基于声振信号和迁移学习的岩性随钻智能反演方法

1

作者 徐世毅 王胜 +3 位作者 赖昆 柏君 张拯 张洁 《科学技术与工程》 北大核心 2025年第18期7524-7537,共14页

随着智能化程度的提高,钻井行业对于实时识别随钻岩性的需求越来越迫切。基于钻孔过程中的钻进碎岩声音信号和振动信号(声振信号),提出了一种随钻岩性智能反演方法。首先,通过室内微钻实验钻进7种不同类型的岩石以获取原始信号样本,在... 随着智能化程度的提高,钻井行业对于实时识别随钻岩性的需求越来越迫切。基于钻孔过程中的钻进碎岩声音信号和振动信号(声振信号),提出了一种随钻岩性智能反演方法。首先,通过室内微钻实验钻进7种不同类型的岩石以获取原始信号样本,在采集过程中改变钻进参数(钻速、转速、钻头尺寸)并获得相应信号数据。针对采集的声振信号特征,通过短时傅里叶变换获得具有信号特征的时频图像。在此基础上,构建改进VGG16卷积神经网络模型以实现岩性智能识别,并通过超参数优选实现对模型的训练、评估和调优。之后引入迁移学习训练策略,分别以不同钻进参数作为数据标签,依据参数取值划分源域和目标域,以实现对小样本目标领域的快速识别。实验结果表明:随着钻进参数的改变,模型的迁移学习结果存在差异;基于声振信号训练得到的岩性反演模型预测精度高、泛化能力强,声音信号测试集准确率可达99%,振动信号测试集准确率可达100%;在机械钻速变化下,声振信号受到的影响最小,作为数据标签进行岩性反演时能取得更为卓越的效果,且小钻速作为目标域时岩性反演准确率最高。在岩性反演的过程中,不同的信号类型适用于不同的岩石。其中声音信号对粗黄砂岩的适用性最高、振动信号更适用于花岗岩。研究成果对于提升工作面钻进智能化程度具有一定借鉴价值。 展开更多

关键词 声振信号 迁移学习 岩性随钻智能反演 改进VGG16算法 小样本目标检测

在线阅读 下载PDF 职称材料

基于声振信号S变换香梨内部褐变检测研究

2

作者 王凯 谷家辉 +3 位作者 姬帅 宁鑫跃 赖丽思 张慧 《中国农机化学报》 北大核心 2025年第9期205-211,共7页

针对库尔勒香梨内部褐变检测难的问题,提出利用声振无损检测技术结合S变换信号分析方法和MobileNetV3神经网络对其健康和褐变进行判别分类。首先,确定线性扫频模式下,香梨声振检测系统的扫频范围为200~2 000 Hz,扫频速率为1 500 Hz/min... 针对库尔勒香梨内部褐变检测难的问题,提出利用声振无损检测技术结合S变换信号分析方法和MobileNetV3神经网络对其健康和褐变进行判别分类。首先,确定线性扫频模式下,香梨声振检测系统的扫频范围为200~2 000 Hz,扫频速率为1 500 Hz/min,香梨侧放,检测点为赤道部位时信号的重复性表现最佳。然后,在上述试验条件下,利用S变换将采集的一维声振信号转换成二维时频图像,扩充数据集后,应用MobileNetV3网络建立香梨褐变判别模型。经过100轮的训练,MobileNetV3模型的准确率和损失值曲线逐渐趋于稳定,并且识别准确率也达到峰值。模型在测试集中对褐变的识别精确率、召回率和加权分数分别为91.56%、93.83%、92.68%,其总体预测准确率达到91.62%,实现较好的识别效果。 展开更多

关键词 库尔勒香梨 内部褐变 无损检测 S变换 声振信号

在线阅读 下载PDF 职称材料

采用改进Transformer模型的滚动轴承声振信号故障诊断方法

3

作者 施杰 张威 +2 位作者 李志 陈立畅 杨琳琳 《电子测量技术》 北大核心 2025年第11期105-116,共12页

现有故障诊断方法多采用“单信号-单模型”的专用架构,对不同传感信号需构建独立的诊断模型。这类方法在实际应用中存在模型泛化能力有限、跨信号类型适应性不足等问题。因此,本文提出了一种通过构建统一的深度网络诊断模型,来实现能同... 现有故障诊断方法多采用“单信号-单模型”的专用架构,对不同传感信号需构建独立的诊断模型。这类方法在实际应用中存在模型泛化能力有限、跨信号类型适应性不足等问题。因此,本文提出了一种通过构建统一的深度网络诊断模型,来实现能同时适用于振动与声学信号的智能诊断方法。首先,该方法采用改进淘金热优化算法和包络熵适应度函数来优化变分模态分解,实现变分模态分解中本征模态分量个数k和惩罚因子α自适应确定,再以平均峭度准则筛选变分模态分解分解后的本征模态分量,并使用改进的小波阈值去噪进行二次降噪和重构,以凸显声振信号中的故障特征。然后,在Transformer模型的基础上引入深度残差收缩网络,构建局部特征提取层,提高模型的局部特征提取能力;同时,设计了一种多尺度线性注意力机制来替换Transformer中的多头自注意力,降低模型计算复杂度,增强模型对长距离依赖的捕捉能力。最后,在自建的滚动轴承声振数据集上进行验证,实验结果表明,该方法在自建滚动轴承数据集上表现优异,对声学信号的诊断精度可达到90%,对振动信号的诊断精度达到了99.77%,均优于ResNet18、DRSN、VIT、MCSwin_T、WDCNN。 展开更多

关键词 滚动轴承声振信号 变分模态分解 小波阈值去噪 Transformer 智能故障诊断

在线阅读 下载PDF 职称材料

融合声振信号与可见近红外透射光谱的苹果轻度霉心病检测 被引量：1

4

作者 谷家辉 赖丽思 +1 位作者 王凯 张慧 《食品科学》 EI CAS CSCD 北大核心 2024年第23期259-267,共9页

针对单一方法对苹果轻度霉心病检测精度较低的问题,提出基于近红外透射光谱和声振技术的异源信息融合方法,以提升对苹果轻度霉心病的判别能力。针对近红外光谱信号,首先分析不同预处理和特征提取方法对建模效果的影响,完成光谱特征波段... 针对单一方法对苹果轻度霉心病检测精度较低的问题,提出基于近红外透射光谱和声振技术的异源信息融合方法,以提升对苹果轻度霉心病的判别能力。针对近红外光谱信号,首先分析不同预处理和特征提取方法对建模效果的影响,完成光谱特征波段的选择。针对声振信号,利用YSV工程测试与信号分析软件和Pearson相关系数优选7个时域特征。随后,通过特征拼接将光谱特征波段与时域特征组成融合特征向量,分别采用卷积神经网络(convolutional neural networks,CNN)、长短时记忆网络(long short-term memory,LSTM)和CNN-LSTM基于单一源特征和融合特征构建判别模型。通过模型性能分析,融合了近红外透射光谱15个特征波段与7个时域特征的CNN-LSTM组合模型对于轻度霉心病的判别性能最优,测试集的准确率、召回率、特异性和F1分数分别达到了98.31%、97.06%、97.06%和97.90%。实验结果证明本研究提出的可见近红外透射光谱与声振信号特征融合方法可以有效提高苹果轻度霉心病的判别准确率。 展开更多

关键词 可见近红外透射光谱 声振信号 苹果霉心病 特征融合 卷积神经网络-长短时记忆网络

在线阅读 下载PDF 职称材料

基于声振信号EMD分解的轻微碰摩故障诊断方法研究 被引量：4

5

作者 张占一 刘杰 +2 位作者 应怀樵 李允公 姚兆 《振动与冲击》 EI CSCD 北大核心 2009年第8期91-93,共3页

针对转子系统局部碰摩故障特征及声音振动信号特点,采用一种基于声振信号经验模式分解(Empirical Mode Decomposition简称EMD)的轻微局部碰摩故障诊断方法对滑动轴承碰摩故障进行特征提取。由于EMD分解不需要固定的基函数,根据信号特征... 针对转子系统局部碰摩故障特征及声音振动信号特点,采用一种基于声振信号经验模式分解(Empirical Mode Decomposition简称EMD)的轻微局部碰摩故障诊断方法对滑动轴承碰摩故障进行特征提取。由于EMD分解不需要固定的基函数,根据信号特征自适应的调整,从而实现碰摩特征及旋转激励背景信号自动分解。通过设计滑动轴承缺油工况轴承碰摩试验,并进行振动全息测试分析,将所得声振信号本征模式函数时域特征和边界谱特征与转子径向位移及轴承座加速度信号对比分析,确定了碰摩部件;从而证明基于声振信号EMD分解的碰摩故障诊断方法的有效性。 展开更多

关键词 碰摩 经验模式分解 边界谱 声振信号

在线阅读 下载PDF 职称材料

基于tSNE-ASC特征选择和DSmT融合决策的滚动轴承声振信号故障诊断 被引量：11

6

作者 陈剑 程明 《电子测量与仪器学报》 CSCD 北大核心 2022年第4期195-204,共10页

针对滚动轴承早期故障特征微弱且难以有效辨识的问题,提出一种基于tSNE-ASC特征选择和DSmT融合决策的滚动轴承声振信号故障诊断方法。利用多个传感器采集轴承在不同故障模式下的声振信号,将每个信号通过VMD分解得到K个IMF分量;对各个IM... 针对滚动轴承早期故障特征微弱且难以有效辨识的问题,提出一种基于tSNE-ASC特征选择和DSmT融合决策的滚动轴承声振信号故障诊断方法。利用多个传感器采集轴承在不同故障模式下的声振信号,将每个信号通过VMD分解得到K个IMF分量;对各个IMF分量进行特征提取,构建各个特征的数据集矩阵;利用tSNE将各特征数据集矩阵降维至二维,计算平均轮廓系数(ASC);根据ASC大于临界值提取出声振故障信号的敏感特征;基于诊断模型实现轴承故障的初级诊断;利用DSmT将声振信号初级诊断结果进行融合决策,得出最终的诊断结论。实验结果表明:基于tSNE-ASC的特征选择方法能有效提取混合域特征中的敏感特征,在不同工况、不同诊断模型中均具有很高的诊断精度;DSmT决策融合有效降低了单一信号诊断的不确定性,在变载荷和升降速非平稳工况下均有很高的诊断精度。 展开更多

关键词 声振信号 轴承故障诊断 变分模态分解 t分布随机邻近嵌入 平均轮廓系数 DSmT融合决策

在线阅读 下载PDF 职称材料

Hilbert-Huang变换在声振信号检测钢管混凝土脱空中的应用 被引量：2

7

作者 韩西 向丽 +2 位作者 钟厉 杨劲 陈晖 《重庆交通大学学报（自然科学版）》 CAS 北大核心 2013年第1期14-17,36,共5页

提出了基于Hilbert-Huang变换的钢管混凝土脱空检测方法,通过对瞬态冲击下脱空钢管的声振信号进行分析,提取出了瞬时幅值特征样本,采用改进的K均值聚类法对特征样本进行二类模式识别,从而对钢管混凝土的脱空进行判定,试验研究表明本方... 提出了基于Hilbert-Huang变换的钢管混凝土脱空检测方法,通过对瞬态冲击下脱空钢管的声振信号进行分析,提取出了瞬时幅值特征样本,采用改进的K均值聚类法对特征样本进行二类模式识别,从而对钢管混凝土的脱空进行判定,试验研究表明本方法的可行性。 展开更多

关键词 钢管混凝土 声振信号 HILBERT-HUANG变换 聚类分析 脱空检测

在线阅读 下载PDF 职称材料

基于声振信号融合的IRCMMDE离心泵损伤检测方法 被引量：6

8

作者 陆春元 焦洪宇 《机电工程》 CAS 北大核心 2023年第6期952-959,共8页

离心泵早期的损伤特征比较微弱,难以有效提取其故障特征。针对这一问题,提出了一种基于声振信号融合的改进精细复合多元多尺度散布熵(IRCMMDE)和GWO-SVM的离心泵损伤检测方法。首先,利用多个传感器收集了离心泵在不同损伤状态下的声音... 离心泵早期的损伤特征比较微弱,难以有效提取其故障特征。针对这一问题,提出了一种基于声振信号融合的改进精细复合多元多尺度散布熵(IRCMMDE)和GWO-SVM的离心泵损伤检测方法。首先,利用多个传感器收集了离心泵在不同损伤状态下的声音和振动信号,并将声音和振动信号进行了融合,以充分利用不同类型信号中所蕴含的损伤特征信息;随后,针对多元多尺度散布熵(MMDE)不稳定的缺陷,对MMDE的粗粒化处理进行了优化,提出了改进精细复合多元多尺度散布熵(IRCMMDE)的复杂性测量指标;接着,利用IRCMMDE对声振融合信号进行了损伤特征提取,构建了各个损伤状态下的特征矩阵;最后,利用灰狼算法优化的支持向量机分类器,对各个损伤状态下的特征矩阵进行了识别,得到了最终的离心泵损伤检测结论。研究结果表明:采用基于声振信号融合的离心泵损伤检测方法,其最高可达到99.2%的故障识别准确率,相比于基于MMDE和RCMMDE的损伤检测方法,其能够更准确地识别出离心泵的损伤;该方法还能有效缓解单一信号检测时的不确定性,并且在多次实验验证下,其仍具有很高的检测精度。 展开更多

关键词 声振信号融合 离心泵损伤检测 改进精细复合多元多尺度散布熵 灰狼算法 支持向量机

在线阅读 下载PDF 职称材料

声振信号构造CNN特征矩阵的断路器储能机构故障诊断方法 被引量：9

9

作者 尹子会 孟延辉 +3 位作者 赵智龙 赵书涛 牛为华 徐晓会 《高压电器》 CAS CSCD 北大核心 2023年第9期242-249,共8页

针对传统的高压断路器储能机构故障诊断方法过于依赖主观经验,准确率不高、泛化能力差,提出一种声音振动信号联合构造卷积神经网络(CNN)特征矩阵的高压断路器储能机构故障诊断方法。首先将采集到的声信号通过形态学去除背景噪声,提出基... 针对传统的高压断路器储能机构故障诊断方法过于依赖主观经验,准确率不高、泛化能力差,提出一种声音振动信号联合构造卷积神经网络(CNN)特征矩阵的高压断路器储能机构故障诊断方法。首先将采集到的声信号通过形态学去除背景噪声,提出基于峭度和包络相似性的时标对位方法保证声振信号的同步性,然后对数据扩容后的声振信号利用皮尔逊相关系数构造二维图像特征矩阵,最后利用CNN对特征矩阵进行训练。实验证明:文中所提出的故障诊断方法与传统方法对比总体诊断准确率高,泛化性能好。 展开更多

关键词 断路器 声振信号 卷积神经网络 时标对位 特征矩阵 数据扩容

在线阅读 下载PDF 职称材料

基于声振融合的二次EWT-CNN刀具磨损监测 被引量：1

10

作者 郝旺身 娄永威 +2 位作者 董辛旻 李继康 娄本池 《组合机床与自动化加工技术》 北大核心 2024年第2期8-12,共5页

为了实现加工过程中对刀具磨损状态的监测,提出一种基于协同过滤融合的方法。首先,对工作刀具振动信号和声音信号进行特征相关性分析后进行数据层融合;然后,将得到的声振融合信号进行二次经验小波变换(EWT)后去噪重构;最后,将重构信号... 为了实现加工过程中对刀具磨损状态的监测,提出一种基于协同过滤融合的方法。首先,对工作刀具振动信号和声音信号进行特征相关性分析后进行数据层融合;然后,将得到的声振融合信号进行二次经验小波变换(EWT)后去噪重构;最后,将重构信号进行信号增强并送入CNN实现特征提取及刀具故障识别。通过对不同故障类型的麻花钻头进行故障识别实验,在声音、振动以及声振融合信号和不同信号去噪重构方法的对比下,该方法对不同故障类型的钻头作出了98.96%的高识别率。验证了所提方法在刀具故障识别方面的优越性。 展开更多

关键词 声振融合信号 刀具磨损 故障识别 经验小波变换 卷积神经网络

在线阅读 下载PDF 职称材料

基于变分模态分解和天牛须搜索的磁瓦内部缺陷声振检测 被引量：5

11

作者 黄沁元 谢罗峰 +2 位作者 殷国富 冉茂霞 刘鑫 《振动与冲击》 EI CSCD 北大核心 2020年第17期124-133,共10页

在磁瓦内部缺陷声振检测中,具备可预设尺度和自适应能力的变分模态分解(Variational Mode Decomposition,VMD)在处理相关声振信号时具有明显优势。然而VMD的参数选择范围广且对分解效果影响大,为解决参数的统一预设问题,提出一种基于天... 在磁瓦内部缺陷声振检测中,具备可预设尺度和自适应能力的变分模态分解(Variational Mode Decomposition,VMD)在处理相关声振信号时具有明显优势。然而VMD的参数选择范围广且对分解效果影响大,为解决参数的统一预设问题,提出一种基于天牛须搜索(Beetle Antennae Search,BAS)的VMD参数优化方法,并应用于磁瓦内部缺陷检测。该方法首先根据声振信号特点建立基于模态能量和模态中心频率变化规律的目标函数;再利用BAS在参数空间中搜寻目标函数最大值,所需的VMD统一预设参数即为该最大值所对应的参数组合;最后,在该优化参数下对逐个信号进行VMD处理并提取模态中心频率特征,进而由支持向量机完成特征识别。试验结果表明,所提出的方法能有效优化VMD参数并实现磁瓦内部缺陷的快速精准检测。 展开更多

关键词 变分模态分解(VMD) 天牛须搜索(BAS) 磁瓦 内部缺陷 声振信号

在线阅读 下载PDF 职称材料

考虑小波包-灰度共生矩阵的高压断路器弹簧疲劳故障程度诊断研究 被引量：3

12

作者 张艳飞 邵阳 +2 位作者 公维炜 张昭维 武建文 《机械科学与技术》 CSCD 北大核心 2024年第2期274-281,共8页

弹簧操动机构作为高压断路器(High voltage circuit breakers,HVCBs)分合闸操作的储能单元,其可靠性对电力系统的安全运行具有重要意义。本文以六氟化硫高压断路器的弹簧操动机构为研究对象,分析分合闸弹簧的动作机理,对弹簧进行不同程... 弹簧操动机构作为高压断路器(High voltage circuit breakers,HVCBs)分合闸操作的储能单元,其可靠性对电力系统的安全运行具有重要意义。本文以六氟化硫高压断路器的弹簧操动机构为研究对象,分析分合闸弹簧的动作机理,对弹簧进行不同程度的故障设置。介绍了振动、声音传感器设备及采集参数,针对小波包时频分析法的缺点,提出一种基于小波包-灰度共生矩阵(Gray level co-occurrence matrix,GLCM)的特征提取方法。从诊断速度和诊断准确度两方面对比了支持向量机(Support vector machine,SVM)、决策树(Decision tree,DT)、朴素贝叶斯、K近邻(K nearest neighbors,KNN)4种诊断模型。实验结果表明,在模拟实际应用场景中,选用K近邻算法对分合闸弹簧故障进行深度诊断能够准确判断故障类型及故障程度,对高压断路器安全可靠运行具有实际应用价值。 展开更多

关键词 高压断路器 弹簧故障 声振信号 灰度共生矩阵 K近邻算法

在线阅读 下载PDF 职称材料

基于多传感器信息融合方法的刀具破损识别 被引量：2

13

作者 陈群涛 石新华 邵华 《组合机床与自动化加工技术》 北大核心 2013年第10期61-65,共5页

针对铣削过程监控中多目标状态源存在同频干扰的问题,基于经验模态分解和独立分量分析提出了一种多通道信号盲源分离算法,以声音传感器及振动传感器为信号检测元件,利用多传感器信息融合技术对铣削加工过程中刀具破损监测相关技术问题... 针对铣削过程监控中多目标状态源存在同频干扰的问题,基于经验模态分解和独立分量分析提出了一种多通道信号盲源分离算法,以声音传感器及振动传感器为信号检测元件,利用多传感器信息融合技术对铣削加工过程中刀具破损监测相关技术问题进行了详细分析。通过设计多齿铣削试验,将所采集的声音信号与振动加速度信号进行了对比分析,并对声振信号进行EMD-ICA分析。研究表明:①切削声音信号和Y轴方向上的振动加速度信号处在同一个频段;②多传感器信息融合监测方式能消除监测信号中存在的背景噪声及目标状态相互干扰的问题,提取出混合信号中与刀具破损状态相关的故障特征频率成分,为刀具破损识别提供依据。 展开更多

关键词 刀具状态监测 切削声振信号 经验模态分解 独立分量分析

在线阅读 下载PDF 职称材料

基于优化变分模态分解的磁瓦内部缺陷检测 被引量：9

14

作者 冉茂霞 黄沁元 +2 位作者 刘鑫 宋弘 吴浩 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2020年第11期2158-2168,2213,共12页

针对磁瓦内部缺陷声振检测存在的信号处理和特征识别问题,提出结合变分模态分解(VMD)、粒子群优化(PSO)和随机森林(RF)的信号分析方法.该方法以模态能量和相邻模态中心频率差值构建代表VMD处理性能的适应度函数,其中以VMD的分解层数和... 针对磁瓦内部缺陷声振检测存在的信号处理和特征识别问题,提出结合变分模态分解(VMD)、粒子群优化(PSO)和随机森林(RF)的信号分析方法.该方法以模态能量和相邻模态中心频率差值构建代表VMD处理性能的适应度函数,其中以VMD的分解层数和惩罚因子2个参数作为该适应度函数的变量;通过PSO在VMD参数选择空间中搜索该函数的最小值以执行VMD的参数优化,最小值所对应的参数设置即为VMD的最优参数;利用得到的参数实现信号的最优VMD分解并通过计算模态分量的能量来筛选特征模态,从中提取过零率、谱质心和最大峰值频点以联合反映磁瓦内部缺陷的特征信息;经RF分类器对这些特征进行识别进而对内部缺陷的存在情况做出判断.实验证明所提出的方法能够准确、高效地实现不同类型磁瓦的内部缺陷检测. 展开更多

关键词 粒子群优化算法 变分模态分解 磁瓦 声振信号 内部缺陷

在线阅读 下载PDF 职称材料