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
基于ASMVMD和MOMEDA的齿轮特征提取方法
被引量：
1
1
作者
唐贵基
曾鹏飞
朱爽
《机电工程》
CAS
北大核心
2024年第12期2174-2184,共11页
针对齿轮信号易被强噪声干扰,导致损伤特征难以提取的问题,提出了一种基于自适应逐次多元变分模态分解(ASMVMD)和多点最优最小熵解卷积(MOMEDA)的齿轮故障特征提取方法。首先,采用加权黑猩猩优化算法对SMVMD分解参数进行了自适应寻优,以...
针对齿轮信号易被强噪声干扰,导致损伤特征难以提取的问题,提出了一种基于自适应逐次多元变分模态分解(ASMVMD)和多点最优最小熵解卷积(MOMEDA)的齿轮故障特征提取方法。首先,采用加权黑猩猩优化算法对SMVMD分解参数进行了自适应寻优,以SMVMD分解后各个通道的所有分量的平均包络谱峰值因子(Ec)之和的相反数作为寻优的适应度函数,确定了最大惩罚因子α和最大分解模态数k的最优值;然后,采用ASMVMD方法对齿轮多通道故障数据进行了自适应分解,根据Ec指标提取了各通道特定分量,并将这些分量相加,进行了信号重构;最后,采用MOMEDA解卷积处理了重构信号,进一步强化了齿轮故障的冲击特性,并利用包络谱分析解卷积信号,提取了齿轮的故障特征频率。研究结果表明:通过仿真信号和模拟实验信号的分析,可知利用ASMVMD-MOMEDA相结合的方法处理得到的信号降噪效果显著,能有效抑制无关干扰成分的影响,从包络谱中可以清晰地看到故障频率的前几阶倍频;与多元经验模态分解(MEMD)-MOMEDA相结合的方法进行对比,发现采用ASMVMD-MOMEDA方法得到的包络谱较MEMD-MOMEDA方法的谱线更加干净,各阶倍频更加明显,进一步证明ASMVMD-MOMEDA方法可以准确提取齿轮故障特征。
展开更多
关键词
齿轮损伤特征
故障特征提取
自适应逐次多元变分模态分解
多点最优最小熵解卷积
多通道
解卷积
包络谱峰值因子
信号重构
在线阅读
下载PDF
职称材料
ITD结合参数优化MOMEDA的滚动轴承故障特征提取
被引量：
1
2
作者
刘沛
彭珍瑞
何泽人
《机械科学与技术》
CSCD
北大核心
2024年第6期967-974,共8页
针对固有时间尺度分解(Intrinsic time scale decomposition,ITD)方法在强背景噪声影响下难以提取轴承故障特征的问题,提出了一种ITD与参数优化的多点最优最小熵解卷积(Multipoint optimal minimum entropy deconvolution adjusted,MOME...
针对固有时间尺度分解(Intrinsic time scale decomposition,ITD)方法在强背景噪声影响下难以提取轴承故障特征的问题,提出了一种ITD与参数优化的多点最优最小熵解卷积(Multipoint optimal minimum entropy deconvolution adjusted,MOMEDA)相结合的滚动轴承故障特征提取方法。首先根据包络谱峰值因子最大原则提取包含丰富故障信息的ITD分量,其次对该分量进行MOMEDA降噪处理。对影响MOMEDA滤波效果的两个参数——故障周期T与滤波器长度L分别以多点峭度和平方包络谱的基尼指数进行优化,最后进行包络谱分析提取故障特征频率。通过仿真信号与实测信号分析表明该方法能在强噪声干扰下有效提取故障特征。
展开更多
关键词
固有时间尺度分解
多点最优最小熵解卷积
滚动轴承
包络谱峰值因子
基尼指数
在线阅读
下载PDF
职称材料
题名
基于ASMVMD和MOMEDA的齿轮特征提取方法
被引量：
1
1
作者
唐贵基
曾鹏飞
朱爽
机构
华北电力大学机械工程系
河北省电力机械装备健康维护与失效预防重点实验室
出处
《机电工程》
CAS
北大核心
2024年第12期2174-2184,共11页
基金
河北省自然科学基金资助项目(E2020502031)。
文摘
针对齿轮信号易被强噪声干扰,导致损伤特征难以提取的问题,提出了一种基于自适应逐次多元变分模态分解(ASMVMD)和多点最优最小熵解卷积(MOMEDA)的齿轮故障特征提取方法。首先,采用加权黑猩猩优化算法对SMVMD分解参数进行了自适应寻优,以SMVMD分解后各个通道的所有分量的平均包络谱峰值因子(Ec)之和的相反数作为寻优的适应度函数,确定了最大惩罚因子α和最大分解模态数k的最优值;然后,采用ASMVMD方法对齿轮多通道故障数据进行了自适应分解,根据Ec指标提取了各通道特定分量,并将这些分量相加,进行了信号重构;最后,采用MOMEDA解卷积处理了重构信号,进一步强化了齿轮故障的冲击特性,并利用包络谱分析解卷积信号,提取了齿轮的故障特征频率。研究结果表明:通过仿真信号和模拟实验信号的分析,可知利用ASMVMD-MOMEDA相结合的方法处理得到的信号降噪效果显著,能有效抑制无关干扰成分的影响,从包络谱中可以清晰地看到故障频率的前几阶倍频;与多元经验模态分解(MEMD)-MOMEDA相结合的方法进行对比,发现采用ASMVMD-MOMEDA方法得到的包络谱较MEMD-MOMEDA方法的谱线更加干净,各阶倍频更加明显,进一步证明ASMVMD-MOMEDA方法可以准确提取齿轮故障特征。
关键词
齿轮损伤特征
故障特征提取
自适应逐次多元变分模态分解
多点最优最小熵解卷积
多通道
解卷积
包络谱峰值因子
信号重构
Keywords
gear damage characteristics
fault feature extraction
adaptive successive multivariate variational mode decomposition(ASMVMD)
multipoint optimal minimum entropy deconvolution adjusted(MOMEDA)
multi-channel
deconvolution
envelope spectrum peak factor
signal reconstruction
分类号
TH132.41 [机械工程—机械制造及自动化]
TH165.3 [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
ITD结合参数优化MOMEDA的滚动轴承故障特征提取
被引量：
1
2
作者
刘沛
彭珍瑞
何泽人
机构
兰州交通大学机电工程学院
出处
《机械科学与技术》
CSCD
北大核心
2024年第6期967-974,共8页
基金
甘肃省自然科学基金重点项目(20JR10RA209)
甘肃省高校协同创新团队项目(2018C-12)
兰州市人才创新创业项目(2017-RC-66)。
文摘
针对固有时间尺度分解(Intrinsic time scale decomposition,ITD)方法在强背景噪声影响下难以提取轴承故障特征的问题,提出了一种ITD与参数优化的多点最优最小熵解卷积(Multipoint optimal minimum entropy deconvolution adjusted,MOMEDA)相结合的滚动轴承故障特征提取方法。首先根据包络谱峰值因子最大原则提取包含丰富故障信息的ITD分量,其次对该分量进行MOMEDA降噪处理。对影响MOMEDA滤波效果的两个参数——故障周期T与滤波器长度L分别以多点峭度和平方包络谱的基尼指数进行优化,最后进行包络谱分析提取故障特征频率。通过仿真信号与实测信号分析表明该方法能在强噪声干扰下有效提取故障特征。
关键词
固有时间尺度分解
多点最优最小熵解卷积
滚动轴承
包络谱峰值因子
基尼指数
Keywords
intrinsic time scale decomposition
multipoint optimal minimum entropy deconvolution adjusted
rolling bearing
crest factor of envelope spectrum
Gini index
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
基于ASMVMD和MOMEDA的齿轮特征提取方法
唐贵基
曾鹏飞
朱爽
《机电工程》
CAS
北大核心
2024
1
在线阅读
下载PDF
职称材料
2
ITD结合参数优化MOMEDA的滚动轴承故障特征提取
刘沛
彭珍瑞
何泽人
《机械科学与技术》
CSCD
北大核心
2024
1
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
