期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
刚柔耦合齿轮箱的故障仿真与分析 被引量:8
1
作者 路亮 程珩 +1 位作者 王国宝 白瑞 《煤矿机械》 北大核心 2011年第7期254-256,共3页
综合运用Pro/E、ANSYS、ADAMS三种软件,建立了包含柔性轴、柔性箱体的齿轮箱刚柔耦合虚拟样机模型。分别对模型进行正常和断齿故障2种工况的仿真,得出的仿真结果与理论计算值及实验数据基本一致,验证了该模型的准确性,为借助虚拟样机进... 综合运用Pro/E、ANSYS、ADAMS三种软件,建立了包含柔性轴、柔性箱体的齿轮箱刚柔耦合虚拟样机模型。分别对模型进行正常和断齿故障2种工况的仿真,得出的仿真结果与理论计算值及实验数据基本一致,验证了该模型的准确性,为借助虚拟样机进行齿轮箱故障诊断和故障信号提取提供了新的思路。 展开更多
关键词 刚柔耦合 虚拟样机 故障诊断 故障信号提取
在线阅读 下载PDF
基于改进小波包分析的三相供电电源线路接地故障诊断方法
2
作者 肖晓 《通信电源技术》 2024年第23期131-133,共3页
三相供电电源线路的接地故障信号复杂且易受干扰,这一特性在进行故障诊断时会降低诊断的灵敏度。因此,提出基于改进小波包分析的三相供电电源线路接地故障诊断方法。通过部署高精度传感器、模数转换、无线传输以及归一化处理措施,提升... 三相供电电源线路的接地故障信号复杂且易受干扰,这一特性在进行故障诊断时会降低诊断的灵敏度。因此,提出基于改进小波包分析的三相供电电源线路接地故障诊断方法。通过部署高精度传感器、模数转换、无线传输以及归一化处理措施,提升接地信号的质量。利用优化频带划分、融合快速傅里叶变换及隔点采样技术,提取接地故障信号特征。建立故障诊断模型,并辅以欧氏距离相似度匹配,实现接地故障的智能自动诊断。实验结果表明,设计方法能够提升诊断的灵敏度,确保在复杂的电力环境中实现故障的快速、准确识别。 展开更多
关键词 改进小波包分析 三相供电电源 接地故障 提取故障信号特征 自动诊断
在线阅读 下载PDF
基于电流残差的逆变器故障诊断方法研究 被引量:3
3
作者 贾海龙 帕孜来·马合木提 安永军 《现代电子技术》 北大核心 2019年第18期27-31,共5页
针对三电平逆变器中不同故障类型输出波形相似的情况,提出一种基于电流残差的逆变器故障诊断方法.该方法运用混合逻辑动态模型和三电平仿真模型经过一系列的数学运算提取线电流残差,作为逆变器故障诊断的一部分输入特征;取逆变器桥臂上... 针对三电平逆变器中不同故障类型输出波形相似的情况,提出一种基于电流残差的逆变器故障诊断方法.该方法运用混合逻辑动态模型和三电平仿真模型经过一系列的数学运算提取线电流残差,作为逆变器故障诊断的一部分输入特征;取逆变器桥臂上的电压信号作为故障诊断的特征信号,利用小波变换提取故障信号作为另一部分输入特征;将两部分特征向量进行有效组合,构建新的且能够区分所有故障模式的特征向量,最后利用BP神经网络进行逆变器的故障诊断.仿真结果表明,该方法数据处理量小,诊断精度高,具有较强的可行性和有效性. 展开更多
关键词 逆变器 故障诊断 电流残差 小波变换 故障信号提取 神经网络
在线阅读 下载PDF
基于近似熵和LCD-KELM的滚动轴承故障诊断 被引量:15
4
作者 刘义亚 李可 宿磊 《噪声与振动控制》 CSCD 2018年第2期162-167,共6页
由于提取滚动轴承的非平稳非线性信号特征较为困难,强噪声背景下难以诊断早期故障,故而提出一种基于局部特征尺度分解(Local Characteristic-scale Decomposition,LCD)和核极限学习机(Kernel Extreme Learning Machine,KELM)的智能诊断... 由于提取滚动轴承的非平稳非线性信号特征较为困难,强噪声背景下难以诊断早期故障,故而提出一种基于局部特征尺度分解(Local Characteristic-scale Decomposition,LCD)和核极限学习机(Kernel Extreme Learning Machine,KELM)的智能诊断方法(LCD_KELM)。该方法首先对信号进行LCD分解,将其分解成多个內禀尺度函数(Intrinsic Scale Component,ISC),选取包含有效频率成分的ISC并计算其近似熵值(Approximate Entropy,Ap En),使用KELM对随机选取的近似熵值进行训练,保存训练参数后,利用剩余的近似熵值进行测试,实验结果表明LCD_KELM具有较高的诊断准确率,能够对滚动轴承运行状态进行高精度诊断,从而判断滚动轴承的运转状况。 展开更多
关键词 振动与波 故障诊断 故障信号提取 局部特征尺度分解 近似熵 核极限学习机
在线阅读 下载PDF
基于VMD-SWT滚动轴承故障诊断方法研究 被引量:1
5
作者 周进群 刘义亚 《汽车实用技术》 2019年第6期146-152,共7页
在强噪声背景下,滚动轴承非平稳非线性的早期微弱故障信号特征提取较为困难,提出结合变分模态分解(Variational Mode Decomposition,VMD)和同步压缩小波变换(Synchrosqueezing Wavelet Transform,SWT)的分析方法,该方法首先利用最大峭... 在强噪声背景下,滚动轴承非平稳非线性的早期微弱故障信号特征提取较为困难,提出结合变分模态分解(Variational Mode Decomposition,VMD)和同步压缩小波变换(Synchrosqueezing Wavelet Transform,SWT)的分析方法,该方法首先利用最大峭度准则优化VMD参数,使用优化后的参数对故障信号进行VMD分解,再利用峭度准则选择含有有效信息最多的本征模函数(Intrinsic Mode Function,IMF),最后使用SWT对最优IMF进行处理分析,从而提取有效特征频率。对强噪声背景下滚动轴承外圈故障信号、内圈故障信号以及滚动体故障信号进行处理分析,结果表明相比Hilbert包络、SWT等方法,该方法能够从强噪声背景下提取出故障信号频率特征,以此判断滚动轴承的运转状况。同时该方法能够有效重构信号。 展开更多
关键词 故障诊断 同步压缩小波变换 故障信号提取 变分模态分解
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部