检索结果-维普期刊中文期刊服务平台

石墨添加剂对磁流变脂流变特性的影响: 1; 作者董继强叶绪丹 +1 位作者毛润松王炅《东北大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第2期201-208,共8页; 为了研究石墨添加剂对磁流变脂流变特性的影响,采用润滑脂为基体,制备了石墨粉末质量分数为0%,2%,5%,8%,10%的石墨磁流变脂(graphite magnetorheological grease,GMRG).使用安东帕流变仪测量了5种材料在稳态剪切模式和振荡剪切模式下的... 展开更多; 关键词磁流变脂石墨振荡剪切流变学屈服应力; 在线阅读下载PDF 职称材料

基于变分模态分解与流形学习的滚动轴承故障特征提取方法被引量：26: 2; 作者戚晓利叶绪丹 +3 位作者蔡江林郑近德潘紫微张兴权《振动与冲击》 EI CSCD 北大核心 2018年第23期133-140,共8页; 提出了一种基于变分模态分解(VMD)和局部切空间排列算法(LTSA)相结合的滚动轴承早期故障诊断方法。首先利用VMD算法分解圆柱滚子轴承不同运行状态下的振动信号,通过求取瞬时频率均值并绘制特征曲线筛选出与原始信号最为相关的几个分量;... 展开更多; 关键词变分模态分解流形学习局部切空间排列算法故障诊断圆柱滚动轴承; 在线阅读下载PDF 职称材料

基于VMD-ICMSE和半监督判别SOINN L-Isomap的滚动轴承故障诊断被引量：4: 3; 作者戚晓利王振亚 +2 位作者吴保林叶绪丹潘紫微《振动与冲击》 EI CSCD 北大核心 2020年第4期252-260,共9页; 针对从滚动轴承非线性、非平稳振动信号中提取故障特征困难的问题,提出一种基于半监督判别自组织增量学习神经网络界标点的等度规映射(SSDSL-Isomap)的滚动轴承故障诊断方法。利用基于变分模态分解的改进复合多尺度样本熵(VMD-ICMSE)从... 展开更多; 关键词故障诊断滚动轴承 SSDSL-Isomap 变分模态分解(VMD) 改进复合多尺度熵(ICMSE) 粒子群优化极限学习机(PSO-ELM); 在线阅读下载PDF 职称材料

基于变分模态分解与多尺度熵的滚动轴承故障诊断方法被引量：5: 4; 作者叶绪丹戚晓利 +1 位作者王振亚郑近德《长春理工大学学报（自然科学版）》 2017年第3期59-63,66,共6页; 针对滚动轴承故障振动信号具有非平稳、非线性特征以及提取特征困难等问题,提出一种基于变分模态分解(Variational Mode Decomposition,VMD)的多尺度熵(Multi-scale entropy,MSE)的特征向量提取方法,并输入拉普拉斯支持向量机(Laplacian... 展开更多; 关键词滚动轴承变分模态分解样本熵多尺度熵拉普拉斯支持向量机; 在线阅读下载PDF 职称材料

题名石墨添加剂对磁流变脂流变特性的影响: 1; 作者董继强叶绪丹毛润松王炅; 机构南京理工大学机械工程学院; 出处《东北大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第2期201-208,共8页; 基金国家自然科学基金资助项目(52075264).; 文摘为了研究石墨添加剂对磁流变脂流变特性的影响,采用润滑脂为基体,制备了石墨粉末质量分数为0%,2%,5%,8%,10%的石墨磁流变脂(graphite magnetorheological grease,GMRG).使用安东帕流变仪测量了5种材料在稳态剪切模式和振荡剪切模式下的流变特性,并对石墨添加剂质量分数对磁流变脂屈服应力和黏弹性的影响进行了研究.结果表明,对比未添加石墨的磁流变脂,石墨质量分数分别为2%,5%,8%和10%的磁流变脂可以在加载电流为3 A时获得更高的屈服应力,并且屈服应力分别提升了40.49%,54.12%,81.48%和147.48%.此外,石墨添加剂质量分数越大,石墨磁流变脂的黏弹性特征就越明显,但获得的相对磁流变效应越小.研究还发现石墨质量分数的变化对石墨磁流变脂的线性黏弹区间影响不大.; 关键词磁流变脂石墨振荡剪切流变学屈服应力; Keywords magnetorheological grease graphite oscillatory shear rheology yield stress; 分类号 TB381 [一般工业技术—材料科学与工程]; 在线阅读下载PDF 职称材料

题名基于变分模态分解与流形学习的滚动轴承故障特征提取方法被引量：26: 2; 作者戚晓利叶绪丹蔡江林郑近德潘紫微张兴权; 机构安徽工业大学机械工程学院; 出处《振动与冲击》 EI CSCD 北大核心 2018年第23期133-140,共8页; 基金国家自然科学基金资助项目(51505002) 安徽省高校自然科学研究重点项目(KJ2017A053); 文摘提出了一种基于变分模态分解(VMD)和局部切空间排列算法(LTSA)相结合的滚动轴承早期故障诊断方法。首先利用VMD算法分解圆柱滚子轴承不同运行状态下的振动信号,通过求取瞬时频率均值并绘制特征曲线筛选出与原始信号最为相关的几个分量;然后,提取有效模态分量的时域指标和小波包频带分解能量所构成的频域指标,两者结合初步提取高维故障特征后,再应用LTSA对故障特征进行二次提取;最后输入到K-means分类器进行故障类型识别;通过对圆柱滚子轴承故障诊断的对比实验分析,发现:(1)与时频特征+LTSA、EMD+LTSA特征提取方法相比,VMD+LTSA方法在分类效果和识别精度上更具优势;(2) LTSA算法相比较于PCA、LPP、LE、ISOMAP和LLE这5种算法,其降维后的特征故障敏感性最好。研究结果表明所提出的方法在圆柱滚子轴承故障诊断方面具有一定的优越性。; 关键词变分模态分解流形学习局部切空间排列算法故障诊断圆柱滚动轴承; Keywords variational mode decomposition(VMD) manifold learning local tangent space alignment(LTSA)algorithm fault diagnosis cylindrical roller bearing; 分类号 TN911.7 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于VMD-ICMSE和半监督判别SOINN L-Isomap的滚动轴承故障诊断被引量：4: 3; 作者戚晓利王振亚吴保林叶绪丹潘紫微; 机构安徽工业大学机械工程学院; 出处《振动与冲击》 EI CSCD 北大核心 2020年第4期252-260,共9页; 基金国家自然科学基金(51505002) 安徽省自然科学基金(1808085ME152) +1 种基金研究生创新研究基金(2017012); 文摘针对从滚动轴承非线性、非平稳振动信号中提取故障特征困难的问题,提出一种基于半监督判别自组织增量学习神经网络界标点的等度规映射(SSDSL-Isomap)的滚动轴承故障诊断方法。利用基于变分模态分解的改进复合多尺度样本熵(VMD-ICMSE)从复杂域提取振动信号的故障特征,构建高维故障特征集;采用SSDSL-Isomap方法对高维故障特征集进行维数约简,提取出利于识别的低维、敏感故障特征子集;应用粒子群优化极限学习机(PSO-ELM)分类器对低维故障特征进行故障识别,判别故障类型。VMD-ICMSE方法集成了VMD自适应分解非线性信号与ICMSE衡量时间序列复杂性程度的优势,提高故障特征提取能力;SSDSL-Isomap方法综合了全局流形结构、半监督型双约束图构建以及SOINN界标点选取的优点,增强故障分类能力。调心球轴承故障诊断实验分析结果表明,该方法对实验数据的故障识别率达到100%。; 关键词故障诊断滚动轴承 SSDSL-Isomap 变分模态分解(VMD) 改进复合多尺度熵(ICMSE) 粒子群优化极限学习机(PSO-ELM); Keywords feature diagnosis rolling bearing SSDSL-Isomap variational mode decomposition(VMD) improved composite multiscale sample entropy(ICMSE) particle swarm optimization extreme learning machine(PSO-ELM); 分类号 TH165.3 [机械工程—机械制造及自动化] TN911.7 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于变分模态分解与多尺度熵的滚动轴承故障诊断方法被引量：5: 4; 作者叶绪丹戚晓利王振亚郑近德; 机构安徽工业大学机械工程学院; 出处《长春理工大学学报（自然科学版）》 2017年第3期59-63,66,共6页; 基金安徽省高等学校自然科学研究项目(KJ2017A053); 文摘针对滚动轴承故障振动信号具有非平稳、非线性特征以及提取特征困难等问题,提出一种基于变分模态分解(Variational Mode Decomposition,VMD)的多尺度熵(Multi-scale entropy,MSE)的特征向量提取方法,并输入拉普拉斯支持向量机(Laplacian support vector machines,LapSVM)中进行滚动轴承故障识别。该方法首先利用VMD分解的多尺度熵对原始振动信号进行特征向量的提取,然后与基于VMD样本熵以及VMD时域统计量(峭度、歪度)对比说明该方法的优势,最后将上述特征向量输入到LapSVM分类器中进行识别对比。试验数据分析结果表明,所提方法在诊断精度、计算速度上大大提高。; 关键词滚动轴承变分模态分解样本熵多尺度熵拉普拉斯支持向量机; Keywords rolling bearing variational mode decomposition sample entropy multiscale entropy laplacian support vector machines; 分类号 TH133.33 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	石墨添加剂对磁流变脂流变特性的影响	董继强叶绪丹毛润松王炅	《东北大学学报（自然科学版）》 EI CAS CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
2	基于变分模态分解与流形学习的滚动轴承故障特征提取方法	戚晓利叶绪丹蔡江林郑近德潘紫微张兴权	《振动与冲击》 EI CSCD 北大核心	2018	26	在线阅读下载PDF 职称材料
3	基于VMD-ICMSE和半监督判别SOINN L-Isomap的滚动轴承故障诊断	戚晓利王振亚吴保林叶绪丹潘紫微	《振动与冲击》 EI CSCD 北大核心	2020	4	在线阅读下载PDF 职称材料
4	基于变分模态分解与多尺度熵的滚动轴承故障诊断方法	叶绪丹戚晓利王振亚郑近德	《长春理工大学学报（自然科学版）》	2017	5	在线阅读下载PDF 职称材料