基于CEEMDAN-CPO-VMD的RV减速器故障诊断模型

1

作者 郭曼 徐建 蔺梦雄 《机电工程》 北大核心 2025年第8期1490-1501,共12页

针对强背景噪声下旋转矢量(RV)减速器故障诊断困难的问题,提出了一种自适应噪声完备集合经验模态分解(CEEMDAN)结合冠豪猪算法(CPO)优化变分模态分解(VMD)的RV减速器故障诊断方法。首先,利用自适应噪声完备集合经验模态分解对含噪声目... 针对强背景噪声下旋转矢量(RV)减速器故障诊断困难的问题,提出了一种自适应噪声完备集合经验模态分解(CEEMDAN)结合冠豪猪算法(CPO)优化变分模态分解(VMD)的RV减速器故障诊断方法。首先,利用自适应噪声完备集合经验模态分解对含噪声目标信号进行了降噪分解,得到了一系列固有模态分量(IMF),再根据峭度值原则,选取了目标模态分量;然后,以包络熵为适应性函数,利用CPO算法对变分模态分解中的分解参数K值和α值进行了寻优计算,得到了最后的[K,α]组合,并对VMD进行了最优参数设置;最后,分解后得到一系列本征模态函数分量,对分解后的目标分量进行了重构,再对重构后的目标分量进行包络谱分析并进行了故障诊断,为了验证CEEMDAN-CPO-VMD方法的优越性,进行了实验对比分析。研究结果表明:经CPO重构后的信号信噪比为9.38,均方根误差为0.036,计算时间为36.59 s;利用CEEMDAN-CPO-VMD方法有效地提取了RV减速器的故障特征;对比验证该方法的可行性,使用频谱包络分析得到的结果,有较多的边频干扰,不能有效地定位故障点;同时,对比麻雀搜索算法(SSA)优化的VMD,经SSA算法重构后的信号信噪比为8.57,均方根误差为0.042,计算时间为50.24 s,相比于SSA算法,CPO算法的信噪比结果提高了0.78 dB,均方根误差降低了0.006,迭代时间减少了13.65 s,有了更好的收敛性,验证了CEEMDAN-CPO-VMD法有更好的诊断效果。该研究成果可为强噪声干扰下的RV减速器故障诊断提供参考。 展开更多

关键词 旋转矢量减速器 变速器 自适应噪声完备集合经验模态分解 冠豪猪优化算法 变分模态分解 包络熵 故障分类识别方法

在线阅读 下载PDF 职称材料

塔里木盆地富满地区走滑断裂带精细刻画及勘探应用成效 被引量：2

2

作者 张银涛 余一欣 +4 位作者 谢舟 孙冲 王小鹏 申彪 杜琦睿 《现代地质》 CAS CSCD 北大核心 2024年第6期1417-1430,共14页

塔里木盆地中部阿满过渡带内的富满地区走滑断裂带发育,并对奥陶系碳酸盐岩具有明显的控储控藏作用,但该地区的走滑断裂仍然存在难以识别的问题。为了精细刻画富满地区的走滑断裂,本次研究基于该地区最新三维地震资料,通过多重滤波、相... 塔里木盆地中部阿满过渡带内的富满地区走滑断裂带发育,并对奥陶系碳酸盐岩具有明显的控储控藏作用,但该地区的走滑断裂仍然存在难以识别的问题。为了精细刻画富满地区的走滑断裂,本次研究基于该地区最新三维地震资料,通过多重滤波、相干分析、信号分解等方法技术对主干和次级走滑断裂带进行精细识别,并建立走滑断裂带分级量化标准,同时利用“三定”法评价油气资源量,落实走滑断裂的勘探潜力。在塔北隆起和中央隆起区共识别出70条规模较大的主干走滑断裂带,根据断裂带延伸长度、活动期次及其强度等特征,划分出25条Ⅰ级和45条Ⅱ级控储控藏的走滑断裂带,其中富满地区发育主干走滑断裂34条。结合走滑断裂刻画及钻探情况,提出“定断裂带体系”“定缝洞体边界”“定油气藏单元”的奥陶系碳酸盐岩油气藏“三定”资源量评价方法,并初步确定70条走滑断裂带的石油资源量约为20×10^(8)t、天然气约为1×10^(12)m^(3),富满地区石油资源量约11×10^(8)t。在走滑断裂带精细刻画基础上新落实三条油气富集带,并得到钻探证实,表明富满地区不同级别的走滑断裂带均具备增储上产的巨大潜力。本研究不仅有利于推动塔里木盆地台盆区走滑断裂带研究以及碳酸盐岩断控-缝洞型油气藏勘探开发,对其他克拉通盆地内走滑断裂体系研究也具有重要借鉴意义。 展开更多

关键词 走滑断裂带 断裂识别技术 断裂分级 “三定”评价方法 富满地区 塔里木盆地

在线阅读 下载PDF 职称材料

基于SORT映射的IRCMFDE在旋转机械故障诊断中的应用 被引量：2

3

作者 王潞红 邹平吉 《机电工程》 北大核心 2024年第1期11-21,共11页

针对旋转机械振动信号的强非线性和非平稳性,导致故障特征提取困难的问题,提出了一种基于SORT映射的改进精细复合多尺度波动散布熵(IRCMFDE)和蝙蝠算法优化的相关向量机(BA-RVM)的旋转机械故障诊断方法。首先,利用SORT映射函数替换了精... 针对旋转机械振动信号的强非线性和非平稳性,导致故障特征提取困难的问题,提出了一种基于SORT映射的改进精细复合多尺度波动散布熵(IRCMFDE)和蝙蝠算法优化的相关向量机(BA-RVM)的旋转机械故障诊断方法。首先,利用SORT映射函数替换了精细复合多尺度波动散布熵(RCMFDE)方法的正态累积分布函数,同时对RCMFDE方法的粗粒化方式进行了改进,提出了基于SORT映射的IRCMFDE方法;随后,利用IRCMFDE方法提取了旋转机械振动信号的故障特征,构造了故障特征集;最后,采用BA-RVM分类器对旋转机械的故障类型进行了智能化的识别和分类;将基于IRCMFDE和BA-RVM的故障诊断方法应用于滚动轴承、离心泵和齿轮箱的实验数据分析,并将其与现有故障诊断方法进行了对比分析。研究结果表明:基于IRCMFDE和BA-RVM的故障诊断方法能够有效地识别旋转机械的故障状态,识别准确率分别达到了100%、98%和99%,相比基于RCMFDE、精细复合多尺度熵、精细复合多尺度模糊熵、精细复合多尺度排列熵和精细复合多尺度散布熵的故障特征提取方法,该故障诊断方法的效率和平均识别准确率均优于对比方法,其更适合应用于旋转机械的在线实时故障监测。 展开更多

关键词 改进精细复合多尺度波动散布熵 SORT映射 蝙蝠算法优化的相关向量机 旋转机械 故障分类识别

在线阅读 下载PDF 职称材料

基于多故障曲线辨识的负荷模型参数优化策略 被引量：2

4

作者 盛四清 朱思宇 +1 位作者 马赟婷 余洋 《华北电力大学学报（自然科学版）》 CAS 北大核心 2021年第5期15-24,共10页

建立高准确度负荷模型是电力系统动态数字仿真的基础,但基于总体测辨法的负荷模型参数辨识仅研究辨识结果对辨识曲线的准确度而未探索其对其他故障场景的适用性。为提高负荷模型准确度和多故障场景适用性,提出一种基于多故障曲线辨识的... 建立高准确度负荷模型是电力系统动态数字仿真的基础,但基于总体测辨法的负荷模型参数辨识仅研究辨识结果对辨识曲线的准确度而未探索其对其他故障场景的适用性。为提高负荷模型准确度和多故障场景适用性,提出一种基于多故障曲线辨识的负荷参数优化策略。首先,分析电力系统故障表现,选取三种典型故障,将其曲线作为待辨识曲线并辨识出负荷参数;其次,引入了整体误差、第一摆幅值、振荡频率、阻尼比等仿真准确度评估指标,通过熵权法确定各指标的权重,进而对负荷模型进行参数综合得到优化负荷参数;最后,通过仿真算例,对比该策略和传统单故障曲线辨识方法的参数拟合误差和对其他故障的适用性。结果验证了所提策略的有效性和多故障场景适用性。 展开更多

关键词 多故障曲线 参数综合 总体测辨法 熵权法 仿真准确度

在线阅读 下载PDF 职称材料

基于HRCMFDE、LS、BA-SVM的行星齿轮箱故障诊断 被引量：4

5

作者 庄敏 李革 +1 位作者 范智军 孔德成 《机电工程》 CAS 北大核心 2022年第11期1535-1543,共9页

针对行星齿轮箱的特征提取以及故障识别问题,提出了一种基于混合精细复合多尺度波动散布熵(HRCMFDE)特征提取、拉普拉斯分数(LS)特征降维优化和蝙蝠算法优化支持向量机(BA-SVM)故障识别的行星齿轮箱故障诊断方法。首先,提出了一种新的... 针对行星齿轮箱的特征提取以及故障识别问题,提出了一种基于混合精细复合多尺度波动散布熵(HRCMFDE)特征提取、拉普拉斯分数(LS)特征降维优化和蝙蝠算法优化支持向量机(BA-SVM)故障识别的行星齿轮箱故障诊断方法。首先,提出了一种新的时间序列复杂度测量方法—HRCMFDE(其由5种不同粗粒化方式的RCMFDE组成,具备更全面和可靠的特征提取性能),用于从振动信号中挖掘出反映行星齿轮箱状态的故障信息,构成初始的混合故障特征;然后,考虑到由HRCMFDE组成的故障特征具有较高的维数和冗余,利用LS对初始特征进行了优化,生成了低维的敏感特征;最后,利用基于蝙蝠算法优化的支持向量机,对行星齿轮系不同故障特征向量进行了训练和分类,利用真实故障数据集对基于HRCMFDE、LS、BA-SVM的方法进行了验证。研究结果表明:利用行星齿轮箱数据集对该方案进行的有效性实验,能够准确地识别出齿轮箱的不同故障,其单次分类的准确率达到了98.13%,多次分类的平均准确率也优于对比方法;该结果验证了基于混合精细复合多尺度波动散布熵特征提取的有效性,采用该方法能够对行星齿轮箱的故障进行诊断。 展开更多

关键词 特征提取 特征降维优化 故障分类识别 混合精细复合多尺度波动散布熵 拉普拉斯分数 蝙蝠算法优化支持向量机

在线阅读 下载PDF 职称材料

基于VMD-MMPE的轧机轴承滚动体与保持架故障诊断 被引量：5

6

作者 计江 赵琛 王勇勤 《振动．测试与诊断》 EI CSCD 北大核心 2023年第2期290-297,409,共9页

针对板带轧机轴承工作环境恶劣、保持架与滚动体极易损坏、信号噪声大、识别困难以及实际工况对诊断速度要求高等问题,首先,提出粒子群优化变分模态分解(particle swarm optimization-variational mode decomposition,简称PSO-VMD)和多... 针对板带轧机轴承工作环境恶劣、保持架与滚动体极易损坏、信号噪声大、识别困难以及实际工况对诊断速度要求高等问题,首先,提出粒子群优化变分模态分解(particle swarm optimization-variational mode decomposition,简称PSO-VMD)和多元多尺度排列熵(multivariate multiscale permutation entropy,简称MMPE)的故障诊断方法,并结合粒子群优化支持向量机(particle swarm optimization-support vector machine,简称PSO-SVM)实现故障分类;其次,轴承振动信号经VMD处理为若干模态分量(intrinsic mode functions,简称IMF),选最优分量进行包络分析;然后,针对轧机轴承垂直水平轴向振动差别较大且受较大径向力与轴向力的特点,采用MMPE并考虑3维振动信号的4个分量的MMPE值与时域指标组成特征向量;最后,基于PSO-SVM模型对方法的有效性进行验证。计算和实验结果与集合经验模态分解(ensemble empirical mode decomposition,简称EEMD)与局部均值分解(local mean decomposition,简称LMD)方法对比表明,VMD-MMPE可以优化模型的输入,提高模型的诊断正确率和速度,实现轴承保持架与滚动体不同部位和不同损伤程度的故障诊断,具有重要的工程意义。 展开更多

关键词 轧机轴承 变分模态分解 包络谱 多元多尺度排列熵 粒子群优化支持向量机 故障诊断

在线阅读 下载PDF 职称材料

基于改进V-detector算法的转子故障识别方法研究 被引量：1

7

作者 徐新平 赵荣珍 《计算机应用研究》 CSCD 北大核心 2013年第10期2951-2953,2976,共4页

为了提高转子故障诊断识别准确率,提出一种基于改进V-detector算法的转子故障辨识方法。首先对V-detector算法进行了改进,该算法通过改变拒绝和接受假设检验的条件来减少无效检测器的产生进而提高算法的检测准确率;然后将信号的谱熵值... 为了提高转子故障诊断识别准确率,提出一种基于改进V-detector算法的转子故障辨识方法。首先对V-detector算法进行了改进,该算法通过改变拒绝和接受假设检验的条件来减少无效检测器的产生进而提高算法的检测准确率;然后将信号的谱熵值作为特征向量,并根据转子故障类型将其划分为多个自体样本集,用改进后V-detector算法训练出多个检测器集;最后利用其设计出能够识别转子故障的分类器。仿真结果表明,改进的V-detector算法能产生较少的检测器,覆盖率由95%升高至99%时检测器数目无明显增加,与原算法相比提高了故障的辨识精度。 展开更多

关键词 信息熵 V—detector算法 转子故障识别 数据分类

在线阅读 下载PDF 职称材料

基于改进GA-KSW熵法的无人机拍摄绝缘子故障识别 被引量：5

8

作者 吕泽卿 付兴建 张世卓 《机床与液压》 北大核心 2022年第8期188-192,共5页

针对输电线路中绝缘子的故障问题,设计并实现一套绝缘子自爆故障识别算法。设计无人机整体构架,包括导航能力、避障能力以及高压线旁工作的抗干扰能力;对传统遗传算法进行改进,结合最佳熵阈值确定法对绝缘子图像进行分割;利用形态学得... 针对输电线路中绝缘子的故障问题,设计并实现一套绝缘子自爆故障识别算法。设计无人机整体构架,包括导航能力、避障能力以及高压线旁工作的抗干扰能力;对传统遗传算法进行改进,结合最佳熵阈值确定法对绝缘子图像进行分割;利用形态学得到纯净的绝缘子串;采用所设计的拟合算法推测绝缘子应有位置,分别从正视图和斜视图对绝缘子自爆故障进行识别。结果表明:所提算法在分割绝缘子图像时精确度高,速度比传统遗传算法提高了约75%;该算法适用于多角度拍摄的绝缘子故障识别,为无人机拍摄的绝缘子故障识别提供了保障。 展开更多

关键词 绝缘子故障识别 遗传算法 最佳熵阈值确定法 图像分割

在线阅读 下载PDF 职称材料

基于改进MPE与KELM的滚动轴承故障诊断 被引量：9

9

作者 赵云 宿磊 +2 位作者 李可 顾杰斐 卢立新 《噪声与振动控制》 CSCD 北大核心 2022年第1期125-131,共7页

针对滚动轴承发生故障时非线性信号特征难以提取导致诊断效率较低的难题,提出一种基于参数优化改进的多尺度排列熵(Multi-scale permutation entropy,MPE)与核极限学习机(Kernel extreme learning machine,KELM)相结合的故障诊断方法。... 针对滚动轴承发生故障时非线性信号特征难以提取导致诊断效率较低的难题,提出一种基于参数优化改进的多尺度排列熵(Multi-scale permutation entropy,MPE)与核极限学习机(Kernel extreme learning machine,KELM)相结合的故障诊断方法。首先,使用关联积分法(C-C算法)对MPE的嵌入维数和时间延迟进行优化;其次,计算滚动轴承振动信号在选定的经验参数与优化参数下各尺度的排列熵值并以此构建特征向量;最后,利用KELM对滚动轴承进行故障分类。结果表明,参数优化后的MPE结合KELM的故障诊断方法能够有效地提取出故障特征进而很好地实现故障诊断。 展开更多

关键词 故障诊断 多尺度排列熵 关联积分法 特征提取 核极限学习机 故障分类

在线阅读 下载PDF 职称材料

基于精细复合多元多尺度加权排列熵与流形学习的滚动轴承故障诊断 被引量：8

10

作者 刘武强 申金星 杨小强 《轴承》 北大核心 2021年第9期54-60,共7页

为充分利用多通道振动信息,将表征同步多通道数据多变量复杂度的多元多尺度熵理论引入滚动轴承故障诊断。同时,针对排列熵未考虑时间序列的振幅信息以及多尺度过程中粗粒化方式存在不足等缺陷,提出了精细复合多元多尺度加权排列熵并将... 为充分利用多通道振动信息,将表征同步多通道数据多变量复杂度的多元多尺度熵理论引入滚动轴承故障诊断。同时,针对排列熵未考虑时间序列的振幅信息以及多尺度过程中粗粒化方式存在不足等缺陷,提出了精细复合多元多尺度加权排列熵并将其用于提取滚动轴承的故障特征。随后,利用t-SNE对特征进行二次提取,寻找相关性较大的特征组成候选样本,结合随机森林分类器进行故障分类。2种滚动轴承试验数据的分析表明,该方法能够提取高质量的滚动轴承故障特征,获得较高的分类准确率。 展开更多

关键词 滚动轴承 故障诊断 熵 多尺度耦合方法 流形学习 分类

在线阅读 下载PDF 职称材料

基于集成精细复合多元多尺度模糊熵的齿轮箱故障诊断 被引量：1

11

作者 杨小强 宫建成 +1 位作者 安立周 刘晓明 《机电工程》 CAS 北大核心 2023年第3期335-343,共9页

针对齿轮箱故障信号具有非线性和非平稳性的特点,且目前的方法对其特征提取不够充分这一问题,对不同形式粗粒化方法的集成、多通道信号处理方法在模糊熵算法上的应用进行了研究,提出了一种新的特征提取方法,即集成精细复合多元多尺度模... 针对齿轮箱故障信号具有非线性和非平稳性的特点,且目前的方法对其特征提取不够充分这一问题,对不同形式粗粒化方法的集成、多通道信号处理方法在模糊熵算法上的应用进行了研究,提出了一种新的特征提取方法,即集成精细复合多元多尺度模糊熵(ERCmvMFE)算法,在此基础上,结合t分布随机邻域嵌入(t-SNE)和人工鱼群算法优化的核极限学习机(AFSA-KELM),提出了一种新的齿轮箱故障综合诊断方法。首先,采用多种形式粗粒化方法的集成方法以及多通道信号处理方法,对模糊熵算法进行了改进,并进行了齿轮箱故障的初始特征提取;然后,通过t-SNE压缩原始故障特征,实现了维数的约简,并将低维故障特征输入至AFSA-KELM中进行了故障的分类识别;最后,为了对ERCmvMFE方法的特征提取性能进行测试,采用QPZZ-II旋转机械故障模拟测试平台进行了相关的实验。实验结果表明:采用新的齿轮箱故障综合诊断方法能够对不同类型的齿轮箱故障进行可靠诊断,对齿轮箱5种工况下的20次识别实验中,获得的平均准确率可达98.92%,标准差为0.956,识别准确率和稳定性均优于其他对比方法。研究结果表明:采用ERCmvMFE算法能够更充分地提取出齿轮箱的故障特征,因此,基于该特征提取方法的故障诊断方法具有更高的齿轮箱故障识别准确率。 展开更多

关键词 集成精细复合多元多尺度模糊熵 人工鱼群算法优化的核极限学习机 t分布随机邻域嵌入 特征提取 多粗粒化处理 多通道信号处理 故障分类识别

在线阅读 下载PDF 职称材料

SVD-LESE在滚动轴承微弱故障识别中的应用研究

12

作者 韩春福 李明哲 +2 位作者 郭栋 李龙龙 毛玉鹏 《机床与液压》 北大核心 2023年第10期210-214,共5页

矿用电机运行过程中环境噪声强且复杂,其滚动轴承的早期故障特征容易被淹没。提出一种有限包络谱熵(LESE)引导的振动信号奇异值分解方法,用于滚动轴承早期故障特征提取。根据待分解信号中频率和奇异值之间的对应关系,将对应同一振动信... 矿用电机运行过程中环境噪声强且复杂,其滚动轴承的早期故障特征容易被淹没。提出一种有限包络谱熵(LESE)引导的振动信号奇异值分解方法,用于滚动轴承早期故障特征提取。根据待分解信号中频率和奇异值之间的对应关系,将对应同一振动信号成分的奇异分量进行累加作为一个信号子分量进行输出;提出LESE用来解决轴承微弱故障信号经SVD处理后故障敏感信号分量的筛选;最后通过对故障敏感信号分量进行包络谱分析从而确定滚动轴承的故障类型。实验结果表明:上述方法能够实现对轴承早期故障特征提取,有利于及时发现轴承问题,避免设备进一步劣化。 展开更多

关键词 奇异值分解 滚动轴承 包络谱熵 微弱故障识别

在线阅读 下载PDF 职称材料