基于WOA-VMD与PSO-SVM的滚动轴承故障诊断 被引量：3

1

作者 杨远鹏 陈志刚 +2 位作者 余志红 王衍学 陈龙翘 《制造技术与机床》 北大核心 2025年第2期23-29,42,共8页

滚动轴承工作环境恶劣且振动信号容易受到噪声干扰,使得轴承故障不易被识别。针对此问题,提出了鲸鱼优化算法变分模态分解(whale optimization algorithm variational mode decomposition,WOA-VMD)和粒子群算法优化支持向量机(particle ... 滚动轴承工作环境恶劣且振动信号容易受到噪声干扰,使得轴承故障不易被识别。针对此问题,提出了鲸鱼优化算法变分模态分解(whale optimization algorithm variational mode decomposition,WOA-VMD)和粒子群算法优化支持向量机(particle swarm optimization support vector machine,PSO-SVM)的滚动轴承故障诊断方法,首先,采用WOA-VMD寻找分解层数和惩罚因子最优参数组合;其次,将轴承正常信号以及故障信号作为输入进行变分模态分解(variational mode decomposition,VMD),得到若干个本征模态函数(intrinsic mode function,IMF),计算各模态分量的样本熵值作为特征向量;再次,将特征向量分成训练集和测试集;最后,将分组的特征向量分别输入到支持向量机(support vector machine,SVM)模型与PSO-SVM模型中进行训练与故障诊断。结果表明,SVM模型故障诊断率分别为89.1667%和86.2500%,PSO-SVM模型故障诊断率分别为100%和99.5833%,轴承故障得到了有效识别。 展开更多

关键词 鲸鱼优化算法 变分模态分解 粒子群算法 支持向量机 轴承故障诊断

在线阅读 下载PDF 职称材料

基于ResNet50和视觉Transformer的滚动轴承故障诊断方法 被引量：2

2

作者 史梦瑶 陈志刚 +2 位作者 王衍学 张志昊 魏梓书 《机床与液压》 北大核心 2025年第16期18-26,共9页

针对因数据量少、故障信号非平稳等特点而导致滚动轴承故障诊断分类方法分类准确率不高及模型泛化能力不强等问题,提出一种基于残差神经网络(ResNet50)与视觉变换器(ViT)的滚动轴承故障诊断方法。通过连续小波变换将轴承振动信号转换为... 针对因数据量少、故障信号非平稳等特点而导致滚动轴承故障诊断分类方法分类准确率不高及模型泛化能力不强等问题,提出一种基于残差神经网络(ResNet50)与视觉变换器(ViT)的滚动轴承故障诊断方法。通过连续小波变换将轴承振动信号转换为时频图像,并将其作为ResNet50的输入,以进行隐式特征提取,将其输出作为ViT的输入。ViT将输入的图像特征按预定尺寸划分为块,并线性映射为输入序列,通过自注意力机制将全局图像特征进行集成,以实现故障诊断。为提高模型的效率和精度,在ViT的输入层引入深度可分离卷积层(DSC),通过逐深度卷积和逐点卷积的方式显著减少模型的参数量和计算量。使用华中科技大学(HSUT)的滚动轴承数据集进行验证,模型的诊断准确率达99.73%,能够有效完成对轴承故障类型的分类识别。在不同工况下进行实验验证,与其他深度学习方法相比,文中方法具有更高的诊断精度和更好的泛化性。通过消融实验验证了所提模型能够显著提升诊断准确率、召回率、精确率和F1-score,表明其在滚动轴承故障诊断领域具有良好的应用前景。 展开更多

关键词 连续小波变换 残差神经网络 视觉Transformer 轴承 故障诊断

在线阅读 下载PDF 职称材料

基于逐次变分模态分解和CBAM-ResNet的滚动轴承故障诊断方法

3

作者 陈志刚 陶子纯 +1 位作者 王衍学 史梦瑶 《振动与冲击》 北大核心 2025年第4期298-304,312,共8页

针对噪声背景下滚动轴承信号故障特征提取与智能诊断问题,提出基于逐次变分模态分解(successive variational mode decomposition,SVMD)以及注意力机制-残差神经网络(convolutional block attention module-residual neural network,CBA... 针对噪声背景下滚动轴承信号故障特征提取与智能诊断问题,提出基于逐次变分模态分解(successive variational mode decomposition,SVMD)以及注意力机制-残差神经网络(convolutional block attention module-residual neural network,CBAM-ResNet)的轴承故障诊断方法。首先对轴承振动信号进行SVMD分解成一系列本征模态分量,根据包络熵和峭度融合评价指标选择含故障特征明显的模态分量并重构;将重构信号进行短时傅里叶变换得到时频图像。之后利用CBAM能够自适应捕捉图形特征的特点,把重构信号的时频图像输入CBAM-ResNet模型进行特征提取和故障模式识别。在CBAM-ResNet模型训练过程中,使用迁移学习的方法初始化ResNet模型的参数来提高模型的泛化性。与其他传统模型相比,该研究的分类准确率高达96.68%,具有更强的故障特征提取能力。试验结果表明,CBAM-ResNet模型在变工况环境下也具有较高的识别精度。 展开更多

关键词 故障诊断 滚动轴承 逐次变分模态分解 卷积注意力模块 残差神经网络

在线阅读 下载PDF 职称材料

基于多模态特征融合的并行双通道轴承故障诊断 被引量：1

4

作者 曹月 王衍学 +1 位作者 姚家驰 王祎颜 《机床与液压》 北大核心 2025年第13期71-76,共6页

针对单一通道解释数据存在不全面性、难以达到较高的诊断准确率且在实际生产中旋转机械轴承故障信号微弱易被噪声淹没的问题,提出一种利用图像和时序信号分别进行特征提取、融合分类的并行双通道电机轴承故障分类方法。采用格拉姆角场... 针对单一通道解释数据存在不全面性、难以达到较高的诊断准确率且在实际生产中旋转机械轴承故障信号微弱易被噪声淹没的问题,提出一种利用图像和时序信号分别进行特征提取、融合分类的并行双通道电机轴承故障分类方法。采用格拉姆角场将时序信号转化为二维图像,随后将一维信号和二维图像同时输入到并行双通道模型中。第一个通道采用卷积神经网络提取空间信息;第二个通道采用门控循环单元挖掘振动信号中的时序特征。最后,将两个通道提取的时空特征融合并引入多头自注意力机制进行训练。基于公开和实测数据集的实验结果表明:该诊断方法在多种工况下对故障类型的诊断平均准确率高达98.13%;与单通道模型相比具有更高的准确率和鲁棒性。 展开更多

关键词 故障诊断 并行双通道 多模态融合 格拉姆角场 自注意力机制

在线阅读 下载PDF 职称材料

基于混合注意力的TCN-Transformer行星齿轮箱故障诊断方法

5

作者 陈志刚 陶子纯 +1 位作者 王衍学 魏梓书 《振动与冲击》 北大核心 2025年第20期348-356,共9页

针对现有智能故障诊断模型在处理多通道信号时面临的泛化能力不足、依赖人工特征设计以及跨通道关联建模薄弱等问题,提出一种基于时间卷积网络(temporal convolutional network,TCN)-Transformer的端到端多通道信号自适应诊断模型。该... 针对现有智能故障诊断模型在处理多通道信号时面临的泛化能力不足、依赖人工特征设计以及跨通道关联建模薄弱等问题,提出一种基于时间卷积网络(temporal convolutional network,TCN)-Transformer的端到端多通道信号自适应诊断模型。该模型通过TCN与Transformer的级联架构,构建局部特征提取与全局依赖建模的协同学习机制:TCN模块利用因果卷积逐层捕获信号局部时频模式,其残差连接设计有效缓解深层网络的信息衰减;特征重组阶段提出单向补丁的序列标记方法,将多通道时序信号切割为具有位置编码的高维片段序列,避免传统分块策略的边界失真问题。在Transformer编码层中,创新性融合通道注意力与多头自注意力机制,形成同时关注通道特征和位置关系的混合注意力模块,增强不同传感器信号间的互补性表征。试验表明,该模型在行星齿轮箱多传感器诊断任务中达到98%的识别准确率。 展开更多

关键词 行星齿轮箱故障诊断 多通道信号 注意力机制 时间卷积网络(TCN) TRANSFORMER

在线阅读 下载PDF 职称材料

基于SCSSA-VMD-MCKD的滚动轴承故障特征提取

6

作者 陈志刚 薛源 +1 位作者 王衍学 张志昊 《噪声与振动控制》 北大核心 2025年第6期183-189,213,共8页

针对强噪声背景下滚动轴承的微弱故障特征难以提取的问题,提出一种融合正余弦和柯西变异的麻雀搜索算法(Sine-cosine and Cauchy Mutation Sparrow Search Algorithm,SCSSA)优化变分模态分解(Variational Modal Decomposition,VMD)联合... 针对强噪声背景下滚动轴承的微弱故障特征难以提取的问题,提出一种融合正余弦和柯西变异的麻雀搜索算法(Sine-cosine and Cauchy Mutation Sparrow Search Algorithm,SCSSA)优化变分模态分解(Variational Modal Decomposition,VMD)联合最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)的滚动轴承特征提取方法。首先,将样本熵、峭度值和相关系数相结合构建复合指标—CSK,以CSK最小值为准则,自适应选取VMD的模态个数和惩罚因子;然后,根据峭度最大值原则筛选最优模态分量;最后,以包络谱熵为适应度函数,通过SCSSA优化的MCKD对最优模态分量进行增强并提取轴承特征频率。经过公开数据集和轴承实测数据验证:所提方法可以在强噪声背景下有效提取滚动轴承的微弱故障特征,完成故障类型的判别。 展开更多

关键词 故障诊断 滚动轴承 变分模态分解 麻雀搜索算法 最大相关峭度解卷积

在线阅读 下载PDF 职称材料

基于改进VME结合SMHD的滚动轴承故障特征提取方法与实验分析

7

作者 陈志刚 杨远鹏 王衍学 《实验技术与管理》 北大核心 2025年第4期92-99,共8页

为解决在强噪声背景下滚动轴承故障特征提取精度较低问题,提出一种麻雀搜索算法(SSA)优化变分模态提取(VME),并结合稀疏最大谐波噪声比解卷积(SMHD)的诊断方法。首先,利用SSA对VME进行优化,以能量特征指标为适应度函数,选取最优的惩罚... 为解决在强噪声背景下滚动轴承故障特征提取精度较低问题,提出一种麻雀搜索算法(SSA)优化变分模态提取(VME),并结合稀疏最大谐波噪声比解卷积(SMHD)的诊断方法。首先,利用SSA对VME进行优化,以能量特征指标为适应度函数,选取最优的惩罚因子和中心频率参数;然后,将选取的最优参数输入到VME中进行信号分解,得到期望模态分量;再后,对提取到的模态分量进行解卷积处理,利用稀疏因子和谐波噪声比进一步抑制噪声,提高信号的信噪比;最后,对经SMHD处理后的信号进行包络谱分析,提取出故障特征频率。实验结果表明,该方法能更加有效地剔除多余噪声信号,增强冲击脉冲信号,在故障特征频率及多个倍频处均能清晰观察到故障特征频率。 展开更多

关键词 轴承故障诊断 变分模态提取 能量特征指标 麻雀搜索算法 稀疏最大谐波噪声比解卷积

在线阅读 下载PDF 职称材料

基于LMD的时频分析方法及其机械故障诊断应用研究 被引量：14

8

作者 王衍学 何正嘉 +1 位作者 訾艳阳 袁静 《振动与冲击》 EI CSCD 北大核心 2012年第9期9-12,共4页

如何有效地从振动信号中提取有用信息成分一直以来都是故障诊断领域研究的热点。局部均值分解(Local Mean Decomposition,LMD)是一种新的信号自适应分解方法。本研究基于LMD的瞬时频率求解、时频分析及其故障诊断的应用。LMD的时频分析... 如何有效地从振动信号中提取有用信息成分一直以来都是故障诊断领域研究的热点。局部均值分解(Local Mean Decomposition,LMD)是一种新的信号自适应分解方法。本研究基于LMD的瞬时频率求解、时频分析及其故障诊断的应用。LMD的时频分析方法成功提取出实验室转子碰摩特征以及实际低速变载轧机齿轮局部故障信息,证实了方法的有效性。 展开更多

关键词 局部均值分解 时频分析 碰摩 齿轮箱 故障诊断

在线阅读 下载PDF 职称材料

基于改进标准化最大似然估计的最小描述长度降噪方法 被引量：3

9

作者 王衍学 向家伟 +1 位作者 蒋占四 丁永彬 《振动与冲击》 EI CSCD 北大核心 2014年第1期137-140,共4页

针对现有各种降噪方法存在的缺点,提出了一种改进标准化最大似然估计的最小描述长度降噪方法。该方法增加编码过程中对集合本身码长计算,降噪中自适应确定降噪阈值。通过仿真信号和实际某轴承故障信号降噪分析,结果表明所提方法可以有... 针对现有各种降噪方法存在的缺点,提出了一种改进标准化最大似然估计的最小描述长度降噪方法。该方法增加编码过程中对集合本身码长计算,降噪中自适应确定降噪阈值。通过仿真信号和实际某轴承故障信号降噪分析,结果表明所提方法可以有效消除噪声并尽可能保留有用信号成分,降噪后信号的信噪比高于VisuShrink降噪和BayesShrink降噪等方法。基于改进标准化最大似然估计的MDL降噪方法进一步完善了MDL降噪理论,提升了其降噪效果。 展开更多

关键词 最小描述长度 标准化最大似然码长 振动信号 降噪 故障诊断

在线阅读 下载PDF 职称材料

基于源数估计的船舶振源盲识别研究 被引量：1

10

作者 王衍学 何正嘉 +1 位作者 成玮 陈略 《中国舰船研究》 2010年第1期1-5,共5页

针对船舶等复杂设备的多传感器监测与诊断过程中振动源识别,提出一种基于源数估计的船舶振源盲识别方法。该方法首先采用盖尔圆理论确定系统振动源数目,运用信号盲源分离算法提取相对独立的主要源信号,进而运用所提出的谱相关系数分析... 针对船舶等复杂设备的多传感器监测与诊断过程中振动源识别,提出一种基于源数估计的船舶振源盲识别方法。该方法首先采用盖尔圆理论确定系统振动源数目,运用信号盲源分离算法提取相对独立的主要源信号,进而运用所提出的谱相关系数分析方法确定所提取信号来自哪个设备。仿真分析与实际的某船舶的模型振动实验均证实该方法的有效性。 展开更多

关键词 振源 盲源分离 盖尔圆理论 故障诊断 船舶

在线阅读 下载PDF 职称材料

基于NMPC的智能汽车变道避撞控制研究 被引量：1

11

作者 王衍学 裴如庆 冯剑波 《浙江工业大学学报》 CAS 北大核心 2024年第3期290-298,共9页

针对无人驾驶车辆仅采用转向主动避撞控制策略难以应对复杂交通环境的问题,提出了一种基于非线性模型预测控制的变道轨迹规划与跟踪控制方法,实现了无须预先定义轨迹的实时轨迹规划。首先,分析了在高速公路上需要进行变道的场景,针对车... 针对无人驾驶车辆仅采用转向主动避撞控制策略难以应对复杂交通环境的问题,提出了一种基于非线性模型预测控制的变道轨迹规划与跟踪控制方法,实现了无须预先定义轨迹的实时轨迹规划。首先,分析了在高速公路上需要进行变道的场景,针对车辆在变道过程中不仅涉及横向位置的变化而且还与纵向速度有关的问题,建立了车辆横向和纵向联合非线性预测车辆模型;然后,基于模型预测控制算法可以考虑各种复杂约束、非线性等前提以实现系统性能最优控制的优势,设计了基于非线性模型预测控制(NMPC)的变道避撞控制器;最后,利用Matlab和Carsim联合仿真平台对所提方法进行了验证。仿真结果表明:所提出的方法不仅可以使车辆在复杂交通环境下成功地进行变道,而且能在变道过程中保持车身稳定、变道轨迹平滑。 展开更多

关键词 主动避撞 多约束优化 非线性模型预测控制 横纵向联合车辆模型

在线阅读 下载PDF 职称材料

轴承故障诊断的最优化随机共振方法分析 被引量：6

12

作者 向家伟 崔向欢 +2 位作者 王衍学 蒋勇英 高海峰 《农业工程学报》 EI CAS CSCD 北大核心 2014年第12期50-55,共6页

现代机械设备正朝着大型、复杂和高速方向发展,导致其长期在强噪声环境下运行,使得通过振动分析检测微弱故障变得极为困难。因此,从强噪声背景中提取微弱故障信号成为机械故障诊断的关键问题。随机共振利用噪声能量来加强特征信号能量,... 现代机械设备正朝着大型、复杂和高速方向发展,导致其长期在强噪声环境下运行,使得通过振动分析检测微弱故障变得极为困难。因此,从强噪声背景中提取微弱故障信号成为机械故障诊断的关键问题。随机共振利用噪声能量来加强特征信号能量,特别适合于现代机械设备微弱故障诊断,然而,共振系统结构参数对其输出结果影响较大。针对这一实际情况,为了更好地对故障轴承进行精确诊断,以随机共振理论为依据,提出了基于人工蜂群算法的自适应随机共振新方法。以随机共振输出信噪比作为算法的目标函数,利用人工蜂群算法搜索全局最优解,实现双稳系统参数的自适应调节,获得信噪比最大时的系统参数,最终实现从强噪声环境中检测出微弱信号。数值仿真和轴承故障诊断试验表明:该方法得到的输出频率谱故障频率峰值比经典随机共振方法得到的峰值高20%,可用于强噪声环境下轴承故障识别和诊断。 展开更多

关键词 轴承 故障检测 信噪比 人工蜂群算法 随机共振

在线阅读 下载PDF 职称材料

基于小波分析-支持向量机的风机故障预测 被引量：8

13

作者 黄伟 王衍学 +1 位作者 徐荣峰 谢红梅 《金属矿山》 CAS 北大核心 2006年第4期55-58,共4页

提出了基于小波分析和支持向量机的风机故障早期预测方法。通过小波分解,将风机原始振动时间序列依尺度分解到不同层次,对每层分别采用支持向量机(SVM)预测,最后合成得到原始序列的预测值。对某铝厂排送风机的运行状态进行预测,并与其... 提出了基于小波分析和支持向量机的风机故障早期预测方法。通过小波分解,将风机原始振动时间序列依尺度分解到不同层次,对每层分别采用支持向量机(SVM)预测,最后合成得到原始序列的预测值。对某铝厂排送风机的运行状态进行预测,并与其它预测方法进行了对比,结果表明该方法预测精度更高。应用该预测方法可合理安排维修时间,减少维修费用。 展开更多

关键词 小波分析 支持向量机 风机 故障 预测

在线阅读 下载PDF 职称材料

谱相关技术及其在潜艇结构振动信号传递特性分析中的应用 被引量：3

14

作者 成玮 张周锁 +2 位作者 何正嘉 王衍学 陈略 《振动与冲击》 EI CSCD 北大核心 2010年第6期8-10,共3页

由于潜艇结构的复杂性,有限元方法和时域相关方法在分析结构振动信号传递特性时精度欠佳。针对上述问题,提出了定量分析结构振动信号传递特性的谱相关技术,该技术通过结构两侧振动信号分析结构对振动信号组成成分的影响,避免了有限元精... 由于潜艇结构的复杂性,有限元方法和时域相关方法在分析结构振动信号传递特性时精度欠佳。针对上述问题,提出了定量分析结构振动信号传递特性的谱相关技术,该技术通过结构两侧振动信号分析结构对振动信号组成成分的影响,避免了有限元精确建模困难与振动信号通过复杂结构时波形失真较大的难题。将该技术应用于潜艇缩比模型不同结构振动信号传递特性分析中,定量分析结果表明该技术能很好地分析不同结构的振动信号传递特性。 展开更多

关键词 潜艇结构 振动信号 传递特性 谱相关技术 定量分析

在线阅读 下载PDF 职称材料

磨削力和磨削表面粗糙度预测的新方法 被引量：6

15

作者 黄伟 耿富荣 王衍学 《航空制造技术》 2005年第2期75-78,共4页

介绍了采用人工神经网络方法预测磨削力和磨削表面粗糙度的分析模型。此模型可精确地描述砂轮转速、砂轮进给速度及工件转速对磨削表面粗糙度的影响,并可利用有限的试验数据得出整个工作范围内表面粗糙度的预测值,从而大量减少试验次数。

关键词 磨削力 表面粗糙度 砂轮 工件 进给速度 内表面 转速 预测值 用人 分析模型

在线阅读 下载PDF 职称材料

基于统一建模语言的仿真模型参数试验研究

16

作者 蒋占四 吴义忠 王衍学 《机械设计与制造》 北大核心 2013年第5期127-129,共3页

分析多领域物理系统统一建模技术的基础上,针对Modelica模型参数试验分析的关键技术,研究了两种模型试验方案构建的方法,一种是基于模型的编译信息的启发式方法,另一种利用Modelica统一语言表达来构建模型试验方案。研究实现了模型试验... 分析多领域物理系统统一建模技术的基础上,针对Modelica模型参数试验分析的关键技术,研究了两种模型试验方案构建的方法,一种是基于模型的编译信息的启发式方法,另一种利用Modelica统一语言表达来构建模型试验方案。研究实现了模型试验仿真求解过程。以数值模型和某耦合离合器模型参数试验验证了方法的有效性。从而为研究仿真模型参数之间耦合关系提供了有效方法和工具。 展开更多

关键词 模型试验 多领域物理系统 统一建模 MODELICA 仿真

在线阅读 下载PDF 职称材料

基于VMD-CNN-BiLSTM的轴承故障多级分类识别 被引量：6

17

作者 王祎颜 王衍学 姚家驰 《机电工程》 CAS 北大核心 2024年第9期1554-1564,共11页

双馈风力发电机(DFIG)作为风能发电领域的关键设备之一,保障其稳定运行显得尤为重要。针对DFIG轴承故障的多级分类问题,提出了一种基于参数优化的变分模式分解-卷积神经网络-双向长短期记忆(VMD-CNN-BiLSTM)故障诊断模型。首先,采用改... 双馈风力发电机(DFIG)作为风能发电领域的关键设备之一,保障其稳定运行显得尤为重要。针对DFIG轴承故障的多级分类问题,提出了一种基于参数优化的变分模式分解-卷积神经网络-双向长短期记忆(VMD-CNN-BiLSTM)故障诊断模型。首先,采用改进的麻雀优化算法——鱼鹰-柯西-麻雀搜索算法(OCSSA)对变分模态分解(VMD)的惩罚因子、模态分量进行了优化,OCSSA算法是将鱼鹰算法和柯西变异策略与麻雀算法进行了融合,形成了一种新的优化算法,该算法利用强大的参数搜索能力获取了更精确的频率特征;然后,利用卷积神经网络(CNN)提取了信号的时域和频域特征,并对特征进行了融合;最后,利用双向长短期记忆网络(BiLSTM)学习了故障的序列模式,完成了故障的多级分类任务。研究结果表明:基于OCSSA算法优化的VMD-CNN-BiLSTM模型在多级轴承故障识别方面表现出明显的优势,平均识别准确率可达98.36%,与CNN-LSTM、CNN-BiLSTM和VMD-BiLSTM模型进行对比,该模型具有更卓越的故障诊断性能、出色的泛化能力和快速的计算速度。这一结果充分验证了该模型在双馈风力发电机轴承故障的多级分类识别任务上的有效性,且适用于在线监测和智能诊断,为实现高效、可靠的风能发电提供了重要的实际应用价值。 展开更多

关键词 双馈风力发电机 变分模式分解-卷积神经网络-双向长短期记忆 鱼鹰-柯西-麻雀搜索算法 轴承故障诊断 多级分类 识别准确率 泛化能力

在线阅读 下载PDF 职称材料

基于同步挤压小波变换和Transformer的轴承故障诊断模型 被引量：4

18

作者 张向宇 王衍学 《机电工程》 CAS 北大核心 2024年第6期1011-1019,共9页

针对采用神经网络对滚动轴承进行故障诊断时,故障信息利用不充分,特征提取困难的问题,提出了一种基于同步挤压小波变换(SST)-Transformer的滚动轴承智能故障诊断方法。首先,以同步挤压小波变换作为信号处理模块,将一维振动信号转为时频... 针对采用神经网络对滚动轴承进行故障诊断时,故障信息利用不充分,特征提取困难的问题,提出了一种基于同步挤压小波变换(SST)-Transformer的滚动轴承智能故障诊断方法。首先,以同步挤压小波变换作为信号处理模块,将一维振动信号转为时频图;接着,设计了一种最大程度保留故障信息的时频图分割方式,将时频图分割为一系列图像块序列;然后,将序列输入到具有强大的处理序列数据能力的Transformer模型中,进行了特征提取;最后,将特征数据输入分类器进行了分类,对比了不同的时频图分割方式的诊断效果,并将SST-Transformer模型与基准算法相比较。研究结果表明:相较于其他分割方式,基于SST-Transformer的滚动轴承智能故障诊断方法的诊断准确率提升了3.45%,并大幅提升了模型训练的收敛速度;相比于其他基准算法,该方法的平均准确率至少提升了1.05%。该方法有较高的诊断准确率和较好的稳定性。 展开更多

关键词 故障智能诊断 神经网络 故障特征提取 注意力机制 深度学习 同步挤压小波变换 Transformer模型

在线阅读 下载PDF 职称材料

基于合成谱峭度优化VMD的滚动轴承故障特征提取 被引量：5

19

作者 薛源 陈志刚 +1 位作者 王衍学 史梦瑶 《电子测量技术》 北大核心 2024年第9期1-7,共7页

针对滚动轴承振动信号特征在强噪声的情况下难以提取的问题,提出了一种基于合成谱峭度优化变分模态分解的方法。首先,对原始故障信号进行变分模态分解,依据合成谱峭度值最大的原则分别优化VMD的关键参数—模态数和惩罚因子,得到若干本... 针对滚动轴承振动信号特征在强噪声的情况下难以提取的问题,提出了一种基于合成谱峭度优化变分模态分解的方法。首先,对原始故障信号进行变分模态分解,依据合成谱峭度值最大的原则分别优化VMD的关键参数—模态数和惩罚因子,得到若干本征模态分量;然后,计算各IMF峭度,选取峭度值最大的分量作为最优IMF;最后,对最优本征模态分量进行希尔伯特变换,以获得其包络谱,从而实现故障特征频率的提取。通过公开数据集和自制试验台相关数据的分析,表明所提方法能在强噪声背景下有效提取故障信号的故障特征,实现故障类型的判别。 展开更多

关键词 滚动轴承 特征提取 故障诊断 变分模态分解 合成谱峭度

在线阅读 下载PDF 职称材料

基于MPC及改进ADRC的车辆自适应巡航控制研究 被引量：3

20

作者 和丽阳 冯剑波 +1 位作者 王衍学 陈洋 《现代制造工程》 CSCD 北大核心 2024年第8期95-101,158,共8页

针对车辆纵向运动时内部和外部扰动导致的预期功能稳定性问题,基于模型预测控制(Model Predictive Control, MPC)及改进自抗扰控制(Active Disturbance Rejection Control, ADRC),设计了一种车辆自适应巡航控制(Adaptive Cruise Control... 针对车辆纵向运动时内部和外部扰动导致的预期功能稳定性问题,基于模型预测控制(Model Predictive Control, MPC)及改进自抗扰控制(Active Disturbance Rejection Control, ADRC),设计了一种车辆自适应巡航控制(Adaptive Cruise Control, ACC)策略。首先,建立车辆运动学模型以及考虑前车速度的安全车间距离模型;然后,设计模型预测控制器和改进自抗扰控制器,利用MPC算法实现对前车的跟踪,并将状态误差作为改进自抗扰控制器的输入,实现车辆在扰动环境下的稳定巡航控制;最后,进行仿真对比实验。结果表明,基于MPC及改进ADRC的车辆自适应巡航控制策略能够有效抑制由于距离误差引起的系统内部扰动和外部扰动,提高车辆在自适应巡航过程中的跟踪性能以及系统的稳定性。 展开更多

关键词 模型预测控制 自适应巡航 自抗扰控制 反馈补偿

在线阅读 下载PDF 职称材料