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
故障冲击增强与双通道融合的自适应轴承故障诊断
1
作者
刘斌
曹丽君
+3 位作者
武欣雅
段云凤
杨栋辉
谢秀梅
《振动与冲击》
北大核心
2025年第17期313-324,342,共13页
针对传统轴承故障诊断方法中存在的依赖专家经验、特征提取困难、准确率不高等问题,提出一种结合故障冲击增强与双通道融合的自适应神经网络诊断方法。首先,将振动信号通过最大相关峭度解卷积转换为故障冲击增强的信号。其次,将网格搜...
针对传统轴承故障诊断方法中存在的依赖专家经验、特征提取困难、准确率不高等问题,提出一种结合故障冲击增强与双通道融合的自适应神经网络诊断方法。首先,将振动信号通过最大相关峭度解卷积转换为故障冲击增强的信号。其次,将网格搜索算法引入卷积神经网络(convolutional neural network,CNN)-Transformer-双向长短期记忆网络(bidirectional long short-term memory network,BiLSTM)中,双通道CNN-Transformer用来提取信号的局部和全局特征信息,BiLSTM则用来提取双通道特征融合的时序信息,从而自适应识别轴承的故障状态。最后,通过全连接层输出故障分类诊断结果。试验表明,本方法自适应识别多工况轴承故障,展现了较强的鲁棒性与泛化能力。
展开更多
关键词
多工况
故障
诊断
故障冲击增强
自适应特征提取
网格搜索算法
最大相关峭度解卷积
在线阅读
下载PDF
职称材料
基于SCSSA-VMD-MCKD的轴承早期微弱故障异常检测方法
被引量：
3
2
作者
陈立海
谭奥
+2 位作者
贺永辉
张笑琼
白晓龙
《机电工程》
CAS
北大核心
2024年第12期2129-2141,共13页
针对滚动轴承在强噪声干扰下早期微弱故障不易被检测的问题,提出了一种基于结合正余弦和柯西变异的麻雀智能搜索算法优化变分模态分解与最大相关峭度解卷积(SCSSA-VMD-MCKD)的轴承早期微弱故障异常检测方法。首先,采用结合正余弦和柯西...
针对滚动轴承在强噪声干扰下早期微弱故障不易被检测的问题,提出了一种基于结合正余弦和柯西变异的麻雀智能搜索算法优化变分模态分解与最大相关峭度解卷积(SCSSA-VMD-MCKD)的轴承早期微弱故障异常检测方法。首先,采用结合正余弦和柯西变异的麻雀智能搜索算法(SCSSA)优化了VMD参数α和K,进而对轴承故障信号进行了自适应分解,根据加权包络谱峰值因子指标(WEPF)筛选有效模态分量,并重构得到了重构信号;然后,采用SCSSA优化了MCKD参数T、L和M,并用优化后的MCKD方法增强了重构信号故障冲击成分;最后,对经MCKD增强后的重构信号进行了包络谱分析,提取到了轴承故障特征频率及倍频;利用轴承故障仿真信号和试验信号对该故障异常检测方法进行了验证分析。研究结果表明:该检测方法能够有效降噪并自适应增强故障冲击成分,相较于经SCSSA-VMD分解并重构的信号,故障仿真信号和实测试验信号信噪比分别提升了102.6%和81.3%,均方根误差分别降低了26.7%和33.3%;轴承内外圈故障特征频率及倍频幅值更为突出,能够实现强噪声背景下滚动轴承早期微弱故障异常检测目的,与SSA-VMD-MCKD方法相比,更能突显该方法的优越性。
展开更多
关键词
滚动轴承
故障
诊断
故障
冲击
成分
增强
结合正余弦和柯西变异的麻雀智能搜索算法
变分模态分解
最大相关峭度解卷积
在线阅读
下载PDF
职称材料
题名
故障冲击增强与双通道融合的自适应轴承故障诊断
1
作者
刘斌
曹丽君
武欣雅
段云凤
杨栋辉
谢秀梅
机构
太原科技大学应用科学学院
太原科技大学经济管理学院
广灵县第一中学
出处
《振动与冲击》
北大核心
2025年第17期313-324,342,共13页
基金
国家自然科学基金(52175149,6262441313,72071183)
山西省基础研究计划(202103021224274,202303021221144,202203021211204)
+1 种基金
山西省科技创新人才团队项目(202304051001032)
山西省回国留学人员科研项目(2022-163)。
文摘
针对传统轴承故障诊断方法中存在的依赖专家经验、特征提取困难、准确率不高等问题,提出一种结合故障冲击增强与双通道融合的自适应神经网络诊断方法。首先,将振动信号通过最大相关峭度解卷积转换为故障冲击增强的信号。其次,将网格搜索算法引入卷积神经网络(convolutional neural network,CNN)-Transformer-双向长短期记忆网络(bidirectional long short-term memory network,BiLSTM)中,双通道CNN-Transformer用来提取信号的局部和全局特征信息,BiLSTM则用来提取双通道特征融合的时序信息,从而自适应识别轴承的故障状态。最后,通过全连接层输出故障分类诊断结果。试验表明,本方法自适应识别多工况轴承故障,展现了较强的鲁棒性与泛化能力。
关键词
多工况
故障
诊断
故障冲击增强
自适应特征提取
网格搜索算法
最大相关峭度解卷积
Keywords
multi-operating condition fault diagnosis
fault impact enhancement
adaptive feature extraction
grid search algorithm
maximum correlation kurtosis deconvolution
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于SCSSA-VMD-MCKD的轴承早期微弱故障异常检测方法
被引量：
3
2
作者
陈立海
谭奥
贺永辉
张笑琼
白晓龙
机构
河南科技大学机电工程学院
高端轴承河南省协同创新中心
中国航发哈尔滨轴承有限公司博士后科研工作站
出处
《机电工程》
CAS
北大核心
2024年第12期2129-2141,共13页
基金
国家自然科学基金资助项目(51805151)
河南省博士后科研项目(202002065)。
文摘
针对滚动轴承在强噪声干扰下早期微弱故障不易被检测的问题,提出了一种基于结合正余弦和柯西变异的麻雀智能搜索算法优化变分模态分解与最大相关峭度解卷积(SCSSA-VMD-MCKD)的轴承早期微弱故障异常检测方法。首先,采用结合正余弦和柯西变异的麻雀智能搜索算法(SCSSA)优化了VMD参数α和K,进而对轴承故障信号进行了自适应分解,根据加权包络谱峰值因子指标(WEPF)筛选有效模态分量,并重构得到了重构信号;然后,采用SCSSA优化了MCKD参数T、L和M,并用优化后的MCKD方法增强了重构信号故障冲击成分;最后,对经MCKD增强后的重构信号进行了包络谱分析,提取到了轴承故障特征频率及倍频;利用轴承故障仿真信号和试验信号对该故障异常检测方法进行了验证分析。研究结果表明:该检测方法能够有效降噪并自适应增强故障冲击成分,相较于经SCSSA-VMD分解并重构的信号,故障仿真信号和实测试验信号信噪比分别提升了102.6%和81.3%,均方根误差分别降低了26.7%和33.3%;轴承内外圈故障特征频率及倍频幅值更为突出,能够实现强噪声背景下滚动轴承早期微弱故障异常检测目的,与SSA-VMD-MCKD方法相比,更能突显该方法的优越性。
关键词
滚动轴承
故障
诊断
故障
冲击
成分
增强
结合正余弦和柯西变异的麻雀智能搜索算法
变分模态分解
最大相关峭度解卷积
Keywords
rolling bearing
fault diagnosis
fault impact component enhancement
sparrow search algorithm integrating sine-cosine and Cauchy mutation(SCSSA)
variational mode decomposition(VMD)
maximum correlated kurtosis deconvolution(MCKD)
weighted envelope spectrum peak factor(WEPF)
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
故障冲击增强与双通道融合的自适应轴承故障诊断
刘斌
曹丽君
武欣雅
段云凤
杨栋辉
谢秀梅
《振动与冲击》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于SCSSA-VMD-MCKD的轴承早期微弱故障异常检测方法
陈立海
谭奥
贺永辉
张笑琼
白晓龙
《机电工程》
CAS
北大核心
2024
3
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
