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ASMVMD和MOMEDA的齿轮特征提取方法
被引量：
1
1
作者
唐贵基
曾鹏飞
朱爽
《机电工程》
CAS
北大核心
2024年第12期2174-2184,共11页
针对齿轮信号易被强噪声干扰,导致损伤特征难以提取的问题,提出了一种基于自适应逐次多元变分模态分解(ASMVMD)和多点最优最小熵解卷积(MOMEDA)的齿轮故障特征提取方法。首先,采用加权黑猩猩优化算法对SMVMD分解参数进行了自适应寻优,以...
针对齿轮信号易被强噪声干扰,导致损伤特征难以提取的问题,提出了一种基于自适应逐次多元变分模态分解(ASMVMD)和多点最优最小熵解卷积(MOMEDA)的齿轮故障特征提取方法。首先,采用加权黑猩猩优化算法对SMVMD分解参数进行了自适应寻优,以SMVMD分解后各个通道的所有分量的平均包络谱峰值因子(Ec)之和的相反数作为寻优的适应度函数,确定了最大惩罚因子α和最大分解模态数k的最优值;然后,采用ASMVMD方法对齿轮多通道故障数据进行了自适应分解,根据Ec指标提取了各通道特定分量,并将这些分量相加,进行了信号重构;最后,采用MOMEDA解卷积处理了重构信号,进一步强化了齿轮故障的冲击特性,并利用包络谱分析解卷积信号,提取了齿轮的故障特征频率。研究结果表明:通过仿真信号和模拟实验信号的分析,可知利用ASMVMD-MOMEDA相结合的方法处理得到的信号降噪效果显著,能有效抑制无关干扰成分的影响,从包络谱中可以清晰地看到故障频率的前几阶倍频;与多元经验模态分解(MEMD)-MOMEDA相结合的方法进行对比,发现采用ASMVMD-MOMEDA方法得到的包络谱较MEMD-MOMEDA方法的谱线更加干净,各阶倍频更加明显,进一步证明ASMVMD-MOMEDA方法可以准确提取齿轮故障特征。
展开更多
关键词
齿轮损伤特征
故障特征提取
自适应逐次多元变分模态分解
多点最优最小熵解卷积
多通道
解卷积
包络谱峰值因子
信号重构
在线阅读
下载PDF
职称材料
基于动态优化周期的风光氢储耦合系统改进能量管理策略
被引量：
4
2
作者
王辰
汤奕
郑晨一
《电力系统自动化》
北大核心
2025年第2期142-153,共12页
电/氢混合储能对离网风光发电系统的功率调节能力起到不可忽视的作用,但未充分考虑能量管理的综合性能。针对上述问题,提出了一种基于动态优化周期的改进能量管理策略。首先,以系统运行成本最小为目标进行日前优化。然后,在日内滚动优...
电/氢混合储能对离网风光发电系统的功率调节能力起到不可忽视的作用,但未充分考虑能量管理的综合性能。针对上述问题,提出了一种基于动态优化周期的改进能量管理策略。首先,以系统运行成本最小为目标进行日前优化。然后,在日内滚动优化的过程中自适应调节权重因子,合理协调短期功率平抑和长期状态优化,并对滚动优化周期进行动态调节,在减少冗余调节的同时,提升控制器的实时响应能力。最后,在实时校正层分别使用逐次变分模态分解和双层模糊控制对混合储能功率进行初次分配和二次分配,充分利用混合储能的运行特性并提升系统鲁棒性。算例分析表明,与传统策略相比,改进能量管理策略可使系统运行成本、能量失衡率和计算时间分别降低38.3%、63.1%和57.9%,提高了系统能量管理的经济性、可靠性和实时性。
展开更多
关键词
电/氢混合储能
能量管理
自适应权重
动态优化周期
逐次变分模态分解
双层模糊控制
在线阅读
下载PDF
职称材料
基于SVMD和自适应MOMEDA的齿轮箱故障诊断
被引量：
2
3
作者
岳子毫
裴帮
+3 位作者
李志远
王征兵
黄晓丹
雷欢欢
《机床与液压》
北大核心
2023年第21期225-232,共8页
受背景噪声和传输路径的影响,故障信号往往被淹没,故障特征难以提取。基于此,提出一种连续变分模态分解(SVMD)和自适应MOMEDA相结合的故障诊断方法,通过SVMD前处理得到重构信号,然后以平均谱负熵为适应函数,通过人工鱼群优化算法自适应...
受背景噪声和传输路径的影响,故障信号往往被淹没,故障特征难以提取。基于此,提出一种连续变分模态分解(SVMD)和自适应MOMEDA相结合的故障诊断方法,通过SVMD前处理得到重构信号,然后以平均谱负熵为适应函数,通过人工鱼群优化算法自适应选择MOMEDA的最优参数。利用所得参数对重构信号进行MOMEDA滤波,最后进行包络谱分析,做出故障类型诊断。将所提方法应用于齿轮箱主动轮断齿故障的仿真信号和实验信号中,在包络频谱中可以清楚地分辨出小齿轮转频及其倍频,同时所提方法相对其他方法具有更好的表现效果。
展开更多
关键词
齿轮箱故障诊断
自适应MOMEDA
连续变分模态分解(SVMD)
人工鱼群算法
在线阅读
下载PDF
职称材料
题名
基于ASMVMD和MOMEDA的齿轮特征提取方法
被引量：
1
1
作者
唐贵基
曾鹏飞
朱爽
机构
华北电力大学机械工程系
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
《机电工程》
CAS
北大核心
2024年第12期2174-2184,共11页
基金
河北省自然科学基金资助项目(E2020502031)。
文摘
针对齿轮信号易被强噪声干扰,导致损伤特征难以提取的问题,提出了一种基于自适应逐次多元变分模态分解(ASMVMD)和多点最优最小熵解卷积(MOMEDA)的齿轮故障特征提取方法。首先,采用加权黑猩猩优化算法对SMVMD分解参数进行了自适应寻优,以SMVMD分解后各个通道的所有分量的平均包络谱峰值因子(Ec)之和的相反数作为寻优的适应度函数,确定了最大惩罚因子α和最大分解模态数k的最优值;然后,采用ASMVMD方法对齿轮多通道故障数据进行了自适应分解,根据Ec指标提取了各通道特定分量,并将这些分量相加,进行了信号重构;最后,采用MOMEDA解卷积处理了重构信号,进一步强化了齿轮故障的冲击特性,并利用包络谱分析解卷积信号,提取了齿轮的故障特征频率。研究结果表明:通过仿真信号和模拟实验信号的分析,可知利用ASMVMD-MOMEDA相结合的方法处理得到的信号降噪效果显著,能有效抑制无关干扰成分的影响,从包络谱中可以清晰地看到故障频率的前几阶倍频;与多元经验模态分解(MEMD)-MOMEDA相结合的方法进行对比,发现采用ASMVMD-MOMEDA方法得到的包络谱较MEMD-MOMEDA方法的谱线更加干净,各阶倍频更加明显,进一步证明ASMVMD-MOMEDA方法可以准确提取齿轮故障特征。
关键词
齿轮损伤特征
故障特征提取
自适应逐次多元变分模态分解
多点最优最小熵解卷积
多通道
解卷积
包络谱峰值因子
信号重构
Keywords
gear damage characteristics
fault feature extraction
adaptive
successive
multivariate
variational
mode
decomposition
(
asmvmd
)
multipoint optimal minimum entropy deconvolution adjusted(MOMEDA)
multi-channel
deconvolution
envelope spectrum peak factor
signal reconstruction
分类号
TH132.41 [机械工程—机械制造及自动化]
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
基于动态优化周期的风光氢储耦合系统改进能量管理策略
被引量：
4
2
作者
王辰
汤奕
郑晨一
机构
东南大学电气工程学院
南京林业大学信息科学技术学院、人工智能学院
出处
《电力系统自动化》
北大核心
2025年第2期142-153,共12页
基金
国家自然科学基金资助项目(52377085,52261145704)。
文摘
电/氢混合储能对离网风光发电系统的功率调节能力起到不可忽视的作用,但未充分考虑能量管理的综合性能。针对上述问题,提出了一种基于动态优化周期的改进能量管理策略。首先,以系统运行成本最小为目标进行日前优化。然后,在日内滚动优化的过程中自适应调节权重因子,合理协调短期功率平抑和长期状态优化,并对滚动优化周期进行动态调节,在减少冗余调节的同时,提升控制器的实时响应能力。最后,在实时校正层分别使用逐次变分模态分解和双层模糊控制对混合储能功率进行初次分配和二次分配,充分利用混合储能的运行特性并提升系统鲁棒性。算例分析表明,与传统策略相比,改进能量管理策略可使系统运行成本、能量失衡率和计算时间分别降低38.3%、63.1%和57.9%,提高了系统能量管理的经济性、可靠性和实时性。
关键词
电/氢混合储能
能量管理
自适应权重
动态优化周期
逐次变分模态分解
双层模糊控制
Keywords
electricity/hydrogen hybrid energy storage
energy management
adaptive
weight
dynamic optimization cycle
successive
variational
mode
decomposition
double-layer fuzzy control
分类号
TM73 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
基于SVMD和自适应MOMEDA的齿轮箱故障诊断
被引量：
2
3
作者
岳子毫
裴帮
李志远
王征兵
黄晓丹
雷欢欢
机构
郑州机械研究所有限公司
中航光电科技股份有限公司
出处
《机床与液压》
北大核心
2023年第21期225-232,共8页
基金
河南省中央引导地方科技发展资金(113ZP20220165)。
文摘
受背景噪声和传输路径的影响,故障信号往往被淹没,故障特征难以提取。基于此,提出一种连续变分模态分解(SVMD)和自适应MOMEDA相结合的故障诊断方法,通过SVMD前处理得到重构信号,然后以平均谱负熵为适应函数,通过人工鱼群优化算法自适应选择MOMEDA的最优参数。利用所得参数对重构信号进行MOMEDA滤波,最后进行包络谱分析,做出故障类型诊断。将所提方法应用于齿轮箱主动轮断齿故障的仿真信号和实验信号中,在包络频谱中可以清楚地分辨出小齿轮转频及其倍频,同时所提方法相对其他方法具有更好的表现效果。
关键词
齿轮箱故障诊断
自适应MOMEDA
连续变分模态分解(SVMD)
人工鱼群算法
Keywords
Gearbox fault diagnosis
adaptive
MOMEDA
successive
variational
mode
decomposition
(SVMD)
Artificial fish swarm algorithm
分类号
TH132.4 [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ASMVMD和MOMEDA的齿轮特征提取方法
唐贵基
曾鹏飞
朱爽
《机电工程》
CAS
北大核心
2024
1
在线阅读
下载PDF
职称材料
2
基于动态优化周期的风光氢储耦合系统改进能量管理策略
王辰
汤奕
郑晨一
《电力系统自动化》
北大核心
2025
4
在线阅读
下载PDF
职称材料
3
基于SVMD和自适应MOMEDA的齿轮箱故障诊断
岳子毫
裴帮
李志远
王征兵
黄晓丹
雷欢欢
《机床与液压》
北大核心
2023
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
