概率神经网络的离心泵故障诊断方法

在线全文

学校读者我要写书评

暂无评论

中国机械工程 2023年第23期34卷 2854-2861页

作者：陈剑许畅徐庭亮合肥工业大学噪声振动工程研究所合肥230009 安徽省汽车NVH技术研究中心合肥230009

提出了一种基于位错叠加法和改进概率神经网络的离心泵故障诊断方法以解决现场强背景噪声下基于离心泵声辐射信号的在线故障诊断问题。首先利用位错叠加法对采集的离心泵声辐射信号进行降噪处理,增强声辐射信号中的故障信息,提高信噪比... 详细信息

提出了一种基于位错叠加法和改进概率神经网络的离心泵故障诊断方法以解决现场强背景噪声下基于离心泵声辐射信号的在线故障诊断问题。首先利用位错叠加法对采集的离心泵声辐射信号进行降噪处理,增强声辐射信号中的故障信息,提高信噪比;然后提取声信号时域特征以构造时域特征矩阵,通过主成分分析法对获得的时域特征矩阵进行降维处理,将降维后的信号作为机器学习概率神经网络的输入;同时用哈里斯鹰优化算法来优化概率神经网络参数得到诊断模型,继而用改进的概率神经网络对离心泵故障进行模式识别,并与多种诊断方法进行比较。实验结果表明:位错叠加法能够突出信号特征、实现信号增强,改进的概率神经网络具有良好的离心泵声辐射信号在线故障诊断能力。

关键词：离心泵故障诊断位错叠加法概率神经网络哈里斯鹰优化算法

基于直方图均衡化和卷积神经网络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

计量学报 2022年第7期43卷 907-912页

作者：陈剑孙太华黄凯旋阚东曹昆明张磊程明合肥工业大学噪声振动研究所安徽合肥230009 安徽省汽车NVH技术研究中心安徽合肥230009

针对传统的滚动轴承故障诊断方法依赖人工特征提取和专家经验,难以自适应提取强噪声信号微弱故障特征的问题,提出一种直方图均衡化和卷积神经网络(CNN)相结合的智能诊断方法。首先,将传感器采集到的一维振动信号通过横向插值法转换为便... 详细信息

针对传统的滚动轴承故障诊断方法依赖人工特征提取和专家经验,难以自适应提取强噪声信号微弱故障特征的问题,提出一种直方图均衡化和卷积神经网络(CNN)相结合的智能诊断方法。首先,将传感器采集到的一维振动信号通过横向插值法转换为便于模型识别的二维振动图像,利用直方图均衡化技术拉伸像素之间灰度值差别的动态范围,突出纹理细节和对比度,以增强周期性故障特征;然后构建深层CNN模型,采用优化技术降低模型参数量,逐层学习监测数据与故障状态之间的复杂映射关系。实验结果表明该方法具有高达99%以上的准确率,对不同负载下的故障信号仍具有较高的识别精度和泛化能力。

关键词：计量学滚动轴承直方图均衡化卷积神经网络故障诊断

基于奇异值分解和独立分量分析的滚动轴承故障诊断方法

在线全文

学校读者我要写书评

暂无评论

计量学报 2022年第6期43卷 777-785页

作者：陈剑刘圆圆黄凯旋杨斌刘幸福蔡坤奇合肥工业大学噪声振动研究所安徽合肥230009 安徽省汽车NVH技术研究中心安徽合肥230009

针对强背景噪声下难以提取滚动轴承早期故障信号中故障特征频率的问题,提出奇异值分解和独立分量分析相结合的滚动轴承故障诊断方法。该方法首先利用相空间重构将一维时域矩阵拓展到高维矩阵,得到吸引子轨迹矩阵;然后对轨迹矩阵进行奇... 详细信息

针对强背景噪声下难以提取滚动轴承早期故障信号中故障特征频率的问题,提出奇异值分解和独立分量分析相结合的滚动轴承故障诊断方法。该方法首先利用相空间重构将一维时域矩阵拓展到高维矩阵,得到吸引子轨迹矩阵;然后对轨迹矩阵进行奇异值分解降噪,依据奇异值差分谱阈值原则选取相应阶次分量进行重组构造虚拟噪声通道;接着将重组信号和观测信号进行独立分量分析分离;最后利用能量算子解调方法提取出有效的故障特征分量,进而识别故障类型。滚动轴承故障诊断实验和仿真结果表明该方法有效可行。

关键词：计量学滚动轴承故障诊断奇异值分解独立分量分析降噪

基于tSNE-ASC特征选择和DSmT融合决策的滚动轴承声振信号故障诊断

在线全文

学校读者我要写书评

暂无评论

电子测量与仪器学报 2022年第4期36卷 195-204页

作者：陈剑程明合肥工业大学噪声振动研究所合肥230009 安徽省汽车NVH技术研究中心合肥230009

针对滚动轴承早期故障特征微弱且难以有效辨识的问题,提出一种基于tSNE-ASC特征选择和DSmT融合决策的滚动轴承声振信号故障诊断方法。利用多个传感器采集轴承在不同故障模式下的声振信号,将每个信号通过VMD分解得到K个IMF分量;对各个IM... 详细信息

针对滚动轴承早期故障特征微弱且难以有效辨识的问题,提出一种基于tSNE-ASC特征选择和DSmT融合决策的滚动轴承声振信号故障诊断方法。利用多个传感器采集轴承在不同故障模式下的声振信号,将每个信号通过VMD分解得到K个IMF分量;对各个IMF分量进行特征提取,构建各个特征的数据集矩阵;利用tSNE将各特征数据集矩阵降维至二维,计算平均轮廓系数(ASC);根据ASC大于临界值提取出声振故障信号的敏感特征;基于诊断模型实现轴承故障的初级诊断;利用DSmT将声振信号初级诊断结果进行融合决策,得出最终的诊断结论。实验结果表明:基于tSNE-ASC的特征选择方法能有效提取混合域特征中的敏感特征,在不同工况、不同诊断模型中均具有很高的诊断精度;DSmT决策融合有效降低了单一信号诊断的不确定性,在变载荷和升降速非平稳工况下均有很高的诊断精度。

关键词：声振信号轴承故障诊断变分模态分解 t分布随机邻近嵌入平均轮廓系数 DSmT融合决策

基于SVD-VMD和SVM滚动轴承故障诊断方法

在线全文

学校读者我要写书评

暂无评论

电子测量与仪器学报 2022年第1期36卷 220-226页

作者：陈剑阚东孙太华张磊合肥工业大学噪声振动研究所合肥230009 安徽省汽车NVH技术研究中心合肥230009

针对故障滚动轴承振动信号中含有干扰信号,难以准确提取出故障信息,提出了一种基于奇异值分解(SVD)、变分模态分解(VMD)、和支持向量机(SVM)的滚动轴承故障诊断方法。首先利用奇异值分解对信号进行处理,根据奇异值峰度差分谱来确定分解... 详细信息

针对故障滚动轴承振动信号中含有干扰信号,难以准确提取出故障信息,提出了一种基于奇异值分解(SVD)、变分模态分解(VMD)、和支持向量机(SVM)的滚动轴承故障诊断方法。首先利用奇异值分解对信号进行处理,根据奇异值峰度差分谱来确定分解后重构矩阵的有效阶数,然后根据该有效阶数重构信号,对重构后的信号进行VMD分解,根据上述有效阶数确定分解的本征模态函数(IMF)分量的个数,从分解后的IMF分量中提取故障特征参数,将其作为支持向量机的输入参数进行故障诊断。最后采用合肥工业大学轴承试验机进行验证,并与直接进VMD分解及基于带通滤波器信号去噪的故障诊断方法进行对比,结果表明该方法能有效识别滚动轴承的故障类型,可用于滚动轴承故障诊断。

关键词：故障诊断奇异值峰度差分谱变分模态分解故障特征提取信号降噪

基于广义回归神经网络-柔性最大值分类模型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

振动与冲击 2020年第21期39卷 1-8,16页

作者：陈剑吕伍佯庄学凯陶善勇合肥工业大学噪声振动研究所合肥230009 安徽省汽车NVH技术研究中心合肥230009

针对复杂工况下的滚动轴承振动信号,提出一种基于广义回归神经网络-柔性最大值分类模型的故障诊断分类方法,实现故障模式的识别。对滚动轴承振动信号进行变分模态分解,特征提取等预处理得到特征数据集,并将其划分为训练集,验证集和测试... 详细信息

针对复杂工况下的滚动轴承振动信号,提出一种基于广义回归神经网络-柔性最大值分类模型的故障诊断分类方法,实现故障模式的识别。对滚动轴承振动信号进行变分模态分解,特征提取等预处理得到特征数据集,并将其划分为训练集,验证集和测试集;使用训练集和验证集训练广义回归神经网络-柔性最大值分类模型,同时引入灰狼优化算法优选该模型的关键参数平滑因子得到理想的分类模型;将训练好的模型应用测试集,输出故障识别结果;通过模拟试验采集不同工况下的轴承故障数据,进行方法有效性验证。结果表明该方法能在小样本训练集下实现对不同工况下的轴承故障的有效诊断,是一种适用于实际工况的故障诊断方法。

关键词：故障诊断滚动轴承广义回归神经网络(GRNN) 柔性最大值归一化灰狼优化(GWO)

基于VMD和卷积神经网络的变工况轴承故障诊断方法

在线全文

学校读者我要写书评

暂无评论

计量学报 2021年第7期42卷 892-897页

作者：陈剑黄凯旋吕伍佯刘圆圆杨斌刘幸福蔡坤奇合肥工业大学噪声振动研究所安徽合肥230009 安徽省汽车NVH技术研究中心安徽合肥230009

针对变工况条件下轴承故障数据无法大量获取以及诊断困难的问题,提出了基于变分模态分解和卷积神经网络的轴承故障诊断方法,使用稳态工况获取的数据训练,能对变工况下的数据实现有效诊断。首先对轴承振动信号进行变分模态分解,以获得有... 详细信息

针对变工况条件下轴承故障数据无法大量获取以及诊断困难的问题,提出了基于变分模态分解和卷积神经网络的轴承故障诊断方法,使用稳态工况获取的数据训练,能对变工况下的数据实现有效诊断。首先对轴承振动信号进行变分模态分解,以获得有限带宽的固有模态函数;然后构建卷积神经网络模型,采用优化技术提高模型适应性,实现对固有模态函数的自适应特征提取和分类;最后使用台架试验获得的滚动轴承故障数据进行验证,并与深度残差网络和支持向量机进行对比。结果表明,该模型对变工况数据的诊断/识别率达到100%/98.86%,高于对比模型的测试结果,有效实现了变工况轴承故障诊断。

关键词：计量学滚动轴承复合型故障诊断变工况卷积神经网络状态识别

在线全文

学校读者我要写书评

暂无评论

一种脊线提取方法在轴承故障诊断中的应用

中国机械工程 2021年第10期32卷 1157-1163页

作者：陈剑杨斌黄凯旋蔡坤奇刘圆圆刘幸福合肥工业大学噪声振动研究所合肥230009 安徽省汽车nvh工程技术研究中心合肥230009

针对Crazy Climber算法脊线识别能力低、提取脊线与实际脊线有差距等问题,通过对该算法中Climber的移动规则和局部最优峰值提取方法进行改进,提出了一种改进的Crazy Climber算法。首先对时域信号进行短时傅里叶变换获取时频矩阵,再用改... 详细信息

针对Crazy Climber算法脊线识别能力低、提取脊线与实际脊线有差距等问题,通过对该算法中Climber的移动规则和局部最优峰值提取方法进行改进,提出了一种改进的Crazy Climber算法。首先对时域信号进行短时傅里叶变换获取时频矩阵,再用改进的Crazy Climber算法对时频矩阵进行脊线提取,最终获得可以反映频率随时间变化的时频脊线。仿真信号分析结果证明了该算法优于原始的Crazy Climber算法。将该算法用于轴承的故障诊断中,可准确提取故障阶次。

关键词：时频分析短时傅里叶变换 Crazy Climber算法脊线提取故障诊断