针对铣刀磨损状态监测中信号噪声大、监测效率低等问题,提出了一种基于能量权重法的变分模态分解(VMD)与黑寡妇(BWO)-支持向量机(SVM)的铣刀磨损状态监测方法。首先,运用VMD将铣削时产生的振动信号分解成若干固有模态函数(IMF)分量,并...针对铣刀磨损状态监测中信号噪声大、监测效率低等问题,提出了一种基于能量权重法的变分模态分解(VMD)与黑寡妇(BWO)-支持向量机(SVM)的铣刀磨损状态监测方法。首先,运用VMD将铣削时产生的振动信号分解成若干固有模态函数(IMF)分量,并通过能量加权合成峭度指标自适应提取出了包含磨损状态特征的IMF分量,并进行了信号重构,对重构信号进行了特征提取;然后,利用BWO算法优化SVM的参数,构建了BWO-SVM铣刀磨损状态监测模型;最后,为了验证上述方法的有效性,以某公司真实加工现场的PHM Society 2010铣刀全寿命周期的振动数据进行了实验,并且又通过实际的工程案例对此进行了验证。研究结果表明:通过所提方法自适应提取有效分量并进行信号重构后,降噪效果明显,并通过与遗传算法(GA)和粒子群算法(PSO)优化的SVM相比,经过BWO优化的SVM的训练时间缩短至25.142 s,同时监测精度达到97.246%;采用该方法对铣刀磨损状态进行监测,能够获得更快的识别速度与更高的准确性,提高了铣刀磨损状态监测的效率。展开更多
开展电网计量装置电力互感器浸水后劣化特性的研究,对电网公司在洪涝灾害后电力互感器的风险评估与检修决策至关重要。为此,提出了基于健康指数与威布尔故障率模型的电力互感器浸水后劣化寿命预测方法,即通过采用模糊综合评价方法求解...开展电网计量装置电力互感器浸水后劣化特性的研究,对电网公司在洪涝灾害后电力互感器的风险评估与检修决策至关重要。为此,提出了基于健康指数与威布尔故障率模型的电力互感器浸水后劣化寿命预测方法,即通过采用模糊综合评价方法求解出互感器健康指数,用模糊语言描述互感器运行状态,利用改进的基于时间与设备状态的故障率模型确定当前状态下互感器故障率。进一步地,利用白鲸优化算法改进的最小二乘法(Beluga whale optimization-ordinary least squares,BWO-OLS)分段拟合出电力互感器威布尔故障率浴盆曲线,将它浸水后状态下的故障率映射到威布尔故障率浴盆曲线中,求解出电力互感器浸水后等效劣化寿命。选用8种不同型号电流互感器开展浸水实验,其测试结果表明:电流互感器浸水后会发生不可逆性的劣化,它们浸水后运行状态与模型评价结果一致,验证了浸水后劣化互感器寿命预测方法的有效性。展开更多
文摘针对铣刀磨损状态监测中信号噪声大、监测效率低等问题,提出了一种基于能量权重法的变分模态分解(VMD)与黑寡妇(BWO)-支持向量机(SVM)的铣刀磨损状态监测方法。首先,运用VMD将铣削时产生的振动信号分解成若干固有模态函数(IMF)分量,并通过能量加权合成峭度指标自适应提取出了包含磨损状态特征的IMF分量,并进行了信号重构,对重构信号进行了特征提取;然后,利用BWO算法优化SVM的参数,构建了BWO-SVM铣刀磨损状态监测模型;最后,为了验证上述方法的有效性,以某公司真实加工现场的PHM Society 2010铣刀全寿命周期的振动数据进行了实验,并且又通过实际的工程案例对此进行了验证。研究结果表明:通过所提方法自适应提取有效分量并进行信号重构后,降噪效果明显,并通过与遗传算法(GA)和粒子群算法(PSO)优化的SVM相比,经过BWO优化的SVM的训练时间缩短至25.142 s,同时监测精度达到97.246%;采用该方法对铣刀磨损状态进行监测,能够获得更快的识别速度与更高的准确性,提高了铣刀磨损状态监测的效率。
文摘开展电网计量装置电力互感器浸水后劣化特性的研究,对电网公司在洪涝灾害后电力互感器的风险评估与检修决策至关重要。为此,提出了基于健康指数与威布尔故障率模型的电力互感器浸水后劣化寿命预测方法,即通过采用模糊综合评价方法求解出互感器健康指数,用模糊语言描述互感器运行状态,利用改进的基于时间与设备状态的故障率模型确定当前状态下互感器故障率。进一步地,利用白鲸优化算法改进的最小二乘法(Beluga whale optimization-ordinary least squares,BWO-OLS)分段拟合出电力互感器威布尔故障率浴盆曲线,将它浸水后状态下的故障率映射到威布尔故障率浴盆曲线中,求解出电力互感器浸水后等效劣化寿命。选用8种不同型号电流互感器开展浸水实验,其测试结果表明:电流互感器浸水后会发生不可逆性的劣化,它们浸水后运行状态与模型评价结果一致,验证了浸水后劣化互感器寿命预测方法的有效性。
