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
3
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
基于运行状态辐射声信号的轴承性能退化监测方法研究
被引量：
3
1
作者
陈剑
曹昆明
+3 位作者
张磊
孙太华
程明
阚东
《合肥工业大学学报（自然科学版）》
CAS
北大核心
2022年第8期1009-1015,共7页
文章针对滚动轴承运行辐射声信号,提出一种滚动轴承性能退化预测的方法。轴承辐射声信号通过改进变分模态分解(improved variational mode decomposition, IVMD)得到K层有限带宽固有模态函数(band-limited intrinsic mode functions, BL...
文章针对滚动轴承运行辐射声信号,提出一种滚动轴承性能退化预测的方法。轴承辐射声信号通过改进变分模态分解(improved variational mode decomposition, IVMD)得到K层有限带宽固有模态函数(band-limited intrinsic mode functions, BLIMFs);对BLIMFs分量的能量进行相对能量熵分析并作为轴承性能退化特征指标,将退化指标构成的时间序列分解成趋势项和残余项,对残余项进行平稳性检验和白噪声检验,对趋势项和非白噪声的残余项分别通过堆栈长短时记忆(stack long short-term memory, SLSTM)神经网络进行预测,使用自适应矩估计(adaptive moment estimation, ADAM)优化器反向优化网络权值、阈值;采用拉伊达法则确定阈值作为预警线,当预测退化曲线超过阈值报警线时实现报警。实验结果表明:SLSTM模型预测与分解趋势项之间的均方误差为4.149 2×10^(-5),均方根误差为0.003 6,相关系数为0.975 3;SLSTM模型预测与未去除残余项的相对能量熵之间的相关系数为0.776 3,模型的拟合程度较高,轴承性能退化评估良好,预测曲线在轴承早期退化阶段时能够予以报警。
展开更多
关键词
辐射声信号
变分模态分解(VMD)
相对能量熵
堆栈长短时记忆(SLSTM)神经网络
在线阅读
下载PDF
职称材料
基于声压测量的结构模态参数识别研究
被引量：
2
2
作者
郑佳艳
刘年
+3 位作者
周志祥
余忠儒
唐俊义
邓国军
《科学技术与工程》
北大核心
2021年第30期13116-13122,共7页
为避免接触式测量传感器附加质量的影响,采用非接触式声压测量获取结构近场的辐射声压信号,提出Hilbert-Huang变换二次滤波时频分析方法对非平稳的近场声压辐射信号进行分析,实现了在强噪声环境中对桥梁结构模态参数的识别。在实验室对...
为避免接触式测量传感器附加质量的影响,采用非接触式声压测量获取结构近场的辐射声压信号,提出Hilbert-Huang变换二次滤波时频分析方法对非平稳的近场声压辐射信号进行分析,实现了在强噪声环境中对桥梁结构模态参数的识别。在实验室对一跨径为11.2 m的H型简支钢梁开展试验,结果表明:该方法能准确识别钢梁的前3阶固有频率,平均误差在0.5%以内,并成功获取结构的模态振型。该方法为桥梁结构模态参数获取和结构健康监测提供新的手段。
展开更多
关键词
非接触测量
辐射
声
压
信号
希尔伯特黄变换
二次滤波
模态参数
在线阅读
下载PDF
职称材料
时间特征与空间特征融合的轻量网络故障诊断方法
被引量：
2
3
作者
王仲
姜娇
+2 位作者
张磊
谷泉
赵新光
《机电工程》
CAS
北大核心
2024年第9期1565-1574,共10页
为了解决多传感器数据间存在信息交叉、特征重复,导致模型训练精度低的问题,对滚动轴承在声辐射信号下的故障诊断进行了研究,提出了一种时间特征与空间特征融合的轻量网络故障诊断(SF-TFNet)方法。首先,利用卷积神经网络提取了原始轴承...
为了解决多传感器数据间存在信息交叉、特征重复,导致模型训练精度低的问题,对滚动轴承在声辐射信号下的故障诊断进行了研究,提出了一种时间特征与空间特征融合的轻量网络故障诊断(SF-TFNet)方法。首先,利用卷积神经网络提取了原始轴承声阵列信号的空间特征(SFs),使用长短时记忆网络(LSTM)提取了声阵列信号中的时域特征(TFs),并对提取的SFs和TFs进行了特征融合,生成了新的特征矩阵;然后,为了消除融合特征带来的重叠特征和信息冗余问题,引入了基于核的主成分分析(KPCA)方法对新生成的特征矩阵进行了非线性降维,去除了特征中的冗余成分,构建了滚动轴承新的时空特征数据集;最后,采用AdaBoost算法对新生成的数据集进行了故障分类,并得到了滚动轴承的最终故障诊断结果。研究结果表明:在半消声室滚动轴承故障实验台测试中,SF-TFNet方法的故障分类精度可以达到99.75%,其分类精度较高、聚类效果明显。在强背景噪声环境下与ResNet、ICNN和AlexNet三种方法进行比较,SF-TFNet方法不仅收敛速度快,而且故障识别精度高,诊断精度最高可达99.25%。为基于多通道的滚动轴承声辐射信号故障诊断提供了理论依据。
展开更多
关键词
滚动轴承
声
辐射
信号
多信息融合
特征轻量融合
故障诊断
长短时记忆网络
时域特征
基于核的主成分分析
在线阅读
下载PDF
职称材料
题名
基于运行状态辐射声信号的轴承性能退化监测方法研究
被引量：
3
1
作者
陈剑
曹昆明
张磊
孙太华
程明
阚东
机构
合肥工业大学噪声振动工程研究所
合肥工业大学机械工程学院
出处
《合肥工业大学学报（自然科学版）》
CAS
北大核心
2022年第8期1009-1015,共7页
基金
国家自然科学基金青年科学基金资助项目(11604070)
安徽省科技重大专项资助项目(17030901049)。
文摘
文章针对滚动轴承运行辐射声信号,提出一种滚动轴承性能退化预测的方法。轴承辐射声信号通过改进变分模态分解(improved variational mode decomposition, IVMD)得到K层有限带宽固有模态函数(band-limited intrinsic mode functions, BLIMFs);对BLIMFs分量的能量进行相对能量熵分析并作为轴承性能退化特征指标,将退化指标构成的时间序列分解成趋势项和残余项,对残余项进行平稳性检验和白噪声检验,对趋势项和非白噪声的残余项分别通过堆栈长短时记忆(stack long short-term memory, SLSTM)神经网络进行预测,使用自适应矩估计(adaptive moment estimation, ADAM)优化器反向优化网络权值、阈值;采用拉伊达法则确定阈值作为预警线,当预测退化曲线超过阈值报警线时实现报警。实验结果表明:SLSTM模型预测与分解趋势项之间的均方误差为4.149 2×10^(-5),均方根误差为0.003 6,相关系数为0.975 3;SLSTM模型预测与未去除残余项的相对能量熵之间的相关系数为0.776 3,模型的拟合程度较高,轴承性能退化评估良好,预测曲线在轴承早期退化阶段时能够予以报警。
关键词
辐射声信号
变分模态分解(VMD)
相对能量熵
堆栈长短时记忆(SLSTM)神经网络
Keywords
radiated acoustic signal
variational mode decomposition(VMD)
relative energy entropy(REE)
stack long short-term memory(SLSTM)neural network
分类号
TH133.33 [机械工程—机械制造及自动化]
TP183 [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
基于声压测量的结构模态参数识别研究
被引量：
2
2
作者
郑佳艳
刘年
周志祥
余忠儒
唐俊义
邓国军
机构
重庆交通大学土木工程学院
深圳大学土木交通工程学院
出处
《科学技术与工程》
北大核心
2021年第30期13116-13122,共7页
基金
国家自然科学基金(51778094)
重庆市交通大学研究生科研创新项目(2021S0019)。
文摘
为避免接触式测量传感器附加质量的影响,采用非接触式声压测量获取结构近场的辐射声压信号,提出Hilbert-Huang变换二次滤波时频分析方法对非平稳的近场声压辐射信号进行分析,实现了在强噪声环境中对桥梁结构模态参数的识别。在实验室对一跨径为11.2 m的H型简支钢梁开展试验,结果表明:该方法能准确识别钢梁的前3阶固有频率,平均误差在0.5%以内,并成功获取结构的模态振型。该方法为桥梁结构模态参数获取和结构健康监测提供新的手段。
关键词
非接触测量
辐射
声
压
信号
希尔伯特黄变换
二次滤波
模态参数
Keywords
non-contact measurement
sound pressure signal
Hilbert-Huang transform
quadratic filtering
dynamic parameters
分类号
U446.3 [建筑科学—桥梁与隧道工程]
在线阅读
下载PDF
职称材料
题名
时间特征与空间特征融合的轻量网络故障诊断方法
被引量：
2
3
作者
王仲
姜娇
张磊
谷泉
赵新光
机构
辽宁科技学院机械工程学院
出处
《机电工程》
CAS
北大核心
2024年第9期1565-1574,共10页
基金
辽宁省自然科学基金计划项目(2022-BS-296)
辽宁省教育厅高等学校基本科研面上项目(LJKMZ20221690)。
文摘
为了解决多传感器数据间存在信息交叉、特征重复,导致模型训练精度低的问题,对滚动轴承在声辐射信号下的故障诊断进行了研究,提出了一种时间特征与空间特征融合的轻量网络故障诊断(SF-TFNet)方法。首先,利用卷积神经网络提取了原始轴承声阵列信号的空间特征(SFs),使用长短时记忆网络(LSTM)提取了声阵列信号中的时域特征(TFs),并对提取的SFs和TFs进行了特征融合,生成了新的特征矩阵;然后,为了消除融合特征带来的重叠特征和信息冗余问题,引入了基于核的主成分分析(KPCA)方法对新生成的特征矩阵进行了非线性降维,去除了特征中的冗余成分,构建了滚动轴承新的时空特征数据集;最后,采用AdaBoost算法对新生成的数据集进行了故障分类,并得到了滚动轴承的最终故障诊断结果。研究结果表明:在半消声室滚动轴承故障实验台测试中,SF-TFNet方法的故障分类精度可以达到99.75%,其分类精度较高、聚类效果明显。在强背景噪声环境下与ResNet、ICNN和AlexNet三种方法进行比较,SF-TFNet方法不仅收敛速度快,而且故障识别精度高,诊断精度最高可达99.25%。为基于多通道的滚动轴承声辐射信号故障诊断提供了理论依据。
关键词
滚动轴承
声
辐射
信号
多信息融合
特征轻量融合
故障诊断
长短时记忆网络
时域特征
基于核的主成分分析
Keywords
rolling bearing
acoustic radiation signal
multi-information fusion
light weight feature fusion
fault diagnosis
long short-term memory(LSTM)
time features(TFs)
kernel principal component analysis(KPCA)
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
作者
出处
发文年
被引量
操作
1
基于运行状态辐射声信号的轴承性能退化监测方法研究
陈剑
曹昆明
张磊
孙太华
程明
阚东
《合肥工业大学学报（自然科学版）》
CAS
北大核心
2022
3
在线阅读
下载PDF
职称材料
2
基于声压测量的结构模态参数识别研究
郑佳艳
刘年
周志祥
余忠儒
唐俊义
邓国军
《科学技术与工程》
北大核心
2021
2
在线阅读
下载PDF
职称材料
3
时间特征与空间特征融合的轻量网络故障诊断方法
王仲
姜娇
张磊
谷泉
赵新光
《机电工程》
CAS
北大核心
2024
2
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
