期刊文献+
共找到1,519篇文章
< 1 2 76 >
每页显示 20 50 100
Gear flank modification and precision control based on electronic gearbox
1
作者 TIAN Xiao-qing LU Yi-guo +5 位作者 YOU Tong-fei TANG Jian-ping RUI Xiao-yu LI Guang-hui XIA Lian HAN Jiang 《Journal of Central South University》 2025年第2期509-522,共14页
Gear flank modification is essential to reduce the noise generated in the gear meshing process,improve the gear transmission performance,and reduce the meshing impact.Aiming at the problem of solving the additional mo... Gear flank modification is essential to reduce the noise generated in the gear meshing process,improve the gear transmission performance,and reduce the meshing impact.Aiming at the problem of solving the additional motions of each axis in the higher-order topology modification technique and how to accurately add the different movements expressed in the form of higher-order polynomials to the corresponding motion axes of the machine tool,a flexible higher-order gear topology modification technique based on an electronic gearbox is proposed.Firstly,a two-parameter topology gear surface equation and a grinding model of wheel grinding gears are established,and the axial feed and tangential feed are expressed in a fifth-order polynomial formula.Secondly,the polynomial coefficients are solved according to the characteristics of the point contact when grinding gears.Finally,an improved electronic gearbox model is constructed by combining the polynomial interpolation function to achieve gear topology modification.The validity and feasibility of the modification method based on the electronic gearbox are verified by experimental examples,which is of great significance for the machining of modification gears based on the continuous generative grinding method of the worm grinding wheel. 展开更多
关键词 gear grinding topological modification polynomial interpolation electronic gearbox grinding model
在线阅读 下载PDF
Application of particle swarm optimization blind source separation technology in fault diagnosis of gearbox 被引量:5
2
作者 黄晋英 潘宏侠 +1 位作者 毕世华 杨喜旺 《Journal of Central South University》 SCIE EI CAS 2008年第S2期409-415,共7页
Blind source separation (BBS) technology was applied to vibration signal processing of gearbox for separating different fault vibration sources and enhancing fault information. An improved BSS algorithm based on parti... Blind source separation (BBS) technology was applied to vibration signal processing of gearbox for separating different fault vibration sources and enhancing fault information. An improved BSS algorithm based on particle swarm optimization (PSO) was proposed. It can change the traditional fault-enhancing thought based on de-noising. And it can also solve the practical difficult problem of fault location and low fault diagnosis rate in early stage. It was applied to the vibration signal of gearbox under three working states. The result proves that the BSS greatly enhances fault information and supplies technological method for diagnosis of weak fault. 展开更多
关键词 PSO BLIND source SEPARATION FAULT diagnosis FAULT information enhancement gearbox
在线阅读 下载PDF
Frequency Demodulation Analysis Method for Fault Diagnosis of Planetary Gearboxes 被引量:3
3
作者 FENG Zhipeng CHU Fulei 《中国电机工程学报》 EI CSCD 北大核心 2013年第11期I0016-I0016,共1页
Although envelope spectrum does not involve complicated sideband,thus has a much simpler structure than the common Fourier spectrum,it is still subject to the efect of planets passing or time variant vibration transfe... Although envelope spectrum does not involve complicated sideband,thus has a much simpler structure than the common Fourier spectrum,it is still subject to the efect of planets passing or time variant vibration transfer pams.The presence of planets passing frequency,sun gear rotating frequency,or planet carrier rotating frequency in the envelope spectrum may confuse the analysis in fault diagnosis.Therefore,it is important to look for an approach to remove the interferences caused by the efect of planets passing or time variant vibration transfer paths. 展开更多
关键词 planetary gearbox fault diagnosis frequency modulation DEMODULATION instantaneous frequency spectrum
在线阅读 下载PDF
Research on Gear-broken Fault Diagnosis in a Tank Gearbox 被引量:1
4
作者 安钢 李胜利 +1 位作者 樊新海 赵沛然 《Defence Technology(防务技术)》 SCIE EI CAS 2007年第4期251-255,共5页
A fault diagnosis method of working position gear in a tank gearbox is put forward based on simulating the fault of working position gear in an actual tank,extracting the envelope of vibration signal by Hilbert transf... A fault diagnosis method of working position gear in a tank gearbox is put forward based on simulating the fault of working position gear in an actual tank,extracting the envelope of vibration signal by Hilbert transformation amplitude demodulation method,and zooming the low-frequency band to envelope signal. 展开更多
关键词 坦克 变速箱 齿轮断裂 故障诊断 特征提取
在线阅读 下载PDF
基于ISDP和膨胀胶囊网络的风电机组齿轮箱故障诊断 被引量:2
5
作者 李俊卿 韩小平 +4 位作者 黄涛 张承志 刘若尧 何玉灵 刘雨田 《智慧电力》 北大核心 2025年第3期27-34,共8页
针对风电机组齿轮箱故障信号受多噪声、多转速影响难以处理的问题,提出一种基于优化变分模态分解(VMD)的改进对称点图(ISDP)和膨胀胶囊网络(DCapsNet)结合的故障诊断方法。首先,提出利用均方根误差和皮尔逊相关系数优化VMD最佳分解数量... 针对风电机组齿轮箱故障信号受多噪声、多转速影响难以处理的问题,提出一种基于优化变分模态分解(VMD)的改进对称点图(ISDP)和膨胀胶囊网络(DCapsNet)结合的故障诊断方法。首先,提出利用均方根误差和皮尔逊相关系数优化VMD最佳分解数量和惩罚因子的方法,并利用优化后的VMD对故障信号降噪;其次,将去噪后的故障信号转化为多通道多间隔的ISDP;最后,将ISDP输入DCapsNet进行训练。实验结果表明,所提ISDP-DCapsNet方法相比于其他故障诊断方法,具备良好的精确性和有效性。 展开更多
关键词 齿轮箱 故障诊断 变分模态分解 胶囊网络 对称点图
在线阅读 下载PDF
电机电流瞬时频率极坐标视图及其在RV齿轮箱故障诊断中的应用 被引量:2
6
作者 徐凯 伍星 +1 位作者 王东晓 柳小勤 《振动工程学报》 北大核心 2025年第6期1326-1334,共9页
电机电流监测系统凭借非侵入式、成本低的优势受到了广泛关注,但常用的电流频谱分析容易受到固有谐波以及安装误差的影响,并且高幅值基频会弱化故障特征。为了揭示齿轮故障导致的啮合刚度降低对电机电流频率调制的影响规律,建立了包含... 电机电流监测系统凭借非侵入式、成本低的优势受到了广泛关注,但常用的电流频谱分析容易受到固有谐波以及安装误差的影响,并且高幅值基频会弱化故障特征。为了揭示齿轮故障导致的啮合刚度降低对电机电流频率调制的影响规律,建立了包含故障齿轮啮合刚度的电机电流模型,并推导了瞬时频率表达式。针对传统时频分析方法瞬时频率估计精度低的缺点,提出了基于高阶同步压缩变换(HSST)的瞬时频率极坐标视图方法,用来提取齿轮故障特征。该方法通过检测与故障齿啮合周期同步的频率调制特征来直观地展示齿轮箱故障,避免了固有谐波和基频的干扰,具有齿轮故障特征的唯一性。通过对RV齿轮箱实验台的电机电流信号分析,验证了所提出电机电流模型与故障特征分布规律的准确性,以及基于HSST的瞬时频率极坐标视图的齿轮箱故障诊断方法的有效性。 展开更多
关键词 故障诊断 RV齿轮箱 电机电流分析 高阶同步压缩变换 啮合刚度 瞬时频率极坐标视图
在线阅读 下载PDF
应用于齿轮箱故障诊断的小样本图像生成方法 被引量:2
7
作者 高文超 陈一帆 +2 位作者 陈诗雨 周思杰 黄俊 《电子测量与仪器学报》 北大核心 2025年第3期246-255,共10页
行星齿轮箱是一种广泛应用于工业领域的关键传动装置,其在复杂工况和长期负荷下易出现故障。传统的故障诊断方法依赖于专家经验和昂贵设备,存在数据稀缺和诊断效率低的问题。针对这一挑战,近年来生成对抗网络(GAN)的发展为图像生成和数... 行星齿轮箱是一种广泛应用于工业领域的关键传动装置,其在复杂工况和长期负荷下易出现故障。传统的故障诊断方法依赖于专家经验和昂贵设备,存在数据稀缺和诊断效率低的问题。针对这一挑战,近年来生成对抗网络(GAN)的发展为图像生成和数据增强提供了新的解决方案。然而,现有GAN模型在处理小样本数据时,常出现语义错位和伪影问题,限制了其在智能故障诊断领域的应用潜力。为此,提出了一种基于多尺度渐进式特征融合的生成对抗网络(MSA-PF-GAN)模型,通过引入渐进式解码器结构与多尺度注意力模块,有效提升小样本条件下的图像生成质量及故障诊断精度。实验基于两个独立的行星齿轮箱故障数据集进行验证,结果显示,该方法显著降低了生成图像的FID分数,提升了诊断准确率(分别提高35%和20%)。在多种评价指标上,MSA-PF-GAN均优于其他主流方法。进一步分析表明,该模型通过渐进式特征融合和多尺度注意机制,不仅在生成图像的多样性和真实感上表现优异,还能有效增强对复杂故障特征的捕捉能力。因此,该技术在行星齿轮箱故障诊断领域具有有效的应用潜力和实际价值。 展开更多
关键词 图像生成 生成对抗网络 数据增强 齿轮箱故障诊断
在线阅读 下载PDF
多度量下ResGAT的风力发电机齿轮箱故障诊断
8
作者 李明 曹洁 +1 位作者 刘宗礼 王进花 《太阳能学报》 北大核心 2025年第6期683-690,共8页
针对现有深度学习方法在风力发电机齿轮箱故障诊断方面的特征提取和样本相似性建模局限性,提出一种多种距离度量下残差连接的图注意力网络(ResGAT)。该方法构建全连接图以生成邻接矩阵,并结合多种距离度量方法,充分挖掘样本之间的相似... 针对现有深度学习方法在风力发电机齿轮箱故障诊断方面的特征提取和样本相似性建模局限性,提出一种多种距离度量下残差连接的图注意力网络(ResGAT)。该方法构建全连接图以生成邻接矩阵,并结合多种距离度量方法,充分挖掘样本之间的相似性。利用图注意力网络进行节点特征聚合,结合残差连接以减轻模型梯度消失风险。进一步地,在Adam优化器中融入L2正则化及偏置校正,以降低过拟合问题。实验结果显示,ResGAT方法在WT-Planetary gearbox dataset齿轮箱数据集上能有效提取样本间相似性,并在风力发电机齿轮箱故障诊断上展现出优异性能。 展开更多
关键词 风力发电机 齿轮箱 故障诊断 深度学习 图注意力网络 过拟合
在线阅读 下载PDF
基于时域同步平均的Circular图分析方法及齿轮故障智能诊断研究
9
作者 胥永刚 张翼飞 +1 位作者 孙国栋 张坤 《机械强度》 北大核心 2025年第6期11-16,共6页
齿轮Circular图是用于与时域同步平均(Time Synchronous Averaging,TSA)相结合的一种结果呈现方法,可以将TSA提取到的齿轮啮合振动波形直观、清晰地展现出来。针对齿轮Circular图绘制参数设置和其缺少量化指标的问题,提出了用于波形边... 齿轮Circular图是用于与时域同步平均(Time Synchronous Averaging,TSA)相结合的一种结果呈现方法,可以将TSA提取到的齿轮啮合振动波形直观、清晰地展现出来。针对齿轮Circular图绘制参数设置和其缺少量化指标的问题,提出了用于波形边缘识别的F_(i)指标和基于Hu氏不变矩的Y_(i)指标。首先,使用TSA算法提取出齿轮啮合振动信号,通过计算最小F_(i)指标确定振动信号波形的上、下边缘;其次,利用上、下边缘参数绘制齿轮Circular图;再次,将齿轮Circular图分割为4个部分,通过计算分割后图片的Hu氏不变矩得到齿轮Circular图的Y_(i)指标;最后,基于从齿轮Circular图中提取出的Y_(i)和F_(i)指标,使用K最近邻(K-Nearest Neighbor,KNN)分类器对齿轮振动信号进行分类。仿真信号及齿轮断齿、裂纹故障信号的处理结果表明了该方法的有效性。 展开更多
关键词 齿轮箱 齿轮Circular图 特征指标 智能故障诊断
在线阅读 下载PDF
基于MTF-DCGAN的齿轮箱故障诊断方法研究
10
作者 杨敏 孙文磊 +4 位作者 刘志远 钟荟玄 辜英政 王云浩 张宇 《机床与液压》 北大核心 2025年第12期17-24,共8页
为解决齿轮箱故障诊断过程中因样本分布不均衡导致的模型泛化性能不足和识别准确度不高的问题,提出基于MTF-DCGAN和改进EfficientNet网络的故障诊断方法。根据马尔可夫转移场(MTF)图像编码原理将收集的一维振动信号转换成二维可视化图像... 为解决齿轮箱故障诊断过程中因样本分布不均衡导致的模型泛化性能不足和识别准确度不高的问题,提出基于MTF-DCGAN和改进EfficientNet网络的故障诊断方法。根据马尔可夫转移场(MTF)图像编码原理将收集的一维振动信号转换成二维可视化图像,按比例划分训练集和测试集;将训练集数据与随机向量输入至深度卷积生成对抗网络(DCGAN)模型中,交替训练生成器和判别器直至实现纳什均衡,生成与原始样本特征相似的新增样本,以此扩充故障数据集;最后,对EfficientNet的MBConv模块数量和激活函数进行改进,并将原始样本及增广后的样本集导入改进后的EfficientNet中进行特征提取,实现齿轮箱故障的识别与分类。结果表明:所提方法显著提高了样本不均衡情况下齿轮箱故障的诊断准确率,具有维度变换简单和模型参数量小的优势,加快了收敛速率。 展开更多
关键词 故障诊断 马尔可夫转移场 深度卷积生成对抗网络 改进EfficientNet 齿轮箱
在线阅读 下载PDF
基于RTSWMFE,IS-GSE与COOT-SVM的行星齿轮箱故障诊断 被引量:1
11
作者 戚晓利 杨艳 +1 位作者 崔创创 程主梓 《振动.测试与诊断》 北大核心 2025年第1期132-139,205,共9页
针对行星齿轮箱特征提取困难的问题,提出一种基于精细时移加权多尺度模糊熵(refined time⁃shift weighted multiscale fuzzy entropy,简称RTSWMFE)、改进监督型几何和统计保持流形嵌入(improved supervised geometry and statistics⁃pre... 针对行星齿轮箱特征提取困难的问题,提出一种基于精细时移加权多尺度模糊熵(refined time⁃shift weighted multiscale fuzzy entropy,简称RTSWMFE)、改进监督型几何和统计保持流形嵌入(improved supervised geometry and statistics⁃preserving manifold embedding,简称IS⁃GSE)和白骨顶优化算法支持向量机(coot optimization algorithm support vector machine,简称COOT⁃SVM)的行星齿轮箱故障诊断方法。首先,利用RTSWMFE提取高维故障特征信息;其次,采用IS⁃GSE对高维特征进行降维,提取出敏感、低维的特征;最后,将低维特征输入COOT⁃SVM中进行识别分类。行星齿轮箱故障诊断实验结果表明:IS⁃GSE方法采用余弦相似度与欧式距离相结合的距离度量方式,并融入监督学习思想,降维效果较佳;COOT⁃SVM方法对经RTSWMFE和IS⁃GSE二次提取的故障特征识别精度达到100%。 展开更多
关键词 故障诊断 行星齿轮箱 精细时移加权多尺度模糊熵 改进监督型几何和统计保持流形嵌入 白骨顶优化算法优化支持向量机
在线阅读 下载PDF
风电增速箱圆锥滚子轴承弹流脂润滑状态研究
12
作者 陈龙 李伦 +2 位作者 薛玉君 李玉川 黄伟 《现代制造工程》 北大核心 2025年第4期109-115,150,共8页
针对风电增速箱圆锥滚子轴承(FD-306/1025/YB)的弹流脂润滑(EHL)状态展开研究。利用旋转流变仪对Mobil SHC 460 WT润滑脂在不同温度下的剪切应力和黏度随剪切速率的变化进行测试,并结合非牛顿流体Herschel-Bulkley模型,拟合出对应的流... 针对风电增速箱圆锥滚子轴承(FD-306/1025/YB)的弹流脂润滑(EHL)状态展开研究。利用旋转流变仪对Mobil SHC 460 WT润滑脂在不同温度下的剪切应力和黏度随剪切速率的变化进行测试,并结合非牛顿流体Herschel-Bulkley模型,拟合出对应的流变参数;基于有限差分法建立大功率风电增速箱圆锥滚子轴承线接触弹流脂润滑模型,对其在不同转速、载荷及温度工况下的油膜厚度及润滑状态进行分析。结果表明,随着剪切速率的增加和温度的上升,润滑脂的黏度降低,具有明显的剪切稀化和黏温特性;轴承转速的提高、载荷的减小和温度的降低,都会使滚子-滚道间整体膜厚增加,膜厚比增大,润滑状态得到改善,高转速工况下轴承膜厚比受温度影响的程度更大,润滑状态变化得更显著。 展开更多
关键词 风电增速箱 圆锥滚子轴承 弹流脂润滑 油膜厚度 载荷 转速 温度
在线阅读 下载PDF
机械-惯性载荷作用下航发齿轮传动壳体拓扑优化
13
作者 黄昊 夏静贵 +2 位作者 吴俊佑 卢泽华 刘怀举 《重庆大学学报》 北大核心 2025年第5期15-27,共13页
航发齿轮传动机匣在恶劣服役工况和复杂载荷条件下,要求壳体具备轻量化特征,轴承孔错位量作为机匣的关键评价指标,如何保证错位量同时实现轻量化成为一大挑战。文中基于SIMP插值惩罚模型提出了一种考虑机械-惯性载荷作用的航发齿轮传动... 航发齿轮传动机匣在恶劣服役工况和复杂载荷条件下,要求壳体具备轻量化特征,轴承孔错位量作为机匣的关键评价指标,如何保证错位量同时实现轻量化成为一大挑战。文中基于SIMP插值惩罚模型提出了一种考虑机械-惯性载荷作用的航发齿轮传动壳体拓扑优化方法,将惯性过载对机匣附件所产生的影响加入优化模型,以壳体应力、危险轴承孔中心错位量和优化区域体积分数为约束条件,不同工况下的壳体加权柔顺度最小为目标,实现壳体减重7.1%的同时,Von Mises应力、变形量和危险轴承孔中心错位量最大分别下降7.1%、3.1%和12.1%。 展开更多
关键词 航空发动机 附件机匣 结构设计 齿轮传动 拓扑优化
在线阅读 下载PDF
基于两轴TVF-EMD残差信号行星齿轮箱故障诊断方法
14
作者 甄冬 桂慧震 +3 位作者 肖东泽 冯国金 景鸿翔 谷丰收 《噪声与振动控制》 北大核心 2025年第6期132-138,共7页
时变滤波经验模态分解(Time Varying Filtering Based Empirical Mode Decomposition,TVF-EMD)是通过利用残差信号递归地将输入信号分解为若干个本征模态函数(Intrinsic mode functions,IMFs),信号中的故障分量通常是利用这些IMFs来识别... 时变滤波经验模态分解(Time Varying Filtering Based Empirical Mode Decomposition,TVF-EMD)是通过利用残差信号递归地将输入信号分解为若干个本征模态函数(Intrinsic mode functions,IMFs),信号中的故障分量通常是利用这些IMFs来识别的,但若完成整个分解过程,往往需要耗费大量时间。因此,通过监测分解过程中残差信号的时域指标来限制其迭代次数,进而利用残差信号替代IMFs识别故障分量,可在保证降噪效果的同时减少计算量;并且利用两轴信号进一步提高信号的信噪比。通过在不同转速和负载工况下与完整TVF-EMD、变分模态分解(Variational Mode Decomposition,VMD)等方法进行对比,证明所提方法在提升降噪性能的同时能够减少所需计算量。 展开更多
关键词 故障诊断 时变滤波经验模态分解 残差信号 两轴信号 行星齿轮箱
在线阅读 下载PDF
蜉蝣优化双通道网络在齿轮箱故障诊断中的应用
15
作者 于宁 魏沉潜 +2 位作者 田立勇 赵建军 于晓涵 《西安交通大学学报》 北大核心 2025年第5期217-228,共12页
为了有效提取齿轮箱中齿轮和滚动轴承的故障信号特征,并克服深度学习模型超参数选取依赖人工经验的局限性,提高故障诊断的准确性和稳定性,提出了一种基于蜉蝣算法(MA)优化的双通道神经网络故障诊断模型。该模型采用一维时序输入的门控... 为了有效提取齿轮箱中齿轮和滚动轴承的故障信号特征,并克服深度学习模型超参数选取依赖人工经验的局限性,提高故障诊断的准确性和稳定性,提出了一种基于蜉蝣算法(MA)优化的双通道神经网络故障诊断模型。该模型采用一维时序输入的门控循环单元(GRU)和二维图像输入的卷积神经网络(CNN)构建双通道并行架构,并引入自适应批标准化(AdaBN)算法。利用MA的全局优化能力,以CNN-GRU的诊断精度为优化目标,自适应调整模型超参数。将蜉蝣算法优化效果与粒子群算法和遗传算法进行了对比验证,以评估其在模型参数优化方面的有效性。基于东南大学齿轮箱数据集和凯斯西储大学轴承数据集的实验结果表明:该模型能够有效提取振动信号特征,其故障识别精度与稳定性均优于典型深度学习模型,并展现出较强的鲁棒性。在稳态工况下,优化后的CNN-GRU(MA-CNN-GRU)模型在各数据集上的识别精度显著提高;在噪声工况下,MA优化的CNN-GRU模型表现出优异的抗噪性;在变负载工况下,结合AdaBN算法的MA-CNN-GRU模型实现了最高的平均识别精度。所提模型能够高效、准确地检测齿轮箱故障,为机械设备的维护和稳定运行提供了重要的参考价值。 展开更多
关键词 故障诊断 齿轮箱 门控循环单元 卷积神经网络 蜉蝣算法
在线阅读 下载PDF
基于HHO-MLP神经网络的变工况下齿轮箱故障诊断方法研究
16
作者 蒋章雷 郑威 +3 位作者 门大超 刘秀丽 查振栋 李子涵 《制造技术与机床》 北大核心 2025年第5期29-35,共7页
针对变工况下齿轮箱故障信号复杂多变导致故障诊断困难的问题,提出了一种基于哈里斯鹰优化器(Harris hawk optimizer,HHO)优化多层感知机(multi-layer perception,MLP)神经网络的故障诊断方法。首先,采用均方根-均值(root mean square-m... 针对变工况下齿轮箱故障信号复杂多变导致故障诊断困难的问题,提出了一种基于哈里斯鹰优化器(Harris hawk optimizer,HHO)优化多层感知机(multi-layer perception,MLP)神经网络的故障诊断方法。首先,采用均方根-均值(root mean square-mean,RMS-MEAN)方法对齿轮箱故障振动信号进行预处理,以降低随机变工况对不同振动信号的影响;其次,引入变工况修正因子k,利用HHO对MLP的超参数进行自动优化,增强振动信号中的周期性特征,构造变工况下最优的MLP网络结构;最后,将特征增强数据输入HHO-MLP中进行故障诊断。通过MCC5-THU齿轮箱故障数据集验证,该方法在变工况下对齿轮箱故障的诊断性能显著优于其他模型,故障分类的准确率可达97.5%,这说明了其在变工况下的有效性。 展开更多
关键词 齿轮箱 变工况 哈里斯鹰优化器 多层感知机 故障诊断
在线阅读 下载PDF
基于MPDCNN的强噪声环境下船舶电力推进器齿轮箱故障诊断方法
17
作者 尚前明 蒋婉莹 +2 位作者 周毅 王正强 孙钰波 《中国舰船研究》 北大核心 2025年第2期30-38,共9页
[目的]针对旋转机械在实际工作中因噪声干扰而导致的故障诊断性能下降问题,为提高振动信号的故障特征提取质量和故障诊断能力,提出基于Mel-frequency倒谱系数(MFCC)的并行双通道卷积神经网络(PDCNN)故障诊断方法。[方法]利用MFCC提取含... [目的]针对旋转机械在实际工作中因噪声干扰而导致的故障诊断性能下降问题,为提高振动信号的故障特征提取质量和故障诊断能力,提出基于Mel-frequency倒谱系数(MFCC)的并行双通道卷积神经网络(PDCNN)故障诊断方法。[方法]利用MFCC提取含噪声的振动信号特征,同时设计一种新型并行双通道卷积神经网络结构,并利用该网络进一步挖掘数据的全局特征及更深层次的微小特征,从而提高该方法在强噪声环境下的诊断性能。[结果]不同噪声环境下的实验评估结果表明,该方法在强噪声环境下的故障诊断精度高于98%,其抗噪性能和诊断性能均明显优于其他传统方法。[结论]研究成果可为强噪声环境下的齿轮箱故障诊断提供参考。 展开更多
关键词 船舶电力推进 齿轮箱 故障分析 故障诊断 特征提取 梅尔频率倒谱系数 卷积神经网络
在线阅读 下载PDF
基于多核并行RFECV-GNB的风电机组齿轮箱故障诊断方法
18
作者 王进花 袁山钦 曹洁 《太阳能学报》 北大核心 2025年第4期550-558,共9页
针对深度学习的风电机组齿轮箱诊断方法在噪声环境下的鲁棒性较差且在带标签的样本不足时存在诊断精度较低的问题,提出基于RFECV-GNB风电机组齿轮箱故障诊断方法。该方法结合了交叉验证递归特征消除法(RFECV)在故障数据较少时能有效挖... 针对深度学习的风电机组齿轮箱诊断方法在噪声环境下的鲁棒性较差且在带标签的样本不足时存在诊断精度较低的问题,提出基于RFECV-GNB风电机组齿轮箱故障诊断方法。该方法结合了交叉验证递归特征消除法(RFECV)在故障数据较少时能有效挖掘故障信号的本质特征,以及高斯朴素贝叶斯(GNB)快速高效的性能进行风电机组齿轮箱的故障诊断。同时,针对RFECV训练时间较长这一问题,提出一种基于CPU并行的任务“打包”算法来提高诊断模型的训练速度。该方法通过超额分配逻辑CPU(LCPU)的方式,实现了LCPU之间工作的有效平衡,以此缩短建模时间。最终,通过多个故障数据集进行实验验证,结果表明在相同故障样本数量下,所提方法与传统方法相比,在诊断精度和建模速度上具有明显优势。 展开更多
关键词 风电机组 齿轮箱 故障诊断 贝叶斯定理 特征选择 CPU并行
在线阅读 下载PDF
基于加权子域自适应对抗网络的齿轮箱变工况故障诊断
19
作者 张慧云 左芳君 +1 位作者 余熹 杨婷 《机械强度》 北大核心 2025年第3期96-103,共8页
实际工程中齿轮箱受复杂多变的运行环境影响,导致单一振动信号难以准确有效地表征齿轮箱在不同工况下的故障信息。为此,提出了一种基于加权子域自适应对抗网络的齿轮箱变工况故障诊断方法。首先,采用多源异构信号融合策略,将振动信号时... 实际工程中齿轮箱受复杂多变的运行环境影响,导致单一振动信号难以准确有效地表征齿轮箱在不同工况下的故障信息。为此,提出了一种基于加权子域自适应对抗网络的齿轮箱变工况故障诊断方法。首先,采用多源异构信号融合策略,将振动信号时频图、电流信号格拉姆矩阵和红外热力图转换为多通道数据集,从不同视角描述齿轮箱运行状态;其次,构建嵌入高效通道注意力机制(Efficient Channel Attention,ECA)的自校正卷积神经网络(Self-calibrated Convolutions Network,SCNet)作为特征提取器,动态调整多源异构信号间相互作用和依赖关系,平衡源域和目标域的多源异构数据间尺度差异;再次,在特征提取器和域判别器进行对抗训练的同时,引入最大均值差异(Maximum Mean Discrepancy,MMD)和线性判别分析(Linear Discriminant Analysis,LDA)衡量当前跨域任务特征表示的域对齐程度及诊断任务决策边界,并构造动态平衡因子实时调整域对齐损失和类分辨性损失,有效地对齐源域和目标域每个类空间。最后,通过采集的齿轮箱变工况故障数据集进行验证。结果表明,所提方法在不同工况的诊断精度均达到95%以上,证明了所提方法的可行性和有效性。 展开更多
关键词 齿轮箱 不同工况 故障诊断 数据融合 域自适应
在线阅读 下载PDF
基于MC2DCNN-LSTM模型的齿轮箱全故障分类识别模型
20
作者 陈蓉 王磊 《机电工程》 北大核心 2025年第2期287-297,共11页
针对轧机齿轮箱结构复杂、故障信号识别困难、故障部位分类不清等难题,提出了一种基于多通道二维卷积神经网络(MC2DCNN)与长短期记忆神经网络(LSTM)特征融合的故障诊断方法。首先,设计了一种三通道混合编码的二维样本结构,以达到故障识... 针对轧机齿轮箱结构复杂、故障信号识别困难、故障部位分类不清等难题,提出了一种基于多通道二维卷积神经网络(MC2DCNN)与长短期记忆神经网络(LSTM)特征融合的故障诊断方法。首先,设计了一种三通道混合编码的二维样本结构,以达到故障识别与分类目的,对齿轮箱典型故障进行了自适应分类;其次,该模型将齿轮箱的垂直、水平和轴向三个方向的振动信号融合构造输入样本,结合了二维卷积神经网络与长短时记忆神经网络的优势,设计了与之对应的二维卷积神经网络结构,其相较于传统的单通道信号包含了更多的状态信息;最后,分析了轧制过程数据和已有实验数据,对齿轮故障和齿轮箱全故障进行了特征识别和分类,验证了该模型的准确率。研究结果表明:模型对齿轮箱齿面磨损、齿根裂纹、断齿以及齿面点蚀等典型故障识别的平均准确率达到95.9%,最高准确率为98.6%;相较于单通道信号,多通道信号混合编码方式构造的分类样本极大地提升了神经网络分类的准确性,解调出了更丰富的故障信息。根据轧制过程中的运行数据和实验台数据,验证了该智能诊断方法较传统方法在分类和识别准确率上更具优势,为该方法的工程应用提供了理论基础。 展开更多
关键词 高精度轧机齿轮箱 智能故障诊断 多通道二维卷积神经网络 长短期记忆神经网络 数据分类
在线阅读 下载PDF
上一页 1 2 76 下一页 到第
使用帮助 返回顶部