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
3
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
基于URP-ANCNN的变转速齿轮箱智能故障诊断方法
被引量：
5
1
作者
陈向民
舒文伊
+2 位作者
韩梦茹
张亢
李博
《噪声与振动控制》
CSCD
北大核心
2024年第2期129-135,共7页
由于齿轮箱振动信号在变转速工况下出现的调频、调幅等现象,使得信号征兆与故障模式之间的映射关系变得复杂,导致齿轮箱故障难以精确诊断。鉴于深度神经网络在自动提取数据特征和分类上的优势,提出一种基于无阈值递归图编码(Un-threshol...
由于齿轮箱振动信号在变转速工况下出现的调频、调幅等现象,使得信号征兆与故障模式之间的映射关系变得复杂,导致齿轮箱故障难以精确诊断。鉴于深度神经网络在自动提取数据特征和分类上的优势,提出一种基于无阈值递归图编码(Un-threshold Recurrence Plot,URP)和自适应归一化卷积神经网络(Adaptive Normalized Convolutional Neural Network,ANCNN)的变转速工况齿轮箱故障诊断方法。该方法先使用快速傅里叶变换(Fast Fourier Transform,FFT)将时域信号转化为频域信号,再利用URP编码将得到的频域信号转化为二维递归图,并提取图像特征输入到ANCNN模型。在ANCNN模型中,采用批量归一化算法消除因转速变化引起的特征分布差异,同时处理转速波动下产生的频移和调制特性,并使用遗传算法自动调整该网络模型的超参数,以提高该网络的整体性能。采用转速波动的齿轮箱试验数据对该方法进行验证,实验结果表明,该方法能够克服转速波动的影响,成功实现对不同齿轮故障的准确识别。
展开更多
关键词
故障诊断
卷积神经网络
无阈值递归图
批量归一化
变转速工况
齿轮箱
在线阅读
下载PDF
职称材料
基于ATVCF与IAOA-SDAE的变转速齿轮故障识别
2
作者
陈向民
李博
+3 位作者
韩梦茹
张亢
姚鹏
舒文伊
《动力工程学报》
CAS
CSCD
北大核心
2024年第11期1723-1732,共10页
为提高变转速工况下齿轮故障识别的准确率,提出了一种基于自适应时变梳状滤波(ATVCF)与改进算数优化算法(IAOA)优化堆叠降噪自编码器(SDAE)的变转速齿轮故障识别方法。针对变转速齿轮振动信号的降噪,利用ATVCF方法预处理数据,在过滤噪...
为提高变转速工况下齿轮故障识别的准确率,提出了一种基于自适应时变梳状滤波(ATVCF)与改进算数优化算法(IAOA)优化堆叠降噪自编码器(SDAE)的变转速齿轮故障识别方法。针对变转速齿轮振动信号的降噪,利用ATVCF方法预处理数据,在过滤噪声成分的同时保留有效信号;针对算数优化算法(AOA)在全局搜索和局部开发时存在的不足,引入余弦调控因子来改进算法中的数学优化器加速函数(MOA),以提升其全局搜索能力和局部开发充分寻优能力,并引入随机反向学习策略(ROBL)以增加算法的种群多样性,提升其搜索能力;此外,通过对IAOA-SDAE模型的参数寻优来确保模型的故障识别精度和稳定性。对变速齿轮振动测试数据的分析验证了所提方法在变速齿轮故障智能识别方面的有效性和优越性。
展开更多
关键词
变转速工况
齿轮故障诊断
自适应时变梳状滤波
算数优化算法
堆叠降噪自编码器
在线阅读
下载PDF
职称材料
基于VMD与多尺度一维卷积神经网络的故障诊断方法
被引量：
8
3
作者
陈向民
韩梦茹
+2 位作者
舒文伊
张亢
李录平
《现代电子技术》
2023年第9期103-109,共7页
针对旋转机械设备在多工况、小样本状态下故障诊断精度不高的问题,提出一种基于VMD与多尺度一维卷积神经网络(M1DCNN)的故障诊断方法。该方法首先利用VMD对原始振动信号进行分解,并以峭度为指标,筛选出峭度值最大的分量进行包络分析;然...
针对旋转机械设备在多工况、小样本状态下故障诊断精度不高的问题,提出一种基于VMD与多尺度一维卷积神经网络(M1DCNN)的故障诊断方法。该方法首先利用VMD对原始振动信号进行分解,并以峭度为指标,筛选出峭度值最大的分量进行包络分析;然后构建包含多个不同尺度卷积核通道的卷积神经网络,并采用多尺度卷积核提取不同尺度下包络信号的特征信息,进而对故障进行识别。将该方法应用于齿轮箱中的齿轮和滚动轴承的振动数据分析,结果表明:该方法在多工况、小样本情况下均有较高的故障识别精度,且模型具有较强的泛化性能;同时,与单通道卷积神经网络(1DCNN)的对比分析表明,所搭建的多尺度卷积神经网络能更全面地提取信号特征,因而具有更高的诊断精度。
展开更多
关键词
故障诊断
VMD
卷积神经网络
信号分解
包络分析
特征信息提取
故障识别
在线阅读
下载PDF
职称材料
题名
基于URP-ANCNN的变转速齿轮箱智能故障诊断方法
被引量：
5
1
作者
陈向民
舒文伊
韩梦茹
张亢
李博
机构
长沙理工大学能源与动力工程学院
出处
《噪声与振动控制》
CSCD
北大核心
2024年第2期129-135,共7页
基金
湖南省自然科学基金资助项目(2018JJ3541)
湖南省教育厅资助项目(20B019,21B0347)。
文摘
由于齿轮箱振动信号在变转速工况下出现的调频、调幅等现象,使得信号征兆与故障模式之间的映射关系变得复杂,导致齿轮箱故障难以精确诊断。鉴于深度神经网络在自动提取数据特征和分类上的优势,提出一种基于无阈值递归图编码(Un-threshold Recurrence Plot,URP)和自适应归一化卷积神经网络(Adaptive Normalized Convolutional Neural Network,ANCNN)的变转速工况齿轮箱故障诊断方法。该方法先使用快速傅里叶变换(Fast Fourier Transform,FFT)将时域信号转化为频域信号,再利用URP编码将得到的频域信号转化为二维递归图,并提取图像特征输入到ANCNN模型。在ANCNN模型中,采用批量归一化算法消除因转速变化引起的特征分布差异,同时处理转速波动下产生的频移和调制特性,并使用遗传算法自动调整该网络模型的超参数,以提高该网络的整体性能。采用转速波动的齿轮箱试验数据对该方法进行验证,实验结果表明,该方法能够克服转速波动的影响,成功实现对不同齿轮故障的准确识别。
关键词
故障诊断
卷积神经网络
无阈值递归图
批量归一化
变转速工况
齿轮箱
Keywords
fault diagnosis
CNN
URP
batch normalization
variable speed working condition
gearbox
分类号
TH132 [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
基于ATVCF与IAOA-SDAE的变转速齿轮故障识别
2
作者
陈向民
李博
韩梦茹
张亢
姚鹏
舒文伊
机构
长沙理工大学能源与动力工程学院
出处
《动力工程学报》
CAS
CSCD
北大核心
2024年第11期1723-1732,共10页
基金
湖南省自然科学基金资助项目(2018JJ3541)
湖南省教育厅资助项目(20B019,21B0347)。
文摘
为提高变转速工况下齿轮故障识别的准确率,提出了一种基于自适应时变梳状滤波(ATVCF)与改进算数优化算法(IAOA)优化堆叠降噪自编码器(SDAE)的变转速齿轮故障识别方法。针对变转速齿轮振动信号的降噪,利用ATVCF方法预处理数据,在过滤噪声成分的同时保留有效信号;针对算数优化算法(AOA)在全局搜索和局部开发时存在的不足,引入余弦调控因子来改进算法中的数学优化器加速函数(MOA),以提升其全局搜索能力和局部开发充分寻优能力,并引入随机反向学习策略(ROBL)以增加算法的种群多样性,提升其搜索能力;此外,通过对IAOA-SDAE模型的参数寻优来确保模型的故障识别精度和稳定性。对变速齿轮振动测试数据的分析验证了所提方法在变速齿轮故障智能识别方面的有效性和优越性。
关键词
变转速工况
齿轮故障诊断
自适应时变梳状滤波
算数优化算法
堆叠降噪自编码器
Keywords
variable speed operating condition
gear fault diagnosis
ATVCF
AOA
SDAE
分类号
TH132 [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
基于VMD与多尺度一维卷积神经网络的故障诊断方法
被引量：
8
3
作者
陈向民
韩梦茹
舒文伊
张亢
李录平
机构
长沙理工大学能源与动力工程学院
出处
《现代电子技术》
2023年第9期103-109,共7页
基金
湖南省自然科学基金资助项目(2018JJ3541)
湖南省教育厅资助项目(20B019,21B0347)。
文摘
针对旋转机械设备在多工况、小样本状态下故障诊断精度不高的问题,提出一种基于VMD与多尺度一维卷积神经网络(M1DCNN)的故障诊断方法。该方法首先利用VMD对原始振动信号进行分解,并以峭度为指标,筛选出峭度值最大的分量进行包络分析;然后构建包含多个不同尺度卷积核通道的卷积神经网络,并采用多尺度卷积核提取不同尺度下包络信号的特征信息,进而对故障进行识别。将该方法应用于齿轮箱中的齿轮和滚动轴承的振动数据分析,结果表明:该方法在多工况、小样本情况下均有较高的故障识别精度,且模型具有较强的泛化性能;同时,与单通道卷积神经网络(1DCNN)的对比分析表明,所搭建的多尺度卷积神经网络能更全面地提取信号特征,因而具有更高的诊断精度。
关键词
故障诊断
VMD
卷积神经网络
信号分解
包络分析
特征信息提取
故障识别
Keywords
fault diagnosis
VMD
convolutional neural network
signal decomposition
envelop analysis
feature information extraction
fault recognition
分类号
TN911.7-34 [电子电信—通信与信息系统]
TH165 [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
基于URP-ANCNN的变转速齿轮箱智能故障诊断方法
陈向民
舒文伊
韩梦茹
张亢
李博
《噪声与振动控制》
CSCD
北大核心
2024
5
在线阅读
下载PDF
职称材料
2
基于ATVCF与IAOA-SDAE的变转速齿轮故障识别
陈向民
李博
韩梦茹
张亢
姚鹏
舒文伊
《动力工程学报》
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
3
基于VMD与多尺度一维卷积神经网络的故障诊断方法
陈向民
韩梦茹
舒文伊
张亢
李录平
《现代电子技术》
2023
8
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
