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
基于故障特征指标和BA-SVM的输弹机故障诊断方法
1
作者
朱旭东
尹强
+1 位作者
羊柳
皇甫丙彬
《兵器装备工程学报》
北大核心
2025年第6期314-321,共8页
针对输弹机故障特征难以提取,传统支持向量机故障诊断模型训练精度不高等问题,提出一种基于小波包与变分模态分解的故障特征提取,结合蝙蝠算法优化支持向量机的输弹机故障诊断方法。首先,建立输弹机动力学模型,并基于实验数据进行校验;...
针对输弹机故障特征难以提取,传统支持向量机故障诊断模型训练精度不高等问题,提出一种基于小波包与变分模态分解的故障特征提取,结合蝙蝠算法优化支持向量机的输弹机故障诊断方法。首先,建立输弹机动力学模型,并基于实验数据进行校验;然后,构建不同故障工况并获取仿真故障工况下的结构响应信号,使用小波包与Hilbert包络解调得到重构信号的包络曲线,提取其无量纲常数,结合变分模态分解(variational mode decomposition,VMD)的模态分量峭度,将无量纲常数与峭度结合为故障特征指标,作为故障诊断模型的输入,建立蝙蝠优化支持向量机(bat algorithm support vector machine,BA-SVM)模型,运用不同特征组合比较法进行对比实验。仿真结果表明,融合特征指标故障诊断正确率,相较于小波包-Hilbert包络曲线中的无量纲常数、VMD模态分量峭度故障诊断正确率,在测试集上分别高2%、12.4%;将BA-SVM与传统SVM进行分析与验证,结果表明,将无量纲常数、VMD模态分量峭度、融合指标作为诊断模型输入时,BA-SVM在测试集上故障诊断正确率比传统支持向量机高44.1%、9.6%、13.6%。实验结果表明:将无量纲常数、模态分量峭度、融合指标分别作为蝙蝠支持向量机诊断模型输入时,诊断正确率为98.4%、88.5%、99.7%,采用融合故障特征指标与蝙蝠支持向量机能更有效地进行输弹机故障诊断,验证了所提方法的有效性和准确性。
展开更多
关键词
输弹机
振动信号
变分模态分解
故障特征指标
支持向量机
在线阅读
下载PDF
职称材料
最优共振频带提取的高速列车轴承故障诊断
被引量:
1
2
作者
刘玉婷
林建辉
+1 位作者
李艳萍
赵值正
《机械设计与制造》
北大核心
2022年第7期275-279,共5页
在非高斯噪声与周期振动信号的干扰下,高速列车轴承的故障特征提取较为困难,针对这一问题,提出了一种新的最优故障频带的判别方法,并通过经验小波变换(Empirical Wavelet Transform,EWT)对故障频带进行提取,从而实现高速列车轴承故障的...
在非高斯噪声与周期振动信号的干扰下,高速列车轴承的故障特征提取较为困难,针对这一问题,提出了一种新的最优故障频带的判别方法,并通过经验小波变换(Empirical Wavelet Transform,EWT)对故障频带进行提取,从而实现高速列车轴承故障的有效诊断。该方法首先提供了完整的频域分割框架,得到不同中心频率、不同带宽的频带分布;为了得到各频带所包含的故障信息含量,提出了新的故障特征指标HSIB,根据HSIB的变化趋势识别最优频带;最后进行经验小波变换,将选取的故障频带通过正交滤波器组,对得到的分量信号进行Hilbert变换,得到轴承的故障特征频率。通过仿真和实验数据验证,选取的最优频带包含了丰富的故障信息,可以准确地提取出轴承故障特征频率的基频和倍频成分,有效确定轴承故障。
展开更多
关键词
故障
频带选取
故障特征指标
经验小波变换
滚动轴承
在线阅读
下载PDF
职称材料
题名
基于故障特征指标和BA-SVM的输弹机故障诊断方法
1
作者
朱旭东
尹强
羊柳
皇甫丙彬
机构
南京理工大学机械工程学院
驻南京地区第四军事代表室
出处
《兵器装备工程学报》
北大核心
2025年第6期314-321,共8页
文摘
针对输弹机故障特征难以提取,传统支持向量机故障诊断模型训练精度不高等问题,提出一种基于小波包与变分模态分解的故障特征提取,结合蝙蝠算法优化支持向量机的输弹机故障诊断方法。首先,建立输弹机动力学模型,并基于实验数据进行校验;然后,构建不同故障工况并获取仿真故障工况下的结构响应信号,使用小波包与Hilbert包络解调得到重构信号的包络曲线,提取其无量纲常数,结合变分模态分解(variational mode decomposition,VMD)的模态分量峭度,将无量纲常数与峭度结合为故障特征指标,作为故障诊断模型的输入,建立蝙蝠优化支持向量机(bat algorithm support vector machine,BA-SVM)模型,运用不同特征组合比较法进行对比实验。仿真结果表明,融合特征指标故障诊断正确率,相较于小波包-Hilbert包络曲线中的无量纲常数、VMD模态分量峭度故障诊断正确率,在测试集上分别高2%、12.4%;将BA-SVM与传统SVM进行分析与验证,结果表明,将无量纲常数、VMD模态分量峭度、融合指标作为诊断模型输入时,BA-SVM在测试集上故障诊断正确率比传统支持向量机高44.1%、9.6%、13.6%。实验结果表明:将无量纲常数、模态分量峭度、融合指标分别作为蝙蝠支持向量机诊断模型输入时,诊断正确率为98.4%、88.5%、99.7%,采用融合故障特征指标与蝙蝠支持向量机能更有效地进行输弹机故障诊断,验证了所提方法的有效性和准确性。
关键词
输弹机
振动信号
变分模态分解
故障特征指标
支持向量机
Keywords
ramming mechanism
vibration signal
VMD
fault characteristic index
SVM
分类号
TJ303.9 [兵器科学与技术—火炮、自动武器与弹药工程]
在线阅读
下载PDF
职称材料
题名
最优共振频带提取的高速列车轴承故障诊断
被引量:
1
2
作者
刘玉婷
林建辉
李艳萍
赵值正
机构
西南交通大学牵引动力国家重点实验室
四川省冶金设计研究院
出处
《机械设计与制造》
北大核心
2022年第7期275-279,共5页
基金
国家重点研发计划资助(2017YFB1201103-07)。
文摘
在非高斯噪声与周期振动信号的干扰下,高速列车轴承的故障特征提取较为困难,针对这一问题,提出了一种新的最优故障频带的判别方法,并通过经验小波变换(Empirical Wavelet Transform,EWT)对故障频带进行提取,从而实现高速列车轴承故障的有效诊断。该方法首先提供了完整的频域分割框架,得到不同中心频率、不同带宽的频带分布;为了得到各频带所包含的故障信息含量,提出了新的故障特征指标HSIB,根据HSIB的变化趋势识别最优频带;最后进行经验小波变换,将选取的故障频带通过正交滤波器组,对得到的分量信号进行Hilbert变换,得到轴承的故障特征频率。通过仿真和实验数据验证,选取的最优频带包含了丰富的故障信息,可以准确地提取出轴承故障特征频率的基频和倍频成分,有效确定轴承故障。
关键词
故障
频带选取
故障特征指标
经验小波变换
滚动轴承
Keywords
Fault Band Selection
Fault Characteristic Index
Empirical Wavelet Transform
Rolling Bearing
分类号
TH16 [机械工程—机械制造及自动化]
TP242 [自动化与计算机技术—检测技术与自动化装置]
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
基于故障特征指标和BA-SVM的输弹机故障诊断方法
朱旭东
尹强
羊柳
皇甫丙彬
《兵器装备工程学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
最优共振频带提取的高速列车轴承故障诊断
刘玉婷
林建辉
李艳萍
赵值正
《机械设计与制造》
北大核心
2022
1
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