期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
以项目和创新竞赛为载体的工程训练教学法探索与实践
被引量：
3
1
作者
王立
杨恭勇
郝德成
《南方农机》
2018年第24期11-11,共1页
将项目教学法和创新竞赛有机结合,并对其在工程训练教学中的应用做以实践探究。以创新竞赛为项目,是学生参与项目中的各个环节,通过教师的积极引导,有效地提升学生的自主学习能力,培养学生发现问题、分析问题和解决问题的能力,激发学生...
将项目教学法和创新竞赛有机结合,并对其在工程训练教学中的应用做以实践探究。以创新竞赛为项目,是学生参与项目中的各个环节,通过教师的积极引导,有效地提升学生的自主学习能力,培养学生发现问题、分析问题和解决问题的能力,激发学生的创新意识和团队意识的目的,为高技能人才的培养探索一条可行之路。
展开更多
关键词
项目教学法
创新竞赛
工程训练
在线阅读
下载PDF
职称材料
基于VMD的Volterra模型奇异值熵的转子故障诊断方法
被引量：
9
2
作者
杨恭勇
丁潇男
+2 位作者
王珺琦
魏迎东
周小龙
《制造技术与机床》
北大核心
2022年第3期150-156,共7页
针对转子故障信号的非平稳性以及敏感故障特征无法有效提取的问题,将变分模态分解(variational mode decomposition,VMD)的Volterra模型和奇异值熵相结合,提出一种故障诊断方法。对影响VMD分解准确性的参数选取方法进行了深入研究,给出...
针对转子故障信号的非平稳性以及敏感故障特征无法有效提取的问题,将变分模态分解(variational mode decomposition,VMD)的Volterra模型和奇异值熵相结合,提出一种故障诊断方法。对影响VMD分解准确性的参数选取方法进行了深入研究,给出了相关问题的解决策略。首先,对不同工况下转子实测信号进行VMD分解,利用能量熵增量选取对故障特征敏感的固有模态函数(intrinsic mode function,IMF)进行相空间重构,以建立Volterra自适应预测模型,将模型参数作为初始特征向量矩阵。然后,对初始特征向量进行奇异值分解以获取奇异值熵和奇异值特征向量矩阵,用于描述转子的故障特征。最后,采用模糊C均值(fuzzy c-means,FCM)算法对转子工作状态和故障类型进行识别。试验结果表明,所提方法可有效实现转子故障的特征提取及类型识别。通过同经集合经验模态分解(ensemble empirical mode decomposition,EEMD)相比,证明了该方法具有更有效的故障特征提取性能,是一种可行的方法。
展开更多
关键词
转子
故障诊断
变分模态分解
Volterra模型
奇异值熵
在线阅读
下载PDF
职称材料
题名
以项目和创新竞赛为载体的工程训练教学法探索与实践
被引量：
3
1
作者
王立
杨恭勇
郝德成
机构
东北电力大学
出处
《南方农机》
2018年第24期11-11,共1页
基金
吉林省高等教育学会2018年度高教科研一般课题
"项目教学法与创新竞赛相结合的工程训练教学改革研究与实践"(JGJX2018D466)
文摘
将项目教学法和创新竞赛有机结合,并对其在工程训练教学中的应用做以实践探究。以创新竞赛为项目,是学生参与项目中的各个环节,通过教师的积极引导,有效地提升学生的自主学习能力,培养学生发现问题、分析问题和解决问题的能力,激发学生的创新意识和团队意识的目的,为高技能人才的培养探索一条可行之路。
关键词
项目教学法
创新竞赛
工程训练
分类号
G642 [文化科学—高等教育学]
在线阅读
下载PDF
职称材料
题名
基于VMD的Volterra模型奇异值熵的转子故障诊断方法
被引量：
9
2
作者
杨恭勇
丁潇男
王珺琦
魏迎东
周小龙
机构
东北电力大学工程训练教学中心
东北电力大学机械工程学院
江苏川玛工业科技有限公司
北华大学机械工程学院
出处
《制造技术与机床》
北大核心
2022年第3期150-156,共7页
基金
国家自然科学基金(51505038)
吉林省科技厅重点科技攻关项目(222170102058)。
文摘
针对转子故障信号的非平稳性以及敏感故障特征无法有效提取的问题,将变分模态分解(variational mode decomposition,VMD)的Volterra模型和奇异值熵相结合,提出一种故障诊断方法。对影响VMD分解准确性的参数选取方法进行了深入研究,给出了相关问题的解决策略。首先,对不同工况下转子实测信号进行VMD分解,利用能量熵增量选取对故障特征敏感的固有模态函数(intrinsic mode function,IMF)进行相空间重构,以建立Volterra自适应预测模型,将模型参数作为初始特征向量矩阵。然后,对初始特征向量进行奇异值分解以获取奇异值熵和奇异值特征向量矩阵,用于描述转子的故障特征。最后,采用模糊C均值(fuzzy c-means,FCM)算法对转子工作状态和故障类型进行识别。试验结果表明,所提方法可有效实现转子故障的特征提取及类型识别。通过同经集合经验模态分解(ensemble empirical mode decomposition,EEMD)相比,证明了该方法具有更有效的故障特征提取性能,是一种可行的方法。
关键词
转子
故障诊断
变分模态分解
Volterra模型
奇异值熵
Keywords
rotor
fault diagnosis
variational mode decomposition
Volterra model
singular value entropy
分类号
TH17 [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
以项目和创新竞赛为载体的工程训练教学法探索与实践
王立
杨恭勇
郝德成
《南方农机》
2018
3
在线阅读
下载PDF
职称材料
2
基于VMD的Volterra模型奇异值熵的转子故障诊断方法
杨恭勇
丁潇男
王珺琦
魏迎东
周小龙
《制造技术与机床》
北大核心
2022
9
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
