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
共找到461篇文章
< 1 2 … 24 >
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：
参数自适应FMD在轴承早期故障诊断中的应用
1
作者 王红 王泽宇 何勇 《振动工程学报》 北大核心 2025年第8期1788-1798,共11页
针对特征模态分解(FMD)的轴承早期微弱故障诊断效果易受滤波器长度L、频段分割数K、模态分解个数n影响的问题,提出用遗传算法优化FMD预设参数,并以峭度、包络熵和修正的自适应包络谱特征能量比为综合目标函数的诊断方法。该方法利用遗... 针对特征模态分解(FMD)的轴承早期微弱故障诊断效果易受滤波器长度L、频段分割数K、模态分解个数n影响的问题,提出用遗传算法优化FMD预设参数,并以峭度、包络熵和修正的自适应包络谱特征能量比为综合目标函数的诊断方法。该方法利用遗传算法比较不同预设参数下经FMD分解各分量信号的综合目标函数值,并选取其中最大值对应的L、K、n作为FMD的预设参数,通过FMD处理后信号的包络谱特征判定轴承的故障类型。经西储大学和辛辛那提大学的公开故障轴承数据以及转向架轴箱轴承数据验证,该方法具有较好的抗噪声能力和有效的早期微弱故障诊断能力。 展开更多
关键词 滚动轴承 早期微弱故障 特征模态分解 遗传算法
在线阅读 下载PDF
基于AFMD和SVDD的风电机组变桨轴承损伤识别
2
作者 王晓龙 张博文 +3 位作者 金韩微 付锐棋 杨秀彬 吴鹏 《太阳能学报》 北大核心 2025年第3期514-523,共10页
针对风电机组变桨轴承损伤识别问题,提出基于自适应特征模态分解和奇异值分解降噪的损伤识别方法。该方法首先利用龙格库塔优化策略对特征模态分解算法中的频带数量及滤波器长度参数进行搜索,确定最优参数组合后对原始振动信号进行自适... 针对风电机组变桨轴承损伤识别问题,提出基于自适应特征模态分解和奇异值分解降噪的损伤识别方法。该方法首先利用龙格库塔优化策略对特征模态分解算法中的频带数量及滤波器长度参数进行搜索,确定最优参数组合后对原始振动信号进行自适应特征模态分解,从中提取出蕴含丰富特征信息的模态分量;继而计算出所提取模态分量的包络信号并做进一步奇异值分解降噪处理,从而增强包络信号的信噪比;最后对比理论损伤特征频率及包络谱中幅值突出的频率成分,用于判断变桨轴承的故障损伤。实验数据分析结果表明,所提方法能从复杂原始振动信号中有效提取出微弱特征信息,实现变桨轴承损伤部位的准确甄别,具有一定工程参考借鉴价值。 展开更多
关键词 风电机组 变桨轴承 损伤识别 自适应特征模态分解 奇异值分解降噪
在线阅读 下载PDF
基于RTH-FMD和1.5维谱的滚动轴承早期故障诊断方法研究
3
作者 唐贵基 张龙 +3 位作者 薛贵 徐振丽 曾鹏飞 王晓龙 《动力工程学报》 北大核心 2025年第5期714-723,共10页
针对滚动轴承的早期故障诊断问题,深入研究了一种红尾鹰(RTH)算法参数优化特征模态分解(FMD)和1.5维谱相结合的滚动轴承故障诊断方法。首先,通过理论分析,设计出脉冲能量因子指标(PEFI),并将其作为适应度函数;其次,利用RTH算法并行搜寻... 针对滚动轴承的早期故障诊断问题,深入研究了一种红尾鹰(RTH)算法参数优化特征模态分解(FMD)和1.5维谱相结合的滚动轴承故障诊断方法。首先,通过理论分析,设计出脉冲能量因子指标(PEFI),并将其作为适应度函数;其次,利用RTH算法并行搜寻FMD的关键影响参数组合,自适应地达到信号最佳分解效果;再次,通过PEFI选取分解后的最优信号分量,并进行包络解调运算;最后,计算包络信号的1.5维谱,在谱图中分析、提取轴承故障特征频率信息,实现轴承早期微弱故障的准确性诊断。模拟故障实验和工程案例分析结果表明:所研究方法解决了参数自适应的问题,大幅降低了噪声及其他干扰成分对诊断的影响,拥有良好的鲁棒性,能够有效提取轴承早期故障信号中的微弱特征信息,具有重要的实际工程参考价值。 展开更多
关键词 滚动轴承 微弱故障提取 特征模态分解 红尾鹰算法 1.5维谱
在线阅读 下载PDF
基于IVYA-FMD和EELM-Yager的轴承小样本故障诊断模型
4
作者 王恒迪 王豪馗 +2 位作者 陈鹏 吴升德 马盈丰 《机电工程》 北大核心 2025年第6期1093-1101,共9页
针对滚动轴承故障特征提取难度大以及不同故障类型训练样本稀缺的问题,提出了一种基于参数优化特征模态分解(FMD)和集成极限学习机(EELM)的小样本滚动轴承故障诊断方法。首先,采用常春藤算法(IVYA)对FMD参数进行了优化,提升了模态分解... 针对滚动轴承故障特征提取难度大以及不同故障类型训练样本稀缺的问题,提出了一种基于参数优化特征模态分解(FMD)和集成极限学习机(EELM)的小样本滚动轴承故障诊断方法。首先,采用常春藤算法(IVYA)对FMD参数进行了优化,提升了模态分解的精确度,并采用最小残差指数(REI)作为最优模态分量的选取准则,从最优模态分量中提取了故障信号时域、频域及熵值的关键特征;然后,将所提取的特征输入EELM中进行了故障识别;最后,采用Yager加权平均规则对EELM的分类结果进行了融合,得到了综合故障诊断结果。研究结果表明:IVYA-FMD在信号处理过程中,具有优秀的特征提取和抗干扰能力,可有效提取原始信号的故障特征;IVYA-FMD和EELM-Yager模型在实验数据中,训练集与测试集按照8∶2的比例进行分割时的准确率达到99.12%;当训练集与测试集按照2:8的比例进行分割时,该方法在实验数据中的准确率高达92.5%,在CWRU数据集和SEU数据集中的准确率均超过96.8%。与其他智能诊断模型相比,IVYA-FMD和EELM-Yager在小样本滚动轴承故障诊断领域展现出显著的可行性和优越性。 展开更多
关键词 特征模态分解 常春藤算法 集成极限学习机 Yager加权平均 小样本故障诊断 滚动轴承
在线阅读 下载PDF
基于OFMD和FSC的滚动轴承复合故障诊断
5
作者 唐贵基 张龙 +2 位作者 薛贵 徐振丽 王晓龙 《振动与冲击》 EI CSCD 北大核心 2024年第15期160-168,共9页
针对滚动轴承的复合故障诊断问题,深入研究了一种基于优化特征模态分解和快速谱相关的复合故障诊断方法。首先,通过理论分析,提出脉冲能量因子指标来实现特征模态分解的参数选择以及最优分量的选取;然后,基于快速谱相关原理设计谱相关... 针对滚动轴承的复合故障诊断问题,深入研究了一种基于优化特征模态分解和快速谱相关的复合故障诊断方法。首先,通过理论分析,提出脉冲能量因子指标来实现特征模态分解的参数选择以及最优分量的选取;然后,基于快速谱相关原理设计谱相关相对强度曲线和改进快速谱相关图,用于确定不同故障调制后对应的最优载波,对最优载波进行包络处理,从而分离轴承的复合故障特征,最终实现复合故障的准确性诊断。通过模拟故障试验和工程案例分析结果表明,该文所提方法相比于经验模态分解能够有效滤除噪声干扰,具有良好的鲁棒性,同时,避免了解卷积方法设定参数的缺陷,且与Autogram方法相比,能够有效分离复合故障特征,避免复合故障特征成分耦合。 展开更多
关键词 滚动轴承 复合故障 特征分离 特征模态分解 快速谱相关
在线阅读 下载PDF
参数优化FMD的滚动轴承早期故障诊断 被引量：1
6
作者 王晓真 彭勃 +1 位作者 王家忠 万书亭 《组合机床与自动化加工技术》 北大核心 2024年第6期131-134,共4页
由于滚动轴承早期故障信号特征微弱,特征模态分解(feature mode decomposition, FMD)分解性能受参数滤波器长度L和模态个数n的影响,提出一种参数优化FMD早期故障诊断方法。首先,基于平方包络谱基尼系数(square envelope spectrum gini i... 由于滚动轴承早期故障信号特征微弱,特征模态分解(feature mode decomposition, FMD)分解性能受参数滤波器长度L和模态个数n的影响,提出一种参数优化FMD早期故障诊断方法。首先,基于平方包络谱基尼系数(square envelope spectrum gini indix, SESGI)自适应确定FMD的滤波器长度L和模态个数n;其次,采用参数优化的FMD将信号分解为n个模态分量,并根据峭度值最大选择敏感模态分量;最后,对敏感模态分量进行包络分析,判断滚动轴承故障类型。仿真和实验结果表明,该方法可以自适应确定FMD最优参数组合,有效提取故障特征信息。通过与变分模态分解(variational mode decomposition, VMD)对比分析,参数优化FMD提取到的故障特征频率倍频较明显,具有更好的特征提取性能,能够实现滚动轴承故障的精确诊断。 展开更多
关键词 特征模态分解 特征提取 故障诊断 平方包络谱基尼系数
在线阅读 下载PDF
基于改进变分模式分解的煤矿通风机振动信号特征提取 被引量：1
7
作者 陶珑 郭燕飞 《工矿自动化》 北大核心 2025年第2期131-137,共7页
煤矿通风机振动信号是一种非平稳多分量信号。传统的非平稳信号特征信号提取方法存在自适应性差、对通风机早期故障的微弱特征辨识能力有限等问题,基于广义变分模式分解的特征提取方法的信号处理速度难以满足通风机振动信号特征快速提... 煤矿通风机振动信号是一种非平稳多分量信号。传统的非平稳信号特征信号提取方法存在自适应性差、对通风机早期故障的微弱特征辨识能力有限等问题,基于广义变分模式分解的特征提取方法的信号处理速度难以满足通风机振动信号特征快速提取的要求。针对上述问题,提出了一种基于改进变分模式分解的煤矿通风机振动信号特征快速提取方法。在广义变分模式分解算法的基础上,采用乘子交替方向法迭代求解,将约束优化问题转换为无约束优化问题。应用改进变分模式分解算法对信号进行等效分解,得到匹配目标信号特征的等效滤波器,通过内积变换原理快速提取通风机振动信号特征分量。仿真和实验结果表明,改进变分模式分解算法对不同强度的特征分量提取效果均较好,准确性和抗噪性良好,处理通风机实测振动信号的耗时为0.008165 s,与广义变分模式分解算法相比,特征提取速度大幅提升。 展开更多
关键词 煤矿通风机 振动信号 非平稳信号特征提取 变分模式分解 等效滤波器 内积变换
在线阅读 下载PDF
基于柴油机曲轴瞬时转速信号EEMD分解的失火故障诊断 被引量：1
8
作者 黄英 李准 +2 位作者 王健 刘辰 胡博睿 《北京理工大学学报》 北大核心 2025年第4期384-390,共7页
对于十缸V型柴油机单缸失火和双缸失火这两类故障,提出了基于曲轴瞬时转速信号的集合经验模态分解的故障诊断策略.该策略考虑到多个转速工况对失火故障诊断的影响,根据柴油机喷油提前角将实车实时采集到该转速下的数据划分为正常、单缸... 对于十缸V型柴油机单缸失火和双缸失火这两类故障,提出了基于曲轴瞬时转速信号的集合经验模态分解的故障诊断策略.该策略考虑到多个转速工况对失火故障诊断的影响,根据柴油机喷油提前角将实车实时采集到该转速下的数据划分为正常、单缸失火和双缸失火这三个工况区间.通过多循环平均方法对三个工况区间数据进行预处理,并通过集合经验模态分解方法分解,该方法能自适应地将曲轴转速信号分解为若干个本征模态函数.通过集合经验模态分解得到每个本征模态函数幅值的异常波动,确定包含故障信息的本征模态函数,为了进一步提取特征,需对该本征模态函数进行快速傅里叶变换,根据主频分量的幅值,得到故障特征.最后在多个转速工况下进行上述诊断流程,得出各个转过速工况的诊断准确率,实现了诊断算法的转速工况敏感性分析.实验结果表明该方法能有效提取故障特征,实现了十缸柴油机基于多个瞬时转速的失火故障诊断. 展开更多
关键词 柴油机 失火故障诊断 集合经验模态分解(EEMD) 曲轴瞬时转速 特征提取 本征模态函数(IMFs) 快速傅里叶变换(FFT)
在线阅读 下载PDF
基于动态模态分解的弹道目标平动补偿与微动特征提取方法
9
作者 李开明 代肖楠 +2 位作者 张袁鹏 姚佳文 罗迎 《系统工程与电子技术》 北大核心 2025年第2期451-462,共12页
针对弹道目标平动导致微动特征难以准确提取的问题,提出一种基于动态模态分解(dynamic mode decomposition, DMD)的弹道目标平动补偿与微动特征提取方法。首先,在弹道目标微动回波建模的基础上,对目标的慢时间-距离像序列进行微多普勒(m... 针对弹道目标平动导致微动特征难以准确提取的问题,提出一种基于动态模态分解(dynamic mode decomposition, DMD)的弹道目标平动补偿与微动特征提取方法。首先,在弹道目标微动回波建模的基础上,对目标的慢时间-距离像序列进行微多普勒(micro-Doppler, m-D)特征曲线分离;其次,将分离后的数据向量移位堆叠构建为增广数据矩阵,并对其进行DMD;然后,利用分解后的模态幅值对各模态进行排序,结合损失函数等信息选取主要模态;同时,利用主要模态中的零频率模态完成弹道目标的平动补偿,从其他主要模态中提取出自旋频率和锥旋频率等微动特征信息;最后,对基于DMD的弹道目标平动补偿与微动特征提取方法进行性能分析与对比实验,验证了所提方法的可行性和稳健性。 展开更多
关键词 动态模态分解 弹道目标 微多普勒 平动补偿 特征提取
在线阅读 下载PDF
优化FEEMD与相似度量的滚动轴承故障特征提取
10
作者 马军 李祥 +1 位作者 秦娅 熊新 《兵器装备工程学报》 北大核心 2025年第3期252-266,共15页
针对快速集合经验模态分解(fast ensemble empirical mode decomposition,FEEMD)方法信噪分离不准确的问题,提出一种优化FEEMD与相似度量的滚动轴承故障特征提取方法。该方法建立基于最小包络熵的目标优化函数,并利用北方苍鹰优化算法(n... 针对快速集合经验模态分解(fast ensemble empirical mode decomposition,FEEMD)方法信噪分离不准确的问题,提出一种优化FEEMD与相似度量的滚动轴承故障特征提取方法。该方法建立基于最小包络熵的目标优化函数,并利用北方苍鹰优化算法(northern goshawk optimization,NGO)确定FEEMD的模型参数后,利用优化后的FEEMD将滚动轴承振动信号分解为多个本征模态函数分量和残余项,融合形态波动一致性偏移距离(morphology fluctuation conformance deviation distance,MFCDD)指标筛选有效分量进行重构,最后对重构信号进行Hilbert包络解调,完成滚动轴承故障特征提取。试验结果表明,所提方法相比变分模态分解方法、峭度分量选取方法、改进的完备集合经验模态分解联合豪斯多夫距离与峭度值方法,信噪比分别平均提升了1.75、12.2639、2.0605 dB,均方根误差分别降低了0.0078、0.0430、0.0656,能够更加清晰、全面地提取出故障特征频率及其倍频。 展开更多
关键词 滚动轴承 故障特征提取 集合经验模态分解 相似性 北方苍鹰算法
在线阅读 下载PDF
基于EMD小波降噪的螺杆泵共振转速识别方法
11
作者 赵海洋 张宇 +2 位作者 张晓娟 袁瑜 张晨曦 《石油机械》 北大核心 2025年第5期102-109,共8页
螺杆泵抽油杆共振现象可导致驱动装置承载能力下降、油管与油池密封性降低、抽油杆偏磨断裂等事故,已成为影响安全生产运行的主要因素。在生产过程中可通过控制抽油杆工作转速以避免共振现象。而理论共振转速受实际工况影响存在计算结... 螺杆泵抽油杆共振现象可导致驱动装置承载能力下降、油管与油池密封性降低、抽油杆偏磨断裂等事故,已成为影响安全生产运行的主要因素。在生产过程中可通过控制抽油杆工作转速以避免共振现象。而理论共振转速受实际工况影响存在计算结果偏差问题。为此,提出了一种基于振动信号特征提取的螺杆泵共振转速识别方法。开展地面直驱螺杆泵共振转速振动测试,建立变转速工况振动信号数据集,通过引入评价方法——标准分数(Z-score),优选峭度因子作为共振转速特征识别指标,并在此基础上提出一种基于经验模态分解(Empirical Mode Decomposition,EMD)小波的振动信号降噪方法,实现对螺杆泵共振状态特征信息的有效提取,从而提高抽油杆实际共振转速识别精度。研究结果可为螺杆泵的安全稳定运行提供技术支撑。 展开更多
关键词 地面直驱螺杆泵 共振转速 经验模态分解 软阈值小波降噪 特征提取
在线阅读 下载PDF
渐进式分层特征提取的综合能源多任务负荷预测
12
作者 王德文 安涵 +1 位作者 张林飞 赵文清 《智能系统学报》 北大核心 2025年第4期858-870,共13页
针对综合能源系统中电、冷、热负荷存在复杂耦合关系,传统多任务学习模型难以学习到有效的多元负荷耦合特征可能导致预测精度降低的问题,本文充分考虑多元负荷复杂耦合关系,提出一种渐进式分层特征提取的综合能源多任务负荷预测模型。... 针对综合能源系统中电、冷、热负荷存在复杂耦合关系,传统多任务学习模型难以学习到有效的多元负荷耦合特征可能导致预测精度降低的问题,本文充分考虑多元负荷复杂耦合关系,提出一种渐进式分层特征提取的综合能源多任务负荷预测模型。将全年数据按季节划分,分析各季节下电、冷、热负荷间耦合强度;采用变分模态分解将历史负荷序列分解为多个不同频率的分量,可以更好挖掘多元负荷的深层时序特征;渐进式分层提取多元负荷的耦合特征,并动态分配耦合特征对预测结果的影响权重,避免耦合特征无效时模型预测精度下降。实验结果证明,在不同的多元负荷耦合强度下,渐进式分层特征提取的多任务负荷预测在精度上有更好表现。研究结论可用于指导综合能源多元负荷预测过程。 展开更多
关键词 负荷预测 综合能源 多任务学习 多元负荷 渐进式分层 特征提取 最大信息系数 变分模态分解
在线阅读 下载PDF
低信噪比条件下目标螺旋桨参数估计方法
13
作者 韩闯 冷冰 +1 位作者 兰朝凤 邢博闻 《电子与信息学报》 北大核心 2025年第7期2149-2162,共14页
螺旋桨广泛应用于各类航空与航海设备中,如无人机、直升机以及水下舰船,尤其在水下目标探测中,目标的螺旋桨能提供丰富的特征信息。螺旋桨的微动产生的微多普勒频率能够反映其结构和动态行为,成为识别海洋目标的重要指标。准确识别水下... 螺旋桨广泛应用于各类航空与航海设备中,如无人机、直升机以及水下舰船,尤其在水下目标探测中,目标的螺旋桨能提供丰富的特征信息。螺旋桨的微动产生的微多普勒频率能够反映其结构和动态行为,成为识别海洋目标的重要指标。准确识别水下目标螺旋桨的参数,如桨叶数目、桨叶长度以及转速等,对于目标的身份识别具有重要意义。然而,水下探测环境复杂多变,杂波干扰成为常态,对微动特征精准提取构成了挑战,尤其是强杂波背景下,信号处理的难度显著增加。以水下目标螺旋桨参数识别为例,该文针对低信噪比条件下螺旋桨参数估计的挑战,提出一种基于复数域变分模态分解(CVMD)和正交匹配追踪(OMP)算法的新方法。首先分析了螺旋桨回波信号的复杂特性,探讨了传统方法在噪声环境下的局限性。随后,引入CVMD算法对信号进行分解和去噪处理,有效提高了信号的分离能力和抗噪声能力。通过时频分析获取目标闪烁参数,并将其作为先验信息对稀疏字典进行降维处理,降低正交匹配追踪算法的运算量,提高了微动特征参数的估计精度,利用OMP算法,精确提取了螺旋桨的微多普勒特征,实验结果验证了方法的有效性和稳定性。最后,比较了CVMD-OMP方法与传统方法在不同信噪比条件下的性能表现,展示了其在水下声学目标识别中的应用潜力和优势。 展开更多
关键词 微多普勒 信号去噪 特征提取 复数域变分模态分解 正交匹配追踪
在线阅读 下载PDF
融合特征下的双流CNN的制动蠕动颤振评价 被引量：1
14
作者 李阳 靳畅 +1 位作者 李天舒 顾鼎元 《振动与冲击》 北大核心 2025年第1期134-142,189,共10页
针对车辆蠕动颤振主观评价方法效率低、耗时长、测试流程复杂的问题,研究了蠕动颤振信号的时序特征和时频域特征提取方法,将2D-CNN的空间处理能力与1D-CNN的时序处理能力相结合,提出一种融合特征下的双流卷积神经网络的蠕动颤振评价方... 针对车辆蠕动颤振主观评价方法效率低、耗时长、测试流程复杂的问题,研究了蠕动颤振信号的时序特征和时频域特征提取方法,将2D-CNN的空间处理能力与1D-CNN的时序处理能力相结合,提出一种融合特征下的双流卷积神经网络的蠕动颤振评价方法。一条支路的输入为经过变分模态分解提取的时间序列特征,另一条支路的输入为经过快速傅里叶变换提取的图像特征,将一维时序特征与高维图像特征融合,训练模型进行评分。该方法通过融合不同模态的信息,充分捕捉蠕动颤振的局部波形特征和空间纹理特征。结果表明,融合两种特征的评分模型的八分类准确率达87.13%,验证了特征融合方法在蠕动颤振评价上的有效性。 展开更多
关键词 卷积神经网络(CNN) 融合特征 变分模态分解(VMD) 蠕动颤振
在线阅读 下载PDF
基于CEEMDAN-WTD-DBO的轴承振动信号降噪方法 被引量：1
15
作者 吴云飞 龙江 +1 位作者 魏友 曾信凌 《现代电子技术》 北大核心 2025年第6期91-98,共8页
针对高噪声环境下难以提取轴承故障频率特征的问题,提出一种结合完备集合经验模态分解(CEEMDAN)、小波阈值降噪(WTD)和蜣螂优化算法(DBO)的方法。使用CEEMDAN将信号分解成多个固有模态函数(IMFs),并根据综合评价指标对IMFs信号进行选取... 针对高噪声环境下难以提取轴承故障频率特征的问题,提出一种结合完备集合经验模态分解(CEEMDAN)、小波阈值降噪(WTD)和蜣螂优化算法(DBO)的方法。使用CEEMDAN将信号分解成多个固有模态函数(IMFs),并根据综合评价指标对IMFs信号进行选取;随后使用WTD对选取的信号进行降噪处理,使用DBO对改进的阈值函数的参数进行自适应选取,在有效减小噪声水平后进行信号重组。将重组信号进行包络谱分析,得出所提方法能有效地对信号进行降噪与故障特征提取。将该方法应用于滚动轴承的仿真信号和实际轴承数据,结果表明,基于参数优化的CEEMDAN-WTD-DBO方法相较于传统的单一降噪方法,在减少随机噪声与提取故障特征频率能力方面表现更出色。 展开更多
关键词 滚动轴承 振动信号 小波阈值降噪 模态分解 蜣螂优化算法 包络谱 故障特征提取
在线阅读 下载PDF
基于逐次变分模态分解的液压轴向柱塞泵故障特征提取方法
16
作者 马景涛 汤胜楠 +2 位作者 朱勇 周涛 郑智剑 《液压与气动》 北大核心 2025年第3期100-110,共11页
当液压轴向柱塞泵关键摩擦副出现故障时,其振动信号会出现调制现象,振动信号中的故障调制特征与特定的故障类型形成对应关系,通过信号分解可以从振动信号中提取出故障特征,进而用于故障诊断。以液压轴向柱塞泵为研究对象,利用变分模态... 当液压轴向柱塞泵关键摩擦副出现故障时,其振动信号会出现调制现象,振动信号中的故障调制特征与特定的故障类型形成对应关系,通过信号分解可以从振动信号中提取出故障特征,进而用于故障诊断。以液压轴向柱塞泵为研究对象,利用变分模态分解和逐次变分模态分解分别对不同的仿真信号在含噪的情况下进行分解重构,综合对比了两种算法在分解性能方面的差异;最后将两种算法用于实测振动信号的故障特征提取中。结果表明:两种算法均适用于液压轴向柱塞泵的故障特征提取;逐次变分模态分解能更精确地重构出与柱塞泵故障高度相关的有效分量;变分模态分解提取到的有效分量幅值衰减更小,对微弱故障特征更加敏感。 展开更多
关键词 液压轴向柱塞泵 故障诊断 故障特征提取 变分模态分解 逐次变分模态分解
在线阅读 下载PDF
结合EMD和FWHT的构音障碍语音特征增强算法
17
作者 朱婷 段淑斐 +2 位作者 DINGAM Camille 梁慧芝 张卫 《声学技术》 北大核心 2025年第2期239-251,共13页
传统声学特征易忽略语音的非线性、非平稳特性并且不能同时提取患者声道、声带的病理特性,导致识别模型性能不佳。因此文章提出了一种结合经验模态分解和快速沃尔什-哈达玛变换的构音障碍语音特征增强算法。首先,采用快速傅里叶变换处... 传统声学特征易忽略语音的非线性、非平稳特性并且不能同时提取患者声道、声带的病理特性,导致识别模型性能不佳。因此文章提出了一种结合经验模态分解和快速沃尔什-哈达玛变换的构音障碍语音特征增强算法。首先,采用快速傅里叶变换处理语音后,引入经验模态分解自适应提取其本征模态函数;其次,进行快速沃尔什-哈达玛变换;接着,提取基于本征模态函数的统计学特征以及功率谱密度、伽马通频率倒谱系数的增强特征;最后,在UA Speech和TORGO数据库上进行病情分级研究,并引入了非平衡分类算法评估。结果表明,该算法对比传统特征在病理语音分级研究上是有效的,在考虑类间不平衡后,识别准确率至少提高了12.18个百分点。由此,该算法可以更充分表征构音障碍语音特性,对其非平衡性、非线性特性及缺乏同时表征声带和声道中局部病理信息的问题具有一定的改善作用。 展开更多
关键词 构音障碍 特征增强 经验模态分解 沃尔什-哈达玛变换 病理语音
在线阅读 下载PDF
强舰船干扰条件下的无人水下航行器目标特征稳健提取方法
18
作者 王仪 许枫 杨娟 《应用声学》 北大核心 2025年第3期685-692,共8页
针对强舰船干扰条件下无人水下航行器(UUV)螺旋桨边带频率提取困难问题,提出一种基于变分模态分解改进的DEMON谱分析法,用于对UUV螺旋桨边带频率估计。利用变分模态分解自适应构造的最优维纳滤波,提升抗噪能力的同时代替人为选取包络调... 针对强舰船干扰条件下无人水下航行器(UUV)螺旋桨边带频率提取困难问题,提出一种基于变分模态分解改进的DEMON谱分析法,用于对UUV螺旋桨边带频率估计。利用变分模态分解自适应构造的最优维纳滤波,提升抗噪能力的同时代替人为选取包络调制噪声检测(DEMON)谱分析带通滤波器,进而提取UUV高频辐射噪声中的边带螺旋桨旋转频率。分析了用于UUV特征提取的变分模态分解参数设置,据此参数验证了该方法在实际舰船干扰下对UUV边带频率提取的有效性。并通过仿真验证了在一定信噪比舰船噪声背景下,改进算法相比于原DEMON谱分析法提取边带线谱的优势。 展开更多
关键词 UUV特征提取 变分模态分解 DEMON谱分析 舰船干扰
在线阅读 下载PDF
基于CEEMDAN与改进一维多尺度卷积神经网络结合的滚动轴承故障诊断
19
作者 马宁 赵荣珍 郑玉巧 《兰州理工大学学报》 北大核心 2025年第1期45-54,共10页
针对滚动轴承信号微弱故障特征提取困难、故障诊断依靠大量专家经验和故障识别率低等问题,提出了融合自适应噪声完备集合经验模态分解与改进一维多尺度卷积神经网络的滚动轴承故障诊断方法.首先,采用自适应噪声完备集合经验模态分解对... 针对滚动轴承信号微弱故障特征提取困难、故障诊断依靠大量专家经验和故障识别率低等问题,提出了融合自适应噪声完备集合经验模态分解与改进一维多尺度卷积神经网络的滚动轴承故障诊断方法.首先,采用自适应噪声完备集合经验模态分解对轴承信号进行消噪处理,并利用皮尔逊相关系数法对所得IMF分量进行信号重构;其次,在网络首层将大尺寸卷积核与空洞卷积结合,并引入金字塔场景解析网络提出改进的一维多尺度卷积神经网络,对故障特征信息进行提取,采用PSO算法对卷积核进行参数寻优;最后,融合多尺度特征信息完成网络学习,并输入Sofmax分类器,实现滚动轴承故障诊断.采用西储大学轴承数据集和HZXT-DS-001型双跨综合故障模拟实验台的滚动轴承故障数据进行了验证.结果表明,相比传统故障诊断方法该方法可以得到良好的诊断结果. 展开更多
关键词 自适应噪声完备集合经验模态分解 一维卷积神经网络 多尺度特征提取 特征可视化 故障诊断
在线阅读 下载PDF
基于特征模态分解及多尺度模糊散布熵的滚动轴承故障诊断
20
作者 梁翔宇 胡业林 +1 位作者 马向阳 宋晓 《科学技术与工程》 北大核心 2025年第1期176-185,共10页
针对复杂环境下的滚动轴承故障信息有效提取与辨识问题,提出一种基于特征模态分解(feature mode decomposition,FMD)及多尺度模糊散布熵(multiscale fuzzy dispersion entropy,MFDE)和斑马优化算法(zebra optimization algorithm,ZOA)... 针对复杂环境下的滚动轴承故障信息有效提取与辨识问题,提出一种基于特征模态分解(feature mode decomposition,FMD)及多尺度模糊散布熵(multiscale fuzzy dispersion entropy,MFDE)和斑马优化算法(zebra optimization algorithm,ZOA)优化支持向量机的滚动轴承故障诊断方法。为了解决FMD中关键参数不具有自适应性这一问题,以最小包络熵作为目标函数,采用白鲸优化算法(beluga whale optimization,BWO)优化FMD寻找最优参数组合,实现对故障信号的最优分解;引入多尺度模糊散布熵构建分解后不同模态下的特征向量;最后,将特征向量输入支持向量机中进行训练和识别,通过公开数据集和自制实验平台数据集验证了提出方法的有效性。 展开更多
关键词 特征模态分解 多尺度模糊散布熵 支持向量机 滚动轴承 故障诊断
在线阅读 下载PDF
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 2 … 24 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部