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
基于优化CNN的航空液压管路卡箍故障诊断
被引量：
8
1
作者
窦金鑫
薛政坤
+3 位作者
于晓光
范玉鑫
刘忠鑫
杨同光
《机床与液压》
北大核心
2020年第16期188-194,共7页
针对航空发动机液压卡箍-管路系统具有高度复杂性,导致卡箍振动信号存在非线性、非平稳性,从而难以提取出卡箍故障状态有效信息的问题,提出一种基于优化变分模态分解(VMD)与卷积神经网络(CNN)的卡箍智能故障诊断方法。基于优化的VMD将...
针对航空发动机液压卡箍-管路系统具有高度复杂性,导致卡箍振动信号存在非线性、非平稳性,从而难以提取出卡箍故障状态有效信息的问题,提出一种基于优化变分模态分解(VMD)与卷积神经网络(CNN)的卡箍智能故障诊断方法。基于优化的VMD将液压管路系统-卡箍振动信号分解成一系列固有模态函数;将含有卡箍故障信号明显的IMF输入到卷积神经网络训练模型,采用CNN进行自主特征学习和模式识别。并将该方法应用于实例中,结果表明:该方法不仅能有效地对信号进行分解,同时对不同类型的卡箍故障可达到精准识别和故障诊断。
展开更多
关键词
液压管路卡箍
故障诊断
优化变分模态分解
卷积神经网络
在线阅读
下载PDF
职称材料
基于VMD和LSTM模型的航空液压管路卡箍故障诊断
被引量：
6
2
作者
张小龙
汪曦
+3 位作者
于晓光
薛政坤
崔芷宁
吕佳文
《液压与气动》
北大核心
2022年第8期26-33,共8页
航空发动机液压管路-卡箍系统中卡箍振动信号具有非线性和非平稳性的特点,难以从卡箍故障信号中准确识别出其故障类型。针对该问题,提出了一种基于变分模态分解(Variational Mode Decomposition,VMD)-长短时记忆(Long Short-Term Memory...
航空发动机液压管路-卡箍系统中卡箍振动信号具有非线性和非平稳性的特点,难以从卡箍故障信号中准确识别出其故障类型。针对该问题,提出了一种基于变分模态分解(Variational Mode Decomposition,VMD)-长短时记忆(Long Short-Term Memory,LSTM)神经网络模型的智能故障诊断方法。首先,利用遗传算法对VMD的模态分量k值和惩罚因子α进行参数优化;然后,将优化后的VMD对卡箍故障振动信号进行分解处理;最后,将分解后的模态分量输入LSTM网络中进行特征学习,从而实现卡箍故障的识别。实验表明:该方法实现了对卡箍螺栓松动状态、根部断裂状态、衬垫磨损等3种典型故障的精准识别,故障总体识别准确率能够达到98.5%以上,有效地提高了航空液压管路卡箍故障识别的准确率。
展开更多
关键词
故障诊断
VMD
LSTM神经网络
液压管路卡箍
在线阅读
下载PDF
职称材料
题名
基于优化CNN的航空液压管路卡箍故障诊断
被引量：
8
1
作者
窦金鑫
薛政坤
于晓光
范玉鑫
刘忠鑫
杨同光
机构
辽宁科技大学机械工程与自动化学院
上海对外经贸大学会展与旅游学院
出处
《机床与液压》
北大核心
2020年第16期188-194,共7页
基金
国家自然科学基金(51775257)。
文摘
针对航空发动机液压卡箍-管路系统具有高度复杂性,导致卡箍振动信号存在非线性、非平稳性,从而难以提取出卡箍故障状态有效信息的问题,提出一种基于优化变分模态分解(VMD)与卷积神经网络(CNN)的卡箍智能故障诊断方法。基于优化的VMD将液压管路系统-卡箍振动信号分解成一系列固有模态函数;将含有卡箍故障信号明显的IMF输入到卷积神经网络训练模型,采用CNN进行自主特征学习和模式识别。并将该方法应用于实例中,结果表明:该方法不仅能有效地对信号进行分解,同时对不同类型的卡箍故障可达到精准识别和故障诊断。
关键词
液压管路卡箍
故障诊断
优化变分模态分解
卷积神经网络
Keywords
Hydraulic pipeline clamp
Fault diagnosis
Optimized variational mode decomposition
Convolutional neural network
分类号
TH212 [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
基于VMD和LSTM模型的航空液压管路卡箍故障诊断
被引量：
6
2
作者
张小龙
汪曦
于晓光
薛政坤
崔芷宁
吕佳文
机构
辽宁科技大学机械工程与自动化学院
东北大学机械工程与自动化学院
出处
《液压与气动》
北大核心
2022年第8期26-33,共8页
基金
国家自然科学基金(51775257)。
文摘
航空发动机液压管路-卡箍系统中卡箍振动信号具有非线性和非平稳性的特点,难以从卡箍故障信号中准确识别出其故障类型。针对该问题,提出了一种基于变分模态分解(Variational Mode Decomposition,VMD)-长短时记忆(Long Short-Term Memory,LSTM)神经网络模型的智能故障诊断方法。首先,利用遗传算法对VMD的模态分量k值和惩罚因子α进行参数优化;然后,将优化后的VMD对卡箍故障振动信号进行分解处理;最后,将分解后的模态分量输入LSTM网络中进行特征学习,从而实现卡箍故障的识别。实验表明:该方法实现了对卡箍螺栓松动状态、根部断裂状态、衬垫磨损等3种典型故障的精准识别,故障总体识别准确率能够达到98.5%以上,有效地提高了航空液压管路卡箍故障识别的准确率。
关键词
故障诊断
VMD
LSTM神经网络
液压管路卡箍
Keywords
fault diagnosis
VID
LSTM network
hydraulic pipe clamp
分类号
TH137 [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
基于优化CNN的航空液压管路卡箍故障诊断
窦金鑫
薛政坤
于晓光
范玉鑫
刘忠鑫
杨同光
《机床与液压》
北大核心
2020
8
在线阅读
下载PDF
职称材料
2
基于VMD和LSTM模型的航空液压管路卡箍故障诊断
张小龙
汪曦
于晓光
薛政坤
崔芷宁
吕佳文
《液压与气动》
北大核心
2022
6
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
