期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
直接快速迭代滤波分解的刀具磨损状态识别方法
1
作者 苗志滨 殷再航 +2 位作者 蒙占彬 丛晓红 崔哲 《机械科学与技术》 CSCD 北大核心 2024年第12期2123-2131,共9页
针对传统特征提取的刀具磨损状态识别不能充分表征振动信号磨损特征导致磨损状态识别精度不高的问题,提出了一种直接快速迭代滤波分解方法(Direct fast iterative filtering decomposition,dFIF)结合黏菌优化支持向量机(Slime mould alg... 针对传统特征提取的刀具磨损状态识别不能充分表征振动信号磨损特征导致磨损状态识别精度不高的问题,提出了一种直接快速迭代滤波分解方法(Direct fast iterative filtering decomposition,dFIF)结合黏菌优化支持向量机(Slime mould algorithm-Support vector machine,SMA-SVM)的刀具磨损状态识别方法。首先,通过直接快速迭代滤波分解方法(dFIF)对铣刀振动信号进行分解处理;其次,对分解产生的本征模态函数(Intrinsic mode function,IMF)使用加权稀疏峭度指标(Weighted sparseness kurtosis,WSK)进行计算评分,选择评分高的IMF进行降噪重构;最后,利用黏菌优化支持向量机(SMA-SVM)构建分类优化模型,将重构信号特征通过主成分分析(Principal component analysis,PCA)降维后输入优化模型,进行刀具磨损状态的分类识别。实验结果证明,提出的刀具磨损识别率高达99.8%,相比较于对比实验该方法能够快速、准确的识别铣刀的4种磨损状态,有一定的实践意义和研究价值。 展开更多
关键词 直接快速迭代滤波分解 刀具磨损识别 支持向量机 黏菌算法
在线阅读 下载PDF
快速迭代滤波分解方法在轴承故障诊断中的应用 被引量:5
2
作者 杨娜 刘晔 +2 位作者 徐元博 汪友明 武昆 《电子测量与仪器学报》 CSCD 北大核心 2021年第5期47-54,共8页
轴承故障信号通常是非线性和非平稳的。此外,这种信号非常微弱,容易被不可避免的背景噪声和振动干扰所掩盖。针对该种信号,模态分解方法已经被证实是一种可靠的处理方法。因此,将一种快速迭代滤波分解方法应用到轴承故障检测当中。快速... 轴承故障信号通常是非线性和非平稳的。此外,这种信号非常微弱,容易被不可避免的背景噪声和振动干扰所掩盖。针对该种信号,模态分解方法已经被证实是一种可靠的处理方法。因此,将一种快速迭代滤波分解方法应用到轴承故障检测当中。快速迭代滤波分解方法在抑制模态混合和抗噪方面表现出色。与其他模态分解技术不同,快速迭代滤波分解方法具有超高的计算效率,因此可以明显提高计算速度。通过仿真信号和实际信号验证了该方法的有效性和优越性。 展开更多
关键词 轴承故障诊断 模态分解方法 快速迭代滤波分解
在线阅读 下载PDF
基于异常点重构的调频引信抗扫频干扰方法
3
作者 段乐帆 郝新红 陈齐乐 《北京航空航天大学学报》 北大核心 2025年第4期1377-1384,共8页
针对调频引信对抗扫频式干扰的问题,提出一种基于异常点重构的调频引信抗扫频干扰方法。该方法基于迭代滤波分解(IFD)算法,将引信中频信号分解为本征模态函数(IMF)分量;扫频干扰在IMF分量中表现为异常点,对IMF分量进行异常点检测与消除... 针对调频引信对抗扫频式干扰的问题,提出一种基于异常点重构的调频引信抗扫频干扰方法。该方法基于迭代滤波分解(IFD)算法,将引信中频信号分解为本征模态函数(IMF)分量;扫频干扰在IMF分量中表现为异常点,对IMF分量进行异常点检测与消除,并利用长短时记忆(LSTM)网络构建数据重构网络模型,对异常点部分进行数据重构,可以实现对扫频干扰的抑制。通过仿真验证了所提方法的有效性,结果表明该方法提高了调频引信对抗扫频式干扰的能力。 展开更多
关键词 调频引信 扫频式干扰 抗干扰方法 异常点重构 迭代滤波分解 长短时记忆网络
在线阅读 下载PDF
基于FIF-CYCBD的滚动轴承故障特征提取方法研究 被引量:1
4
作者 刘洋 李凌均 +2 位作者 王宇 王钧铄 曹亚磊 《郑州大学学报(工学版)》 CAS 北大核心 2022年第4期35-40,共6页
针对滚动轴承所处工况复杂、提取故障特征困难的问题,提出了一种基于快速迭代滤波分解(FIF)和最大二阶循环平稳盲解卷积(CYCBD)的故障特征提取方法。首先,通过利用FIF方法对源信号进行自适应分解,得到一系列本征模态分量;其次,依据相关... 针对滚动轴承所处工况复杂、提取故障特征困难的问题,提出了一种基于快速迭代滤波分解(FIF)和最大二阶循环平稳盲解卷积(CYCBD)的故障特征提取方法。首先,通过利用FIF方法对源信号进行自适应分解,得到一系列本征模态分量;其次,依据相关系数准则对和源信号相关系数大于0.6的分量进行重构,并根据FIF得到的分解结果设置合适的循环频率采集器;最后,利用CYCBD方法对重构后的信号进行解混去噪,对处理后的信号进行包络解调分析。仿真实验以及相关实验数据表明,所提方法具有良好的信噪分离效果,相较于信号中突出的噪声分量,处理得到的故障特征频率幅值高于噪声幅值,可以有效实现轴承故障频率及其倍频特征的提取。 展开更多
关键词 快速迭代滤波分解(FIF) 最大二阶循环平稳盲解卷积(CYCBD) 滚动轴承 特征提取 循环频率
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部