多点最优最小熵反褶积结合交互信息的过载信号特征提取

1

作者 谢雨岑 房安琪 +4 位作者 郜王鑫 李彩芳 邵志豪 张珂 唐万杰 《探测与控制学报》 CSCD 北大核心 2024年第5期1-7,共7页

针对弹药超高速侵彻多层建筑物的过程中,侵彻过载加速度信号产生粘连混叠,影响侵彻穿层特征的精准辨识提取,造成引信难以精确计层的问题,提出一种基于多点最优最小熵反褶积(MOMEDA)和交互信息的过载信号穿层特征提取方法。考虑到引信加... 针对弹药超高速侵彻多层建筑物的过程中,侵彻过载加速度信号产生粘连混叠,影响侵彻穿层特征的精准辨识提取,造成引信难以精确计层的问题,提出一种基于多点最优最小熵反褶积(MOMEDA)和交互信息的过载信号穿层特征提取方法。考虑到引信加速度敏感系统在高频强动载下的响应规律未知,该方法利用MOMEDA的非迭代盲解卷积增强技术来实现对原始侵彻过载信号的降噪,基于交互信息理论进一步优化MOMEDA最佳滤波器的长度以增强原始侵彻过载信号中多层目标特征。通过对引信超高速侵彻多层靶板的仿真、试验信号的研究结果表明,该方法可以有效突显原始侵彻过载信号中的穿层特征,为强粘连信号下的引信精确计层功能实现提供依据。 展开更多

关键词 超高速侵彻 多点最优最小熵反褶积 交互信息 特征提取

在线阅读 下载PDF 职称材料

采用改进多点最优最小熵反褶积的齿轮箱复合故障特征提取 被引量：7

2

作者 王靖岳 李建刚 王浩天 《西安交通大学学报》 EI CAS CSCD 北大核心 2020年第5期70-77,94,共9页

针对强背景噪声下齿轮箱复合故障中的微弱故障特征难以提取的问题,提出了一种改进多点最优最小熵反褶积的齿轮箱复合故障特征提取方法。将小波降噪作为前置滤波器,克服了多点峭度谱在强背景噪声下难以有效识别信号中的微弱故障周期成分... 针对强背景噪声下齿轮箱复合故障中的微弱故障特征难以提取的问题,提出了一种改进多点最优最小熵反褶积的齿轮箱复合故障特征提取方法。将小波降噪作为前置滤波器,克服了多点峭度谱在强背景噪声下难以有效识别信号中的微弱故障周期成分的缺点,使信号峭度增加了65.9%,突出了微弱故障周期成分;根据多点峭度谱识别出的故障周期成分设置合理的故障区间,利用多点最优最小熵反褶积突出了信号中的故障周期,避免了对信号直接包络解调而出现的漏诊现象;将差分能量算子解调应用于改进算法处理后的信号,与传统的Hilbert解调方法相比,该算法得到的解调谱中故障特征频率的峰值更加明显。通过对仿真信号与齿轮箱中齿轮点蚀磨损复合故障振动信号的研究结果表明,改进多点最优最小熵反褶积方法能够完整地提取信号中的故障特征频率成分,成功率达到了100%;与变分模态分解进行了对比分析,改进算法有效消除了模态混叠现象。仿真和试验结果表明,改进算法可以有效提取强背景噪声下齿轮箱复合故障中的微弱故障特征。 展开更多

关键词 复合故障 小波降噪 多点最优最小熵反褶积 差分能量算子解调

在线阅读 下载PDF 职称材料

利用参数自适应多点最优最小熵反褶积的行星轮轴承微弱故障特征提取 被引量：15

3

作者 王朝阁 李宏坤 +2 位作者 胡少梁 胡瑞杰 任学平 《振动工程学报》 EI CSCD 北大核心 2021年第3期633-645,共13页

针对行星轮轴承故障振动信号受复杂传递路径、强背景噪声和齿轮振动干扰的影响,导致故障特征微弱难以提取的问题,提出一种参数自适应的多点最优最小熵反褶积(parameter adaptive multipoint optimal minimum entropy deconvolution adju... 针对行星轮轴承故障振动信号受复杂传递路径、强背景噪声和齿轮振动干扰的影响,导致故障特征微弱难以提取的问题,提出一种参数自适应的多点最优最小熵反褶积(parameter adaptive multipoint optimal minimum entropy deconvolution adjusted,PA-MOMEDA)的行星轮轴承微弱故障诊断方法。为克服MOMEDA依赖人为经验选取主要影响参数的不足,建立多目标优化新指标,通过粒子群算法优良的寻优特性来自动确定最佳的影响参数,使用参数优化的MOMEDA对行星轮轴承故障信号进行最佳解卷积运算。针对MOMEDA解卷积信号存在严重边缘效应的问题,设计一种波形延伸策略对解卷积信号进行自适应补偿,提高了MOMEDA对微弱故障冲击特征的解卷积性能。对提升的解卷积信号进行包络解调处理,即可从其包络谱中提取到明显的故障特征频率。通过行星轮轴承故障仿真和工程实验数据分析表明,相比传统的MOMEDA方法、MCKD方法和快速谱峭度方法,该方法能成功地提取微弱的故障冲击特征且更加明显,提高了行星轮轴承故障诊断的准确性和鲁棒性。 展开更多

关键词 故障诊断 行星齿轮箱 行星轮轴承 特征提取 多点最优最小熵反褶积(MOMEDA)

在线阅读 下载PDF 职称材料

基于最小熵反褶积的动车组牵引电动机轴承故障诊断方法 被引量：9

4

作者 李伟 《轴承》 北大核心 2021年第12期56-60,64,共6页

针对牵引电动机轴承故障信号冗余程度高,信号微弱且伴随有较强非高斯噪声,故障特征难以提取的问题,采用了一种最小熵反褶积算法对复杂信号进行处理,由于该算法中滤波步长对处理信号影响较大,采用包络谱熵作为适应度函数,使用量子行为粒... 针对牵引电动机轴承故障信号冗余程度高,信号微弱且伴随有较强非高斯噪声,故障特征难以提取的问题,采用了一种最小熵反褶积算法对复杂信号进行处理,由于该算法中滤波步长对处理信号影响较大,采用包络谱熵作为适应度函数,使用量子行为粒子群优化算法对最小熵反褶积算法中的滤波步长进行优化,使最小熵反褶积算法达到最优。试验结果表明,优化后的最小熵反褶积算法能够准确提取牵引电动机轴承故障特征。 展开更多

关键词 滚动轴承 牵引电动机 故障诊断 谱分析 熵 最小熵反褶积 量子行为粒子群优化算法

在线阅读 下载PDF 职称材料

基于AVME-OMOMEDA的滚动轴承复合故障诊断

5

作者 刘志军 周俊 +1 位作者 伍星 刘韬 《振动工程学报》 北大核心 2025年第9期2130-2140,共11页

传统算法难以有效分离提取共振频带重叠的轴承复合故障特征,本文提出一种结合自适应变分模态提取(adaptive variational mode extraction,AVME)与优化多点最优最小熵反褶积(optimized multipoint optimal minimum entropy deconvolution... 传统算法难以有效分离提取共振频带重叠的轴承复合故障特征,本文提出一种结合自适应变分模态提取(adaptive variational mode extraction,AVME)与优化多点最优最小熵反褶积(optimized multipoint optimal minimum entropy deconvolution adjusted,OMOMEDA)的自适应滚动轴承复合故障特征分离提取方法。利用S变换谱自相关能量谱确定VME参数中心频率的初始值,提取出与故障相关的期望模态;将期望模态进行线性叠加重构原信号,实现对信号的降噪;利用OMOMEDA从重构信号中提取周期性脉冲信号,结合包络解调获取故障特征频率。仿真信号和试验信号验证了该方法能有效分离提取共振频带重叠的轴承复合故障特征,并与VMD-MCKD等其他4种已有算法进行比较,证明了所提方法的优越性。 展开更多

关键词 故障诊断 滚动轴承 自适应变分模态提取 优化多点最优最小熵反褶积 S变换谱自相关能量谱

在线阅读 下载PDF 职称材料

并行RSSD和改进MOMEDA的齿轮箱故障诊断 被引量：2

6

作者 尹志安 孙文龙 王凯 《机械设计与制造》 北大核心 2024年第9期196-204,共9页

为了克服传统共振稀疏信号分解与矩量法的局限性,提高其提取微弱故障特征的能力,提出了一种并行双参数优化RSSD和改进MOMEDA的行星齿轮箱故障诊断方法。首先,并行双参数优化RSSD构造了与不同故障特征相匹配的小波基函数,并将复合故障信... 为了克服传统共振稀疏信号分解与矩量法的局限性,提高其提取微弱故障特征的能力,提出了一种并行双参数优化RSSD和改进MOMEDA的行星齿轮箱故障诊断方法。首先,并行双参数优化RSSD构造了与不同故障特征相匹配的小波基函数,并将复合故障信号自适应分解为不同的谐振分量,实现了复杂故障特征的解耦。其次,利用改进MOMEDA对共振分量进行去卷积滤波,有效地消除了复杂传输路径和强环境噪声的影响,增强了与弱故障相关的脉冲。最后,通过对行星齿轮箱实验平台的实际故障信号的分析,证明了提出的方法不仅具有良好的解耦性能以及提取弱故障信号能力,且能够全面、准确地提取不同类型的故障。 展开更多

关键词 共振稀疏信号分解 多点最优最小熵反褶积 行星齿轮箱 故障诊断

在线阅读 下载PDF 职称材料

基于迭代SGMD与改进MOMEDA的滚动轴承微弱故障诊断 被引量：2

7

作者 王富珂 高丙朋 蔡鑫 《组合机床与自动化加工技术》 北大核心 2024年第12期145-150,157,共7页

针对强背景噪声下滚动轴承故障特征微弱的问题,提出一种基于迭代辛几何模态分解(ISGMD)与改进多点最优最小熵解卷积调整(IMOMEDA)相结合的故障诊断方法。首先,利用ISGMD对故障信号进行分解并基于综合指标选取最优分量;其次,根据多点峭... 针对强背景噪声下滚动轴承故障特征微弱的问题,提出一种基于迭代辛几何模态分解(ISGMD)与改进多点最优最小熵解卷积调整(IMOMEDA)相结合的故障诊断方法。首先,利用ISGMD对故障信号进行分解并基于综合指标选取最优分量;其次,根据多点峭度谱确定MOMEDA的故障周期,利用白鹭群优化算法(ESOA)对滤波器长度进行自适应寻优,通过IMOMEDA对最优分量进行解卷积处理;最后,对解卷积处理后的信号进行包络谱分析,提取故障特征频率完成故障诊断。仿真及实验分析结果表明,所提方法能有效提取强背景噪声下的滚动轴承微弱故障特征信息。 展开更多

关键词 滚动轴承 迭代辛几何模态分解 改进多点最优最小熵解卷积调整 综合指标 白鹭群优化算法 故障诊断

在线阅读 下载PDF 职称材料

基于编码器信号自适应MOMEDA的太阳轮故障检测 被引量：1

8

作者 田田 郭瑜 +2 位作者 樊家伟 徐万通 朱云贵 《振动．测试与诊断》 EI CSCD 北大核心 2024年第6期1173-1180,1249,共9页

针对行星减速器太阳轮故障检测问题,提出了一种基于改进自适应多点最优最小熵反褶积(multipoint optimal minimum entropy deconvolution adjusted,简称MOMEDA)的太阳轮故障检测方法。首先,基于编码器信号传递路径短、与动力学直接相关... 针对行星减速器太阳轮故障检测问题,提出了一种基于改进自适应多点最优最小熵反褶积(multipoint optimal minimum entropy deconvolution adjusted,简称MOMEDA)的太阳轮故障检测方法。首先,基于编码器信号传递路径短、与动力学直接相关的优势,结合传动参数,计算得到故障特征周期,确定故障周期搜索区间及步长;其次,利用谱负熵最大化原则自适应确定优化滤波器长度,并得到解卷积后的信号;最后,采用包络谱分析揭示太阳轮齿根裂纹故障特征。通过仿真和实测数据分析,验证了所提方法的有效性。 展开更多

关键词 多点最优最小熵反褶积 瞬时角速度 谱负熵 太阳轮齿根裂纹 特征提取

在线阅读 下载PDF 职称材料

基于特征增强与LSTM的滚动轴承故障诊断方法 被引量：1

9

作者 惠兴胜 于树坤 +2 位作者 纪威 刘士彩 孙波 《机床与液压》 北大核心 2024年第24期214-227,共14页

滚动轴承的工作环境复杂多变,传统的信号处理技术难以在噪声和其他部件的干扰下检测到微弱的早期故障特征,且传统的故障诊断方法对人工提取特征较为依赖。针对以上问题,提出基于自适应局部迭代滤波(ALIF)和改进差分进化粒子群优化的多... 滚动轴承的工作环境复杂多变,传统的信号处理技术难以在噪声和其他部件的干扰下检测到微弱的早期故障特征,且传统的故障诊断方法对人工提取特征较为依赖。针对以上问题,提出基于自适应局部迭代滤波(ALIF)和改进差分进化粒子群优化的多点优化最小熵解卷积(IDEPSO-MOMEDA)算法,对滚动轴承的故障冲击成分进行增强。利用ALIF分解信号,根据峭度-相关系数准则对分解的信号进行重构;利用IDEPSO对MOMEDA进行参数寻优,对重构后的信号进行冲击增强;最后,利用长短时记忆网络(LSTM)对滚动轴承实现端到端的智能故障诊断,以解决人工提取特征的不足。通过滚动轴承实验数据验证了该方法的有效性,并与LSTM、ALIF-LSTM、ALIF-IDEPSO-MOMEDA-RNN、ALIF-IDEPSO-MOMEDA-DBN进行对比分析,使用所提方法ALIF-IDEPSO-MOMEDA-LSTM的故障诊断准确率可达99.78%,进一步证明了该方法的优越性。 展开更多

关键词 滚动轴承 自适应局部迭代滤波(ALIF) 多点优化最小熵解卷积 长短时记忆网络(LSTM) 故障诊断

在线阅读 下载PDF 职称材料

基于谱相干滤波冲击增强的轴承故障诊断 被引量：2

10

作者 代绍铖 郭瑜 +1 位作者 陈鑫 林云 《电子测量与仪器学报》 CSCD 北大核心 2021年第5期55-61,共7页

针对优化特征改进包络谱(IESFO)存在早期故障弱特征提取能力较弱和对频率分辨率要求较高的不足,提出了基于谱相干滤波冲击增强的轴承故障特征提取方法。首先使用IESFO算法选取优化解调频带并进行带通滤波;然后对滤波后信号使用多点优化... 针对优化特征改进包络谱(IESFO)存在早期故障弱特征提取能力较弱和对频率分辨率要求较高的不足,提出了基于谱相干滤波冲击增强的轴承故障特征提取方法。首先使用IESFO算法选取优化解调频带并进行带通滤波;然后对滤波后信号使用多点优化最小熵反褶积(MOMEDA)算法增强信号中轴承故障产生的冲击;最后进行包络分析。基于实测信号的研究结果表明,和现有方法相比,本方法在轴承性能退化过程中可以提前提取到轴承早期故障信息,且可用于提取滚动轴承复合故障信息。 展开更多

关键词 快速谱相干 优化特征改进包络谱 冲击增强 多点优化最小熵反褶积 滚动轴承

在线阅读 下载PDF 职称材料

基于MKurt-MOMEDA的齿轮箱复合故障特征提取 被引量：21

11

作者 王志坚 王俊元 +3 位作者 赵志芳 吴文轩 张纪平 寇彦飞 《振动．测试与诊断》 EI CSCD 北大核心 2017年第4期830-834,共5页

针对齿轮箱中旋转零部件的故障信号是周期性的冲击信号这一特性,提出了一种基于多点峭度(multipoint kurtosis,简称MKurt)和多点最优最小熵反褶积(multipoint optimal minimum entropy deconvolution adjusted,简称MOMEDA)的齿轮箱复合... 针对齿轮箱中旋转零部件的故障信号是周期性的冲击信号这一特性,提出了一种基于多点峭度(multipoint kurtosis,简称MKurt)和多点最优最小熵反褶积(multipoint optimal minimum entropy deconvolution adjusted,简称MOMEDA)的齿轮箱复合故障特征提取方法。利用MKurt可以有效提取齿轮箱中被噪声淹没的冲击性振动信号的周期,实现对振动信号振动源的追踪。根据故障的周期设置合理的周期区间,通过MOMEDA对原信号进行降噪,进一步提取原信号的周期性冲击。通过仿真信号和实测数据的分析和验证,证明了MKurt-MOMEDA方法可以准确有效地诊断齿轮箱复合故障故障特征。 展开更多

关键词 多点峭度 最优最小熵反褶积 复合故障 特征提取

在线阅读 下载PDF 职称材料

基于自适应MOMEDA与VMD的滚动轴承早期故障特征提取 被引量：16

12

作者 刘岩 伍星 +1 位作者 刘韬 陈庆 《振动与冲击》 EI CSCD 北大核心 2019年第23期219-229,共11页

轴承故障衍生早期,由于故障尺寸较小且易受环境噪声和信号衰减的影响,因此故障冲击信号往往非常微弱。变分模态分解(Variational Mode Decomposition,VMD)已经在轴承的故障特征提取中有一定的应用,但对于背景噪声较强时的滚动轴承的微... 轴承故障衍生早期,由于故障尺寸较小且易受环境噪声和信号衰减的影响,因此故障冲击信号往往非常微弱。变分模态分解(Variational Mode Decomposition,VMD)已经在轴承的故障特征提取中有一定的应用,但对于背景噪声较强时的滚动轴承的微弱故障提取效果并不理想。针对这一问题,将改进多点优化最小熵解卷积(Multipoint Optimal Minimum Entropy Deconvolution Adjusted,MOMEDA)与VMD相结合,研究了滤波器长度对MOMEDA效果的影响,提出基于进退法确定最优滤波器长度的自适应MOMEDA方法。利用自适应MOMEDA对信号降噪并避免传统MED迭代以及滤波后可能出现的虚假峰值。将自适应MOMEDA降噪后的信号使用VMD进行分解,然后依据谱峭度大小进行重构,对重构之后的信号进行故障特征提取,取得了较好的效果。最后通过实验验证了方法的可行性及有效性。 展开更多

关键词 多点优化最小熵解卷积 变分模态分解 谱峭度 滚动轴承早期故障 进退法

在线阅读 下载PDF 职称材料

AVMD-IMOMEDA在滚动轴承声学复合故障诊断的应用 被引量：8

13

作者 周文杰 周俊 +1 位作者 柳小勤 刘韬 《振动与冲击》 EI CSCD 北大核心 2023年第24期152-159,共8页

针对滚动轴承声信号存在较强的背景噪声干扰,微弱故障特征信息难以有效提取等问题,并考虑到声信号非接触式测量的优势。提出一种参数自适应变分模式分解结合改进多点最优最小熵反褶积(improve multipoint optimal minimum entropy decon... 针对滚动轴承声信号存在较强的背景噪声干扰,微弱故障特征信息难以有效提取等问题,并考虑到声信号非接触式测量的优势。提出一种参数自适应变分模式分解结合改进多点最优最小熵反褶积(improve multipoint optimal minimum entropy deconvolution adjusted, MOMEDA)的复合故障声学诊断方法;采用综合指标解决变分模态分解(variational mode decomposition, VMD)参数自适应选择问题,利用最大加权峭度识别最优分量并重构信号,增强与故障特征相关的脉冲特征信息;结合IMOMEDA方法从重构信号中分离提取周期性的脉冲信号,通过包络解调获取故障特征频率。仿真信号和试验信号验证了该方法的有效性,与传统VMD、MOMEDA、VMD-MCKD(maximum correlation kurtosis deconvolution)方法进行比较,凸显了方法的优越性。 展开更多

关键词 自适应变分模式分解 改进多点最优最小熵反褶积(IMOMEDA) 加权峭度 复合故障 声学诊断

在线阅读 下载PDF 职称材料

基于改进MOMEDA的齿轮箱复合故障诊断 被引量：7

14

作者 王志坚 王俊元 +2 位作者 张纪平 赵志芳 寇彦飞 《振动．测试与诊断》 EI CSCD 北大核心 2018年第1期176-181,共6页

总体经验模态分解(ensemble empirical mode decomposition,简称EEMD)对信号分解时由于白噪声选取不当,常造成能量泄露;通过计算多点峭度可以提取冲击性故障周期,但在强噪声环境下其追踪效果并不理想;考虑到多点最优最小熵反褶积(multip... 总体经验模态分解(ensemble empirical mode decomposition,简称EEMD)对信号分解时由于白噪声选取不当,常造成能量泄露;通过计算多点峭度可以提取冲击性故障周期,但在强噪声环境下其追踪效果并不理想;考虑到多点最优最小熵反褶积(multipoint optimal minimum entropy deconvolution adjuste,简称MOMEDA)提取故障时准确度受到故障周期区间范围的影响,提出了基于组合模态函数-多点最优最小熵反褶积(combined mode function-multipoint optimal minimum entropy deconvolution adjuste,简称CMF-MOMEDA)的自适应齿轮箱复合故障特征提取方法。首先,通过EEMD对信号分解,将信号按高低频依次分开;其次,取与原信号相关性强的本征模态函数,通过组合模态函数(combined mode function,简称CMF)将原信号分解为高低两个频带C_h和C_L,分别求其多点峭度谱图,提取故障周期成分;然后,设定合适的周期范围,通过MOMEDA提取故障特征;最后,将该方法应用于齿轮箱故障特征提取,以验证其可行性。 展开更多

关键词 复合故障 特征提取 强噪声环境 多点最优最小熵反褶积 组合模态函数

在线阅读 下载PDF 职称材料

基于ACMD与改进MOMEDA的滚动轴承故障诊断 被引量：7

15

作者 石佳 黄宇峰 王锋 《振动与冲击》 EI CSCD 北大核心 2023年第16期218-226,261,共10页

针对强背景噪声下滚动轴承故障特征难以提取的问题,提出基于自适应非线性调频分量分解(adaptive chirp mode decomposition,ACMD)与改进多点优化最小熵解卷积(improved multipoint optimal minimum entropy deconvolution adjusted,IMOM... 针对强背景噪声下滚动轴承故障特征难以提取的问题,提出基于自适应非线性调频分量分解(adaptive chirp mode decomposition,ACMD)与改进多点优化最小熵解卷积(improved multipoint optimal minimum entropy deconvolution adjusted,IMOMEDA)的故障诊断方法。(1)为提高信号信噪比,采用基于基尼系数指标的ACMD,进行信号重构预处理;(2)为提高参数设定的准确性,提出改进的MOMEDA方法——利用天鹰优化算法,以多点峭度最大为目标,寻优确定滤波器周期参数;(3)对信号进行包络谱分析,通过对比包络谱的主导频率成分与理论故障特征频率,判断故障类型。仿真及实测数据分析结果表明,该方法能有效提取强背景噪声下的滚动轴承故障信号的特征信息,具备一定的优越性与实用性。 展开更多

关键词 自适应非线性调频分量分解(ACMD) 基尼系数 天鹰优化算法 多点最优调整最小熵解卷积 滚动轴承 故障诊断

在线阅读 下载PDF 职称材料

基于LMD和MOMEDA的滚动轴承早期故障特征提取研究 被引量：9

16

作者 金京 刘畅 +1 位作者 兰雨涛 王衍学 《机电工程》 CAS 北大核心 2021年第3期276-285,共10页

采用局域均值分解(LMD)提取强噪声背景下的滚动轴承的故障特征效果并不理想,针对该问题,将多点优化最小熵解卷积(MOMEDA)与局域均值分解(LMD)相结合,进行了滚动轴承微弱故障信号处理研究。首先,利用局域均值分解(LMD)对外圈故障轴承的... 采用局域均值分解(LMD)提取强噪声背景下的滚动轴承的故障特征效果并不理想,针对该问题,将多点优化最小熵解卷积(MOMEDA)与局域均值分解(LMD)相结合,进行了滚动轴承微弱故障信号处理研究。首先,利用局域均值分解(LMD)对外圈故障轴承的振动信号进行了信号重构;其次,利用多点优化最小熵解卷积(MOMEDA)滤波,进行了包络分析来提取故障特征;最后,将所提出的方法与局域均值分解(LMD)重构后,用最小熵解卷积(MED)滤波故障特征提取方法进行了对比;此外,采用所提方法分析了内圈故障。研究结果表明:所提出的方法对微弱故障特征提取有更好的适用性,能在包络谱中看到多倍频峰值,且峰值附近干扰很少;仿真与试验结果验证了方法的有效性。 展开更多

关键词 局域均值分解 多点优化最小熵解卷积 最小熵解卷积 滚动轴承 故障诊断

在线阅读 下载PDF 职称材料

基于MVMD-MOMEDA的齿轮箱故障诊断方法 被引量：6

17

作者 崔素晓 崔彦平 +2 位作者 武哲 吕志元 张琳琳 《河北科技大学学报》 CAS 北大核心 2023年第6期551-561,共11页

针对齿轮箱振动信号受复杂传递路径、强背景噪声的影响导致早期微弱故障难以诊断的问题,提出了一种基于多元变分模态分解(MVMD)和多点最优最小熵反褶积调整(MOMEDA)的齿轮箱故障诊断方法。首先,利用MVMD将融合后的多通道振动信号进行模... 针对齿轮箱振动信号受复杂传递路径、强背景噪声的影响导致早期微弱故障难以诊断的问题,提出了一种基于多元变分模态分解(MVMD)和多点最优最小熵反褶积调整(MOMEDA)的齿轮箱故障诊断方法。首先,利用MVMD将融合后的多通道振动信号进行模态分解,得到一系列表征信号局部特征的IMF分量;其次,引入峭度值(Ku),选取最佳模态进行信号重构,剔除含噪声分量高的IMF;最后,对重构信号进行MOMEDA特征提取以识别故障频率,从而进行故障诊断。结果表明,所提故障诊断方法可以有效剔除噪声分量的干扰,识别出信号中的故障冲击成分及其倍频进而确定故障类型。MVMD-MOMEDA方法解决了在单一通道问题上无法处理多源信号的缺点以及早期微弱故障特征难以提取等问题,可为故障诊断和多源信号处理提供参考。 展开更多

关键词 数据处理 齿轮箱 多元变分模态分解 多点最优最小熵反褶积调整 特征提取 故障诊断

在线阅读 下载PDF 职称材料

转炉齿轮传动系统裂纹动力学特性及诊断方法研究 被引量：2

18

作者 游俊 吕勇 +2 位作者 鲁志文 袁锐 吴利锋 《机械设计》 CSCD 北大核心 2023年第12期23-30,共8页

当前针对全悬挂转炉倾动装置的动力学行为研究,多采用集中质量模型研究其扭转特性,而忽略系统横向弹性引起的弯扭耦合效应。此外,超低速重载运行环境下,系统齿轮故障动力学机理及诊断方法亟需深入研究。为此,首先基于拉格朗日方程法建... 当前针对全悬挂转炉倾动装置的动力学行为研究,多采用集中质量模型研究其扭转特性,而忽略系统横向弹性引起的弯扭耦合效应。此外,超低速重载运行环境下,系统齿轮故障动力学机理及诊断方法亟需深入研究。为此,首先基于拉格朗日方程法建立了转炉倾动装置多点啮合齿轮传动系统弯扭耦合动力学模型;其次,考虑裂纹引起的时变刚度特性,建立了含裂纹故障倾动装置动力学模型;然后采用Newmark-β法对正常及裂纹故障下的动力学响应进行求解。结果表明:当存在裂纹时,时域响应出现因裂纹引起的明显冲击,对应频域出现幅值极小的边频带,然而由于裂纹故障特征的微弱性,此特征容易被淹没在噪声中,难以诊断。因此,最后考虑现场噪声干扰,提出了改进的多点最优最小熵反褶积包络谱法,通过对比直接包络谱法,其故障包络谱能量占比提高了8.4倍,显示了该方法的优越性和有效性。本研究为转炉倾动装置齿轮裂纹动力学机理及诊断提供了理论依据和方法参考。 展开更多

关键词 动力学模型 齿轮裂纹 多点最优最小熵反褶积 包络谱

在线阅读 下载PDF 职称材料

煤矿机械齿轮箱故障诊断方法 被引量：8

19

作者 刘永亮 《工矿自动化》 北大核心 2020年第11期12-16,共5页

针对煤矿机械齿轮箱振动信号中含有大量噪声干扰成分导致齿轮箱故障特征提取难的问题,提出了一种基于粒子群优化变分模态分解(PSO-VMD)与最小熵反褶积(MED)的煤矿机械齿轮箱故障诊断方法。该方法首先利用PSO算法对VMD中直接影响分解效... 针对煤矿机械齿轮箱振动信号中含有大量噪声干扰成分导致齿轮箱故障特征提取难的问题,提出了一种基于粒子群优化变分模态分解(PSO-VMD)与最小熵反褶积(MED)的煤矿机械齿轮箱故障诊断方法。该方法首先利用PSO算法对VMD中直接影响分解效果的惩罚系数与分量个数进行优化搜索,得到最大化分解性能的最优参数组合,并利用优化后的VMD方法对齿轮箱振动信号进行分解,得到一系列本征模态函数(IMF)分量;然后,利用MED方法对与原信号相关度最大的IMF分量进行降噪处理,凸显故障冲击特征;最后,对降噪后的IMF分量进行Hilbert包络解调,从而提取故障特征。实验结果表明,该方法能够准确提取故障特征,实现齿轮箱故障诊断。 展开更多

关键词 煤矿机械 齿轮箱 故障诊断 粒子群优化算法 变分模态分解 最小熵反褶积

在线阅读 下载PDF 职称材料

基于改进信息图与MOMEDA的滚动轴承故障特征提取 被引量：12

20

作者 夏均忠 于明奇 +2 位作者 白云川 刘鲲鹏 吕麒鹏 《振动与冲击》 EI CSCD 北大核心 2019年第4期26-32,共7页

为解决最大相关峭度解卷积存在的故障周期需要预先设置等问题,提出多点优化最小熵解卷积修正(MOMEDA)用于增强轴承故障信号,并应用改进信息图降低噪声对其多点峭度谱的干扰。通过引入轴承故障与正常状态下谱负熵的比值关系,优化信息图... 为解决最大相关峭度解卷积存在的故障周期需要预先设置等问题,提出多点优化最小熵解卷积修正(MOMEDA)用于增强轴承故障信号,并应用改进信息图降低噪声对其多点峭度谱的干扰。通过引入轴承故障与正常状态下谱负熵的比值关系,优化信息图中平均谱负熵算法,提出基于滤波器组的改进信息图方法;构建带通滤波器进行滤波降噪,并通过MOMEDA多点峭度谱识别故障周期;应用MOMEDA增强滤波信号中的故障周期性脉冲成分,并通过平方包络谱提取微弱故障特征。试验表明,较之信息图等方法,改进信息图的降噪效果较突出,可有效提高故障周期的识别度,实现MOMEDA自适应增强故障信号。 展开更多

关键词 滚动轴承 特征提取 信息图 改进信息图 多点优化最小熵解卷积修正(MOMEDA)

在线阅读 下载PDF 职称材料