检索结果-维普期刊中文期刊服务平台

基于微分经验模式分解和隐马尔科夫模型的滚动轴承故障诊断方法: 1; 作者孟宗闫晓丽《计量学报》 CSCD 北大核心 2015年第5期482-486,共5页; 提出基于微分经验模式分解（DEMD）和隐马尔科夫模型（HMM）的旋转机械故障诊断方法，并应用到滚动轴承故障诊断中。首先，对故障信号进行基于微分的经验模式分解，提取瞬时能量作为故障特征向量；然后将故障特征向量输入HMM分类器进行... 展开更多; 关键词计量学轴承故障诊断微分经验模式分解隐马尔科夫模型; 在线阅读下载PDF 职称材料

基于支持向量机和窗函数的DEMD端点效应抑制方法被引量：9: 2; 作者孟宗季艳 +1 位作者谷伟明王娜《计量学报》 CSCD 北大核心 2016年第2期180-184,共5页; 在微分经验模式分解过程中,由于信号端点处极值点不确定,导致在样条曲线构造信号上下包络线的过程中产生端点效应,影响微分经验模式分解的质量。针对此问题,提出一种支持向量机延拓和窗函数相结合的方法来解决微分经验模式分解中的端点... 展开更多; 关键词计量学故障诊断滚动轴承微分经验模式分解端点效应支持向量机窗函数; 在线阅读下载PDF 职称材料

基于DEMD局部时频熵和SVM的风电齿轮箱故障诊断方法研究被引量：6: 3; 作者孟宗刘东 +3 位作者岳建辉詹旭阳马钊李晶《计量学报》 CSCD 北大核心 2017年第4期449-452,共4页; 为了有效地从非线性、非平稳性的风电齿轮箱故障信号中提取有用的信息成分,将微分经验模式分解、局部时频熵和支持向量机相结合,提出了一种微分经验模式分解局部时频熵和支持向量机的风电齿轮箱故障诊断方法。采用自适应多尺度的数学形... 展开更多; 关键词计量学故障诊断风电齿轮箱微分经验模式分解形态滤波支持向量机局部时频熵; 在线阅读下载PDF 职称材料

基于DEMD和对称差分能量算子解调的滚动轴承故障诊断被引量：12: 4; 作者孟宗季艳《中国机械工程》 EI CAS CSCD 北大核心 2015年第12期1658-1664,共7页; 针对机械故障振动信号多为调制信号的特点,为了更好地提取多分量调幅调频信号的幅值和频率信息,提出了基于微分的经验模式分解(DEMD)与对称差分能量算子相结合的解调方法。利用DEMD算法将原始振动信号进行分解,得到若干个单分量信号;对... 展开更多; 关键词微分经验模式分解对称差分能量算子滚动轴承故障诊断; 在线阅读下载PDF 职称材料

基于DEMD和模糊熵的滚动轴承故障诊断方法研究被引量：10: 5; 作者孟宗季艳闫晓丽《计量学报》 CSCD 北大核心 2016年第1期56-61,共6页; 提出一种基于微分的经验模式分解（DEMD）模糊熵和支持向量机（SVM）相结合的滚动轴承故障诊断方法。首先对信号进行基于微分的经验模式分解，得到若干具有物理意义的本征模函数（IMF）分量，再利用相关度准则对固有模式分量进行筛选，... 展开更多; 关键词计量学故障诊断滚动轴承微分经验模式分解模糊熵支持向量机; 在线阅读下载PDF 职称材料

题名基于微分经验模式分解和隐马尔科夫模型的滚动轴承故障诊断方法: 1; 作者孟宗闫晓丽; 机构河北省测试计量技术及仪器重点实验室国家冷轧板带装备及工艺工程技术研究中心; 出处《计量学报》 CSCD 北大核心 2015年第5期482-486,共5页; 基金国家自然科学基金(51105323) 河北省自然科学基金(E2015203356) 河北省高等学校科学研究计划重点项目(ZD2015049); 文摘提出基于微分经验模式分解（DEMD）和隐马尔科夫模型（HMM）的旋转机械故障诊断方法，并应用到滚动轴承故障诊断中。首先，对故障信号进行基于微分的经验模式分解，提取瞬时能量作为故障特征向量；然后将故障特征向量输入HMM分类器进行模式识别，输出各状态似然概率值；以最大似然概率所对应的故障状态作为诊断结果，最终实现滚动轴承故障诊断。滚动轴承点蚀故障的诊断实验证明了该方法的有效性。与基于EMD-HMM的故障诊断方法相比，基于DEMD-HMM的故障诊断方法更适用于滚动轴承故障诊断。; 关键词计量学轴承故障诊断微分经验模式分解隐马尔科夫模型; Keywords metrology diagnose bearing fault differential-based empirical mode hidden markov model; 分类号 TB936 [机械工程—测试计量技术及仪器]; 在线阅读下载PDF 职称材料

题名基于支持向量机和窗函数的DEMD端点效应抑制方法被引量：9: 2; 作者孟宗季艳谷伟明王娜; 机构燕山大学河北省测试计量技术及仪器重点实验室; 出处《计量学报》 CSCD 北大核心 2016年第2期180-184,共5页; 基金国家自然科学基金(51105323) 河北省自然科学基金(E2012203166,E2015203356); 文摘在微分经验模式分解过程中,由于信号端点处极值点不确定,导致在样条曲线构造信号上下包络线的过程中产生端点效应,影响微分经验模式分解的质量。针对此问题,提出一种支持向量机延拓和窗函数相结合的方法来解决微分经验模式分解中的端点效应,通过采用支持向量机对信号两端进行数据延拓,再对延拓后的信号加特殊窗函数处理,减小延拓误差。通过仿真分析和滚动轴承故障诊断实例分析表明,该方法能较好地抑制微分经验模式分解的端点效应,提高信号分解的精度,得到准确的分析结果。; 关键词计量学故障诊断滚动轴承微分经验模式分解端点效应支持向量机窗函数; Keywords metrology fault diagnosis rolling bearing DEMD end effect support vector machine window function; 分类号 TB936 [机械工程—测试计量技术及仪器]; 在线阅读下载PDF 职称材料

题名基于DEMD局部时频熵和SVM的风电齿轮箱故障诊断方法研究被引量：6: 3; 作者孟宗刘东岳建辉詹旭阳马钊李晶; 机构燕山大学河北省测试计量技术及仪器重点实验室国家冷轧板带装备及工艺工程技术研究中心; 出处《计量学报》 CSCD 北大核心 2017年第4期449-452,共4页; 基金国家自然科学基金(51575472 61673334) +1 种基金河北省高等学校科学研究计划重点项目(ZD2015049); 文摘为了有效地从非线性、非平稳性的风电齿轮箱故障信号中提取有用的信息成分,将微分经验模式分解、局部时频熵和支持向量机相结合,提出了一种微分经验模式分解局部时频熵和支持向量机的风电齿轮箱故障诊断方法。采用自适应多尺度的数学形态学对故障信号进行滤波;将滤波后的信号进行微分经验模式分解,获得齿轮振动信号的若干IMF分量;把每一个IMF进行分块,计算每一块的局部时频熵值;把局部时频熵值作为支持向量机的输入参数,通过支持向量机进行故障识别与诊断。实验结果表明,基于微分经验模式分解局部时频熵和支持向量机相结合的方法能够对风电齿轮箱故障信号进行准确有效地识别分类。; 关键词计量学故障诊断风电齿轮箱微分经验模式分解形态滤波支持向量机局部时频熵; Keywords metrology fault diagnosis wind power gear box DEMD SVM local time-frequency entropy; 分类号 TB936 [机械工程—测试计量技术及仪器]; 在线阅读下载PDF 职称材料

题名基于DEMD和对称差分能量算子解调的滚动轴承故障诊断被引量：12: 4; 作者孟宗季艳; 机构河北省测试计量技术及仪器重点实验室(燕山大学); 出处《中国机械工程》 EI CAS CSCD 北大核心 2015年第12期1658-1664,共7页; 基金国家自然科学基金资助项目(51105323) 河北省自然科学基金资助项目(E2015203356) 河北省高等学校科学研究计划资助重点项目(ZD2015049); 文摘针对机械故障振动信号多为调制信号的特点,为了更好地提取多分量调幅调频信号的幅值和频率信息,提出了基于微分的经验模式分解(DEMD)与对称差分能量算子相结合的解调方法。利用DEMD算法将原始振动信号进行分解,得到若干个单分量信号;对每一个单分量信号进行三点对称差分能量算子解调,得到各单分量信号的瞬时幅值和瞬时频率,并计算出包络谱。将该方法应用于仿真信号和滚动轴承故障信号的诊断,实验结果表明,该方法能有效地提取机械故障信号的故障特征,实现旋转机械故障诊断。; 关键词微分经验模式分解对称差分能量算子滚动轴承故障诊断; Keywords differential-based empirical mode decomposition（DEMD） symmetric difference ener- gy operator rolling bearing fault diagnosis; 分类号 TN911.6 [电子电信—通信与信息系统] TH133.3 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名基于DEMD和模糊熵的滚动轴承故障诊断方法研究被引量：10: 5; 作者孟宗季艳闫晓丽; 机构河北省测试计量技术及仪器重点实验室国家冷轧板带装备及工艺工程技术研究中心; 出处《计量学报》 CSCD 北大核心 2016年第1期56-61,共6页; 基金国家自然科学基金(51575472,51105323) 河北省自然科学基金(E2015203356) 河北省高等学校科学研究计划重点项目(ZD2015049); 文摘提出一种基于微分的经验模式分解（DEMD）模糊熵和支持向量机（SVM）相结合的滚动轴承故障诊断方法。首先对信号进行基于微分的经验模式分解，得到若干具有物理意义的本征模函数（IMF）分量，再利用相关度准则对固有模式分量进行筛选，计算所选分量的模糊熵，组成故障特征向量，然后将其作为支持向量机的输入来识别滚动轴承的状态。并将该方法与基于EMD模糊熵和SVM相结合的方法进行比较，实验结果表明该方法对机械故障信号能够更有效准确地进行识别分类。; 关键词计量学故障诊断滚动轴承微分经验模式分解模糊熵支持向量机; Keywords metrology fault diagnosis rolling bearing differential-based empirical mode decomposition fuzzyentropy support vector machine; 分类号 TB936 [机械工程—测试计量技术及仪器]; 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	基于微分经验模式分解和隐马尔科夫模型的滚动轴承故障诊断方法	孟宗闫晓丽	《计量学报》 CSCD 北大核心	2015	0	在线阅读下载PDF 职称材料
2	基于支持向量机和窗函数的DEMD端点效应抑制方法	孟宗季艳谷伟明王娜	《计量学报》 CSCD 北大核心	2016	9	在线阅读下载PDF 职称材料
3	基于DEMD局部时频熵和SVM的风电齿轮箱故障诊断方法研究	孟宗刘东岳建辉詹旭阳马钊李晶	《计量学报》 CSCD 北大核心	2017	6	在线阅读下载PDF 职称材料
4	基于DEMD和对称差分能量算子解调的滚动轴承故障诊断	孟宗季艳	《中国机械工程》 EI CAS CSCD 北大核心	2015	12	在线阅读下载PDF 职称材料
5	基于DEMD和模糊熵的滚动轴承故障诊断方法研究	孟宗季艳闫晓丽	《计量学报》 CSCD 北大核心	2016	10	在线阅读下载PDF 职称材料