检索结果-维普期刊中文期刊服务平台

基于改进共振稀疏分解的滚动轴承早期故障特征提取方法: 1; 作者孙梦高丙朋程静《机械强度》北大核心 2025年第6期17-26,共10页; 针对滚动轴承发生早期故障时其故障特征微弱,复杂运行环境下的故障特征容易被噪声淹没的问题,提出了基于改进的人工大猩猩部队(Improved Artificial Gorilla Troops Optimizer,IGTO)算法、优化共振稀疏分解(Resonancebased Sparse Signa... 展开更多; 关键词改进的人工大猩猩部队算法共振稀疏分解平方包络谱相关峭度稀疏最大谐波噪声比解卷积早期故障诊断; 在线阅读下载PDF 职称材料

基于改进VME结合SMHD的滚动轴承故障特征提取方法与实验分析: 2; 作者陈志刚杨远鹏王衍学《实验技术与管理》北大核心 2025年第4期92-99,共8页; 为解决在强噪声背景下滚动轴承故障特征提取精度较低问题,提出一种麻雀搜索算法(SSA)优化变分模态提取(VME),并结合稀疏最大谐波噪声比解卷积(SMHD)的诊断方法。首先,利用SSA对VME进行优化,以能量特征指标为适应度函数,选取最优的惩罚... 展开更多; 关键词轴承故障诊断变分模态提取能量特征指标麻雀搜索算法稀疏最大谐波噪声比解卷积; 在线阅读下载PDF 职称材料

基于VEITD和OSMHD的风电机组轴承损伤识别被引量：4: 3; 作者唐贵基朱星皓 +3 位作者王晓龙薛贵徐振丽周威《电力自动化设备》 EI CSCD 北大核心 2023年第6期101-107,共7页; 针对风力发电机轴承损伤信号易被强噪声干扰导致损伤特征提取困难的问题,提出了一种基于可变熵加权融合的固有时间尺度分解和优化稀疏最大谐波噪声比解卷积法相结合的风力发电机轴承损伤识别方法。采用固有时间尺度分解方法对原始信号... 展开更多; 关键词风力发电机组滚动轴承损伤识别固有时间尺度分解稀疏最大谐波噪声比解卷积; 在线阅读下载PDF 职称材料

OVME结合SMHD的风电机组变桨轴承损伤识别被引量：3: 4; 作者唐贵基薛贵王晓龙《动力工程学报》 CAS CSCD 北大核心 2023年第8期1039-1046,共8页; 针对风电机组变桨轴承的损伤识别问题,提出一种优化变分模态提取结合稀疏最大谐波噪声比解卷积的新颖损伤识别方法,旨在从复合信号中提取特定信号分量。首先,以能量特征指标为适应度函数,利用白鲨优化算法对变分模态提取算法的最优影响... 展开更多; 关键词风电机组变桨轴承损伤识别白鲨优化变分模态提取稀疏最大谐波噪声比解卷积; 在线阅读下载PDF 职称材料

参数自适应SMHD滚动轴承IAS信号特征提取方法被引量：1: 5; 作者钟辉郭瑜高国泽《电子测量与仪器学报》 CSCD 北大核心 2023年第12期10-17,共8页; 针对编码器瞬时角速度(IAS)信号中滚动轴承故障特征提取困难的问题,结合稀疏最大谐波噪声比解卷积(SMHD)算法可在没有先验周期情况下提取信号中周期性脉冲故障分量的优势提出一种参数自适应SMHD滚动轴承IAS信号特征提取方法。首先,利用... 展开更多; 关键词滚动轴承瞬时角速度稀疏最大谐波噪声比解卷积参数自适应; 在线阅读下载PDF 职称材料

题名基于改进共振稀疏分解的滚动轴承早期故障特征提取方法: 1; 作者孙梦高丙朋程静; 机构新疆大学电气工程学院; 出处《机械强度》北大核心 2025年第6期17-26,共10页; 基金国家重点研发计划项目(2021YFB1506902) 新疆维吾尔自治区高校基本科研业务费科研项目(XJEDU2023P025)。; 文摘针对滚动轴承发生早期故障时其故障特征微弱,复杂运行环境下的故障特征容易被噪声淹没的问题,提出了基于改进的人工大猩猩部队(Improved Artificial Gorilla Troops Optimizer,IGTO)算法、优化共振稀疏分解(Resonancebased Sparse Signal Decomposition,RSSD)、多参数与稀疏最大谐波噪声比解卷积(Sparse Maximum Harmonics-to-noise-ratio Deconvolution,SMHD)方法相结合的早期故障诊断方法。首先,以低共振分量的平方包络谱相关峭度(Squared Envelope Spectral Correlated Kurtosis,SE-SCK)负值为目标函数,利用IGTO同时优化RSSD的品质因子Q、权重系数λ和拉格朗日乘子μ,实现小波基函数和耗散函数的最优匹配,以获得富含故障信息的最优低共振分量;其次,将其输入SMHD进行滤波处理;最后,进行包络谱分析提取故障特征。算法对比试验表明,IGTO算法寻优性能显著提高;仿真和XJTU-SY轴承全寿命周期故障信号试验结果表明,所提方法更能有效地提取滚动轴承早期微弱故障特征。; 关键词改进的人工大猩猩部队算法共振稀疏分解平方包络谱相关峭度稀疏最大谐波噪声比解卷积早期故障诊断; Keywords Improved artificial gorilla troops algorithm Resonance sparse decomposition Square envelope spectrum correlation kurtosis Sparse maximum harmonics-to-noise-ratio deconvolution Early fault diagnosis; 分类号 TH133.3 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名基于改进VME结合SMHD的滚动轴承故障特征提取方法与实验分析: 2; 作者陈志刚杨远鹏王衍学; 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《实验技术与管理》北大核心 2025年第4期92-99,共8页; 基金国家自然科学基金项目(52275079) 北京市教育科学“十四五”规划课题(CDDB22195) +1 种基金北京建筑大学2024年度研究生教育教学质量提升项目(J2024010)。; 文摘为解决在强噪声背景下滚动轴承故障特征提取精度较低问题,提出一种麻雀搜索算法(SSA)优化变分模态提取(VME),并结合稀疏最大谐波噪声比解卷积(SMHD)的诊断方法。首先,利用SSA对VME进行优化,以能量特征指标为适应度函数,选取最优的惩罚因子和中心频率参数;然后,将选取的最优参数输入到VME中进行信号分解,得到期望模态分量;再后,对提取到的模态分量进行解卷积处理,利用稀疏因子和谐波噪声比进一步抑制噪声,提高信号的信噪比;最后,对经SMHD处理后的信号进行包络谱分析,提取出故障特征频率。实验结果表明,该方法能更加有效地剔除多余噪声信号,增强冲击脉冲信号,在故障特征频率及多个倍频处均能清晰观察到故障特征频率。; 关键词轴承故障诊断变分模态提取能量特征指标麻雀搜索算法稀疏最大谐波噪声比解卷积; Keywords fault diagnosis of bearings variational mode extraction energy characteristic indicators sparrow search algorithm sparse maximum harmonic noise ratio deconvolution; 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

题名基于VEITD和OSMHD的风电机组轴承损伤识别被引量：4: 3; 作者唐贵基朱星皓王晓龙薛贵徐振丽周威; 机构华北电力大学机械工程系华北电力大学河北省电力机械装备健康维护与失效预防重点实验室; 出处《电力自动化设备》 EI CSCD 北大核心 2023年第6期101-107,共7页; 基金国家自然科学基金资助项目(52005180) 中央高校基本科研业务费专项资金资助项目(2023MS127) +1 种基金河北省高等学校科学技术研究项目(QN2022190)。; 文摘针对风力发电机轴承损伤信号易被强噪声干扰导致损伤特征提取困难的问题,提出了一种基于可变熵加权融合的固有时间尺度分解和优化稀疏最大谐波噪声比解卷积法相结合的风力发电机轴承损伤识别方法。采用固有时间尺度分解方法对原始信号进行分解,得到若干个固有旋转分量。利用可变熵对固有旋转分量进行加权融合。使用优化稀疏最大谐波噪声比解卷积法对加权融合信号进行处理,提取轴承损伤特征频率。试验台数据和风力发电机现场数据分析结果表明,所提方法对轴承损伤信号中的噪声抑制效果明显,能够准确提取风力发电机轴承损伤特征频率,实现风力发电机轴承的损伤识别。; 关键词风力发电机组滚动轴承损伤识别固有时间尺度分解稀疏最大谐波噪声比解卷积; Keywords wind turbine rolling bearing damage identification intrinsic time scale decomposition sparse maximum harmonic-noise-ratio deconvolution; 分类号 TM315 [电气工程—电机]; 在线阅读下载PDF 职称材料

题名OVME结合SMHD的风电机组变桨轴承损伤识别被引量：3: 4; 作者唐贵基薛贵王晓龙; 机构华北电力大学机械工程系华北电力大学河北省电力机械装备健康维护与失效预防重点实验室; 出处《动力工程学报》 CAS CSCD 北大核心 2023年第8期1039-1046,共8页; 基金国家自然科学基金资助项目(52005180) 河北省自然科学基金资助项目(E2022502003) +1 种基金中央高校基本科研业务费专项资金资助项目(2023MS127)。; 文摘针对风电机组变桨轴承的损伤识别问题,提出一种优化变分模态提取结合稀疏最大谐波噪声比解卷积的新颖损伤识别方法,旨在从复合信号中提取特定信号分量。首先,以能量特征指标为适应度函数,利用白鲨优化算法对变分模态提取算法的最优影响参数组合进行搜索,确定变分模态提取的平衡因子和中心频率的最优值;其次,利用变分模态提取从振动信号中提取特定信号分量,并对提取的信号分量进行稀疏最大谐波噪声比解卷积处理,提高信号的信噪比,得到解卷积信号;最后,对解卷积信号进行包络谱分析,从中提取轴承损伤特征频率。结果表明:该方法能准确识别风电机组变桨轴承的损伤特征,具有一定的实际工程参考价值。; 关键词风电机组变桨轴承损伤识别白鲨优化变分模态提取稀疏最大谐波噪声比解卷积; Keywords wind turbine pitch bearing damage identification white shark optimization variational mode extraction SMHD; 分类号 TH212 [机械工程—机械制造及自动化] TH213.3 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名参数自适应SMHD滚动轴承IAS信号特征提取方法被引量：1: 5; 作者钟辉郭瑜高国泽; 机构昆明理工大学机电工程学院; 出处《电子测量与仪器学报》 CSCD 北大核心 2023年第12期10-17,共8页; 基金国家自然科学基金(5216507) 云南省重点领域科技计划项目(202002AC080001)资助。; 文摘针对编码器瞬时角速度(IAS)信号中滚动轴承故障特征提取困难的问题,结合稀疏最大谐波噪声比解卷积(SMHD)算法可在没有先验周期情况下提取信号中周期性脉冲故障分量的优势提出一种参数自适应SMHD滚动轴承IAS信号特征提取方法。首先,利用向前差分法估计IAS信号;然后,利用故障特征(FC)作为自适应选取SMHD优化滤波器长度的评判指标,实现SMHD滤波器长度的自适应确定;再将优化选取的滤波器长度代入SMHD算法对IAS信号进行增强。最后,通过包络分析揭示滚动轴承故障特征。通过对仿真和实测数据进行分析,验证了所提方法的有效性。; 关键词滚动轴承瞬时角速度稀疏最大谐波噪声比解卷积参数自适应; Keywords rolling bearing instantaneous angular speed sparse maximum harmonics-to-noise-ratio deconvolution parameter adaptation; 分类号 TN762 [电子电信—电路与系统] TH165.3 [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	基于改进共振稀疏分解的滚动轴承早期故障特征提取方法	孙梦高丙朋程静	《机械强度》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于改进VME结合SMHD的滚动轴承故障特征提取方法与实验分析	陈志刚杨远鹏王衍学	《实验技术与管理》北大核心	2025	0	在线阅读下载PDF 职称材料
3	基于VEITD和OSMHD的风电机组轴承损伤识别	唐贵基朱星皓王晓龙薛贵徐振丽周威	《电力自动化设备》 EI CSCD 北大核心	2023	4	在线阅读下载PDF 职称材料
4	OVME结合SMHD的风电机组变桨轴承损伤识别	唐贵基薛贵王晓龙	《动力工程学报》 CAS CSCD 北大核心	2023	3	在线阅读下载PDF 职称材料
5	参数自适应SMHD滚动轴承IAS信号特征提取方法	钟辉郭瑜高国泽	《电子测量与仪器学报》 CSCD 北大核心	2023	1	在线阅读下载PDF 职称材料