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
基于自适应VMD与MNAD的行星轴承故障特征增强与诊断
1
作者
陈浩乾
陈新度
+2 位作者
吴智恒
李平
方晟堃
《机床与液压》
北大核心
2025年第16期1-9,共9页
绞车减速器中行星轴承故障信号存在传递路径复杂、信号耦合严重、受噪声干扰强烈等问题,难以有效诊断。针对此,提出一种融合自适应变分模态分解(VMD)与最小噪声幅值解卷积(MNAD)的故障特征增强与诊断方法。引入理论故障特征频率区间对...
绞车减速器中行星轴承故障信号存在传递路径复杂、信号耦合严重、受噪声干扰强烈等问题,难以有效诊断。针对此,提出一种融合自适应变分模态分解(VMD)与最小噪声幅值解卷积(MNAD)的故障特征增强与诊断方法。引入理论故障特征频率区间对最大包络谱幅值进行寻优,使VMD自适应分解信号得到最优分量,去除部分噪声并提取周期信号;将最大包络谱幅值对应的频率确定为实际故障特征频率,并将其和最优分量输入到MNAD中增强指定故障特征;最后,结合包络解调分析故障类型。通过仿真信号验证实验和绞车减速器故障诊断实验可知,信噪比分别提升了10.8 dB和7.9 dB,通过包络谱诊断出行星轴承外圈故障;与VMD方法、MNAD方法、VMD-MCKD方法、循环小波包分解方法相比,所提方法的处理效果更优。
展开更多
关键词
行星轴承
故障诊断
变分模态分
解
最小噪声幅值解卷积
在线阅读
下载PDF
职称材料
基于迭代增强变分模态提取的滚动轴承复合故障诊断
被引量：
4
2
作者
张家军
马萍
+1 位作者
张海
张宏立
《振动与冲击》
EI
CSCD
北大核心
2024年第7期255-265,共11页
针对变分模态提取对多分量复合故障提取能力不足,且存在中心频率和平衡因子两个超参数优化等问题,提出了一种迭代增强变分模态提取(iterative enhanced variational mode extraction,IEVME)的滚动轴承复合故障诊断新方法。首先,提出引...
针对变分模态提取对多分量复合故障提取能力不足,且存在中心频率和平衡因子两个超参数优化等问题,提出了一种迭代增强变分模态提取(iterative enhanced variational mode extraction,IEVME)的滚动轴承复合故障诊断新方法。首先,提出引入中心频率趋势收敛现象优化VME的初始中心频率,使其能自适应寻找合适的初始中心频率进行提取并加入新的收敛准则对信号进行迭代提取的迭代变分模态提取方法(iterative variational mode extraction,IVME);然后,通过优化IVME的平衡因子得到多个分量信号,再利用图拉普拉斯能量指数选取最优分量进行重构;接着,为全面提取复合故障信号中的主要周期,提出了结合加强运算减去运算的增强最小噪声幅值解卷积(enhanced minimum noise amplitude deconvolution,EMNAD)方法,以降低噪声并增强相对较弱的周期信号;最后,通过融合平方包络谱实现对滚动轴承的复合故障诊断。将所提方法应用到滚动轴承复合故障诊断中,通过仿真和实例信号验证所提IEVME方法的有效性和鲁棒性,并将所提方法与现有多种方法进行对比,结果表明所提IEVME方法准确性更高,效果更优。
展开更多
关键词
滚动轴承
迭代增强变分模态提取(IEVME)
增强
最小噪声幅值解卷积
(EMNAD)
复合故障诊断
在线阅读
下载PDF
职称材料
题名
基于自适应VMD与MNAD的行星轴承故障特征增强与诊断
1
作者
陈浩乾
陈新度
吴智恒
李平
方晟堃
机构
广东工业大学机电工程学院
广东省科学院智能制造研究所
广东省现代控制技术重点实验室
出处
《机床与液压》
北大核心
2025年第16期1-9,共9页
基金
广州市科技计划项目(2024B01J0121,2023B04J0022,202206030006)。
文摘
绞车减速器中行星轴承故障信号存在传递路径复杂、信号耦合严重、受噪声干扰强烈等问题,难以有效诊断。针对此,提出一种融合自适应变分模态分解(VMD)与最小噪声幅值解卷积(MNAD)的故障特征增强与诊断方法。引入理论故障特征频率区间对最大包络谱幅值进行寻优,使VMD自适应分解信号得到最优分量,去除部分噪声并提取周期信号;将最大包络谱幅值对应的频率确定为实际故障特征频率,并将其和最优分量输入到MNAD中增强指定故障特征;最后,结合包络解调分析故障类型。通过仿真信号验证实验和绞车减速器故障诊断实验可知,信噪比分别提升了10.8 dB和7.9 dB,通过包络谱诊断出行星轴承外圈故障;与VMD方法、MNAD方法、VMD-MCKD方法、循环小波包分解方法相比,所提方法的处理效果更优。
关键词
行星轴承
故障诊断
变分模态分
解
最小噪声幅值解卷积
Keywords
planetary bearing
fault diagnosis
variational mode decomposition
minimum noise amplitude deconvolution
分类号
TH133.3 [机械工程—机械制造及自动化]
TP277 [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
基于迭代增强变分模态提取的滚动轴承复合故障诊断
被引量：
4
2
作者
张家军
马萍
张海
张宏立
机构
新疆大学电气工程学院
新疆大学工程训练中心
出处
《振动与冲击》
EI
CSCD
北大核心
2024年第7期255-265,共11页
基金
国家自然科学基金(52065064,52267010)
新疆维吾尔自治区自然科学基金(2022D01E33,2022D01C367)。
文摘
针对变分模态提取对多分量复合故障提取能力不足,且存在中心频率和平衡因子两个超参数优化等问题,提出了一种迭代增强变分模态提取(iterative enhanced variational mode extraction,IEVME)的滚动轴承复合故障诊断新方法。首先,提出引入中心频率趋势收敛现象优化VME的初始中心频率,使其能自适应寻找合适的初始中心频率进行提取并加入新的收敛准则对信号进行迭代提取的迭代变分模态提取方法(iterative variational mode extraction,IVME);然后,通过优化IVME的平衡因子得到多个分量信号,再利用图拉普拉斯能量指数选取最优分量进行重构;接着,为全面提取复合故障信号中的主要周期,提出了结合加强运算减去运算的增强最小噪声幅值解卷积(enhanced minimum noise amplitude deconvolution,EMNAD)方法,以降低噪声并增强相对较弱的周期信号;最后,通过融合平方包络谱实现对滚动轴承的复合故障诊断。将所提方法应用到滚动轴承复合故障诊断中,通过仿真和实例信号验证所提IEVME方法的有效性和鲁棒性,并将所提方法与现有多种方法进行对比,结果表明所提IEVME方法准确性更高,效果更优。
关键词
滚动轴承
迭代增强变分模态提取(IEVME)
增强
最小噪声幅值解卷积
(EMNAD)
复合故障诊断
Keywords
rolling bearing
iterative enhanced variational mode extraction(IEVME)
enhanced minimum noise amplitude deconvolution(EMNAD)
composite fault diagnosis
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
基于自适应VMD与MNAD的行星轴承故障特征增强与诊断
陈浩乾
陈新度
吴智恒
李平
方晟堃
《机床与液压》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于迭代增强变分模态提取的滚动轴承复合故障诊断
张家军
马萍
张海
张宏立
《振动与冲击》
EI
CSCD
北大核心
2024
4
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
