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
一种兼具强干扰背景噪声特征的轴承故障数据模拟生成方法
被引量：
1
1
作者
吕东旭
左彦飞
+2 位作者
范满意
孙泽茹
孔祥兴
《机电工程》
CAS
北大核心
2024年第11期1923-1934,共12页
在对燃气涡轮发动机的轴承故障进行智能诊断时,存在着智能诊断难度大、实测案例稀缺等问题。为此,在考虑了非线性接触碰撞激励、发动机薄壁机匣支承结构复杂传递特性的基础上,提出了一种兼具发动机强干扰背景噪声特征的轴承故障数据模...
在对燃气涡轮发动机的轴承故障进行智能诊断时,存在着智能诊断难度大、实测案例稀缺等问题。为此,在考虑了非线性接触碰撞激励、发动机薄壁机匣支承结构复杂传递特性的基础上,提出了一种兼具发动机强干扰背景噪声特征的轴承故障数据模拟生成方法,并将其与实验数据进行了对比,验证了两者故障特征的一致性。首先,建立了典型发动机高压转子-轴承系统多体接触瞬态动力学模型,通过模拟故障轴承复杂接触碰撞过程,获取了非线性轴承故障激励力;其次,基于该发动机机匣高保真有限元模型,计算了故障轴承位置到测点的脉冲激励响应,并结合模态振型探明了发动机机匣的复杂传递特性;然后,在此基础上提出了基于非线性轴承故障激励与复杂传递的机匣测点信号时域离散卷积的重构方法,模拟了轴承故障在机匣测点的关键机理特征,并进一步融合了健康发动机的实测振动数据,构造了包含工作状态气流激振、非线性干扰等因素影响下的轴承故障仿真数据;最后,为了验证仿真数据故障特征的合理性,利用基于特征传递机理的包络解调方法提取了微弱轴承故障特征,并将其与发动机实测轴承故障实验数据进行了比较。研究结果表明:发动机轴承故障仿真数据与实验数据时域特征相似,二者包络谱中的故障特征频率误差小于1%,且故障特征频率及其倍频幅值大小相近,证明发动机轴承故障的仿真数据故障特征具有一定的合理性,可为基于机匣测点的发动机轴承故障特征提取、智能诊断算法训练等提供支撑。
展开更多
关键词
燃气涡轮发动机
接触碰撞激励
机匣复杂传递
非线性激励
传递特性
时域离散卷积
多体接触瞬态动力学
故障
信号
融合
重构
在线阅读
下载PDF
职称材料
基于WOA-VMD联合MOMEDA的轴承外圈故障特征提取方法
被引量：
8
2
作者
王莹莹
陈志刚
王衍学
《机电工程》
CAS
北大核心
2023年第11期1655-1663,共9页
滚动轴承工作环境较为复杂,在复杂的环境因素影响下,其故障特征信号容易受到噪声的影响,导致其难以被识别。针对这一问题,提出了一种基于鲸鱼优化算法(WOA)的变分模态分解(VMD)联合多点最优最小熵解卷积(MOMEDA)的滚动轴承外圈故障特征...
滚动轴承工作环境较为复杂,在复杂的环境因素影响下,其故障特征信号容易受到噪声的影响,导致其难以被识别。针对这一问题,提出了一种基于鲸鱼优化算法(WOA)的变分模态分解(VMD)联合多点最优最小熵解卷积(MOMEDA)的滚动轴承外圈故障特征提取方法。首先,利用变分模态分解(VMD)对仿真信号进行了分解,使用鲸鱼优化算法(WOA)确定了最佳分解层数以及各分量的样本熵;然后,以样本熵最小值为目标寻优,得出了包含故障信号的最佳分量,对得到的最佳分量进行了MOMEDA重构,从重构信号的包络谱中获得了仿真信号故障特征频率及其倍频;最后,为了验证WOA-VMD联合MOMEDA的有效性,在实验台上采集数据,对滚动轴承的外圈故障信号进行了特征提取。实验结果表明:使用该方法可以高效地进行信号的分解寻优,能较为准确地得到仿真信号的故障频率(100 Hz)和实验台提取信号的近似故障频率(87.5 Hz),验证了该方法的有效性。研究结果表明:低信噪比的工况条件下,采用WOA-VMD联合MOMEDA的方法可以有效地提取滚动轴承的故障特征信号,并能从重构信号中提取故障特征频率。
展开更多
关键词
故障
信号
分解
故障信号重构
鲸鱼优化算法
变分模态分解
样本熵
多点最优最小熵解卷积
故障
特征频率
在线阅读
下载PDF
职称材料
题名
一种兼具强干扰背景噪声特征的轴承故障数据模拟生成方法
被引量：
1
1
作者
吕东旭
左彦飞
范满意
孙泽茹
孔祥兴
机构
北京化工大学机电工程学院
北京化工大学发动机健康监控及网络化教育部重点实验室
中国航空发动机研究院基础与应用研究中心
出处
《机电工程》
CAS
北大核心
2024年第11期1923-1934,共12页
基金
国家科技重大专项(2019-I-0019-0018)
中央高校基本科研业务费资助项目(QNYC232307)。
文摘
在对燃气涡轮发动机的轴承故障进行智能诊断时,存在着智能诊断难度大、实测案例稀缺等问题。为此,在考虑了非线性接触碰撞激励、发动机薄壁机匣支承结构复杂传递特性的基础上,提出了一种兼具发动机强干扰背景噪声特征的轴承故障数据模拟生成方法,并将其与实验数据进行了对比,验证了两者故障特征的一致性。首先,建立了典型发动机高压转子-轴承系统多体接触瞬态动力学模型,通过模拟故障轴承复杂接触碰撞过程,获取了非线性轴承故障激励力;其次,基于该发动机机匣高保真有限元模型,计算了故障轴承位置到测点的脉冲激励响应,并结合模态振型探明了发动机机匣的复杂传递特性;然后,在此基础上提出了基于非线性轴承故障激励与复杂传递的机匣测点信号时域离散卷积的重构方法,模拟了轴承故障在机匣测点的关键机理特征,并进一步融合了健康发动机的实测振动数据,构造了包含工作状态气流激振、非线性干扰等因素影响下的轴承故障仿真数据;最后,为了验证仿真数据故障特征的合理性,利用基于特征传递机理的包络解调方法提取了微弱轴承故障特征,并将其与发动机实测轴承故障实验数据进行了比较。研究结果表明:发动机轴承故障仿真数据与实验数据时域特征相似,二者包络谱中的故障特征频率误差小于1%,且故障特征频率及其倍频幅值大小相近,证明发动机轴承故障的仿真数据故障特征具有一定的合理性,可为基于机匣测点的发动机轴承故障特征提取、智能诊断算法训练等提供支撑。
关键词
燃气涡轮发动机
接触碰撞激励
机匣复杂传递
非线性激励
传递特性
时域离散卷积
多体接触瞬态动力学
故障
信号
融合
重构
Keywords
gas turbine engine
contact collision excitation
complex transmission of casing
nonlinear excitation
transmission characteristics
time-domain discrete convolution
multi-body contact transient dynamics
fault signal fusion reconstruction
分类号
TH133.3 [机械工程—机械制造及自动化]
V231.92 [航空宇航科学与技术—航空宇航推进理论与工程]
在线阅读
下载PDF
职称材料
题名
基于WOA-VMD联合MOMEDA的轴承外圈故障特征提取方法
被引量：
8
2
作者
王莹莹
陈志刚
王衍学
机构
北京建筑大学机电与车辆工程学院
北京市建筑安全监测工程技术研究中心
出处
《机电工程》
CAS
北大核心
2023年第11期1655-1663,共9页
基金
国家自然科学基金资助项目(51875032)
北京市属高校基本科研业务费专项(X20061)
+1 种基金
北京市建筑安全监测工程技术研究中心研究基金资助课题(BJC2020K011)
北京建筑大学硕士研究生创新项目(PG2023128)。
文摘
滚动轴承工作环境较为复杂,在复杂的环境因素影响下,其故障特征信号容易受到噪声的影响,导致其难以被识别。针对这一问题,提出了一种基于鲸鱼优化算法(WOA)的变分模态分解(VMD)联合多点最优最小熵解卷积(MOMEDA)的滚动轴承外圈故障特征提取方法。首先,利用变分模态分解(VMD)对仿真信号进行了分解,使用鲸鱼优化算法(WOA)确定了最佳分解层数以及各分量的样本熵;然后,以样本熵最小值为目标寻优,得出了包含故障信号的最佳分量,对得到的最佳分量进行了MOMEDA重构,从重构信号的包络谱中获得了仿真信号故障特征频率及其倍频;最后,为了验证WOA-VMD联合MOMEDA的有效性,在实验台上采集数据,对滚动轴承的外圈故障信号进行了特征提取。实验结果表明:使用该方法可以高效地进行信号的分解寻优,能较为准确地得到仿真信号的故障频率(100 Hz)和实验台提取信号的近似故障频率(87.5 Hz),验证了该方法的有效性。研究结果表明:低信噪比的工况条件下,采用WOA-VMD联合MOMEDA的方法可以有效地提取滚动轴承的故障特征信号,并能从重构信号中提取故障特征频率。
关键词
故障
信号
分解
故障信号重构
鲸鱼优化算法
变分模态分解
样本熵
多点最优最小熵解卷积
故障
特征频率
Keywords
fault signal decomposition
fault signal reconstruction
whale optimization algorithm(WOA)
variational modal decomposition(VMD)
sample entropy
multipoint optimal minimum entropy deconvolution adjusted(MOMEDA)
fault characteristic frequency
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
一种兼具强干扰背景噪声特征的轴承故障数据模拟生成方法
吕东旭
左彦飞
范满意
孙泽茹
孔祥兴
《机电工程》
CAS
北大核心
2024
1
在线阅读
下载PDF
职称材料
2
基于WOA-VMD联合MOMEDA的轴承外圈故障特征提取方法
王莹莹
陈志刚
王衍学
《机电工程》
CAS
北大核心
2023
8
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
