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101篇文章
< 1 2 … 6 >
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：
基于VMD-MCKD的微弱故障信号降噪及冲击特征增强方法 被引量：1
1
作者 费红博 张超 +2 位作者 吴乐 徐帅 张敬 《机电工程》 北大核心 2025年第2期237-246,共10页
针对强噪声背景下滚动轴承早期故障冲击信号微弱,故障特征难以提取的问题,提出了一种基于参数自适应变分模态分解(VMD)与最大相关峭度解卷积(MCKD)的滚动轴承故障诊断方法(微弱故障信号降噪及冲击特征增强方法)。首先,采用时频域差值信... 针对强噪声背景下滚动轴承早期故障冲击信号微弱,故障特征难以提取的问题,提出了一种基于参数自适应变分模态分解(VMD)与最大相关峭度解卷积(MCKD)的滚动轴承故障诊断方法(微弱故障信号降噪及冲击特征增强方法)。首先,采用时频域差值信息引导VMD,并引入相似系数差值和能量差值比作为迭代收敛条件,重新设定了适用于信号分解的终止准则;然后,采用改进的减法平均优化算法,对MCKD中的解卷周期T、移位数M和滤波器长度L进行了优化,确保了参数组合的最佳性;借助MCKD方法的冲击特征提取能力,精确获取了目标周期性冲击信号;最后,依托内蒙古科技大学机械工程学院配备的HZXT-DS-003型双跨转子滚动轴承试验台,构建了故障轴承数据集,对基于VMD-MCKD的滚动轴承故障诊断方法的有效性进行了验证。研究结果表明:采用该方法能有效抑制噪声,显著增强信号的周期冲击特性、故障特征频率及其倍频,从而完成了对滚动轴承早期微弱故障的准确诊断;与其他方法相比,该方法在频谱中更为突出地展现故障特征频率及其倍频峰值,且信噪比提升了78%;此外,即使在不同信噪比的噪声环境下,该方法仍能保持卓越的信号处理能力。 展开更多
关键词 滚动轴承 早期故障特征 变分模态分解 最大相关峭度解卷积 参数自适应 周期性冲击信号
在线阅读 下载PDF
基于ASA-MCKD的IAS信号针齿故障特征提取研究
2
作者 张佳鑫 郭瑜 《机电工程》 北大核心 2025年第6期1110-1117,共8页
针对工业机器人旋转矢量(RV)减速器低速级非完整周期旋转工况下,针齿故障特征提取困难的问题,提出了一种基于角度同步平均(ASA)和自适应最大相关峭度解卷积(MCKD)增强包络的瞬时角速度信号(IAS)的RV减速器针齿故障特征提取方法。首先,... 针对工业机器人旋转矢量(RV)减速器低速级非完整周期旋转工况下,针齿故障特征提取困难的问题,提出了一种基于角度同步平均(ASA)和自适应最大相关峭度解卷积(MCKD)增强包络的瞬时角速度信号(IAS)的RV减速器针齿故障特征提取方法。首先,采用了向前差分法将编码器原信号转化为角度域的IAS信号,对IAS信号进行了角域同步平均处理,提高了信号信噪比;然后,采用边带信噪比指标选择了最优的解调频带,设计了带通滤波器,对平均后的信号进行了滤波,根据故障特征指标自适应选取了最优MCKD参数;最后,对滤波后的信号进行了故障特征增强,对增强后的信号进行了包络解调阶次分析,提取了针齿故障特征。研究结果表明:根据边带信噪比指标选取了中心频率为1560×,带宽为80×的带通滤波器,采用故障特征指标选择MCKD最优滤波器长度为258,并采用该方法对针齿故障信号处理后能观察到40×及其谐波的特征阶次,可有效提取RV减速器低速级非完整周期旋转工况下的针齿故障特征。与其他同类方法相比,MCKD方法在识别故障类型方面具有先进性。 展开更多
关键词 旋转矢量减速器 针齿故障 角度同步平均 最大相关峭度解卷积 瞬时角速度信号 特征阶次计算
在线阅读 下载PDF
基于VME与MCKD的齿轮箱中速轴故障诊断方法研究
3
作者 季晓龙 赵芡莹 +3 位作者 罗智 王祖达 蔡海洋 张震 《中国工程机械学报》 北大核心 2025年第3期543-547,共5页
在行星级齿轮箱故障诊断方法研究中,通常采用高速轴测点检测中速轴故障信息,所采集的信号中中速轴频率成分易受到高速轴的信息干扰,导致其信噪比较低。通过结合变分模态提取(VME)算法与最大相关峭度反卷积(MCKD)算法,可在抑制原始信号... 在行星级齿轮箱故障诊断方法研究中,通常采用高速轴测点检测中速轴故障信息,所采集的信号中中速轴频率成分易受到高速轴的信息干扰,导致其信噪比较低。通过结合变分模态提取(VME)算法与最大相关峭度反卷积(MCKD)算法,可在抑制原始信号中噪声成分的同时,有效提取中速轴的相关频率成分,从而解决高速轴测点下中速轴相关频率易受其他信号干扰的问题。 展开更多
关键词 变分模态分解(VME) 最大相关峭度反卷积(mckd) 风力发电机齿轮箱 故障诊断
在线阅读 下载PDF
改进MCKD-MEEMD在滚动轴承故障诊断中的应用 被引量：1
4
作者 张超 秦敏敏 张少飞 《机械设计与制造》 北大核心 2024年第7期193-199,共7页
为了解决实际工况中故障信号被噪声掩盖,故障特征频率难以提取的问题,提出改进最大峭度解卷积(MCKD)和改进的集总平均经验模态分解(MEEMD)结合的滚动轴承故障诊断方法。首先,提出使用合成峭度作为指标来选取MCKD的最优参数:位移数M和最... 为了解决实际工况中故障信号被噪声掩盖,故障特征频率难以提取的问题,提出改进最大峭度解卷积(MCKD)和改进的集总平均经验模态分解(MEEMD)结合的滚动轴承故障诊断方法。首先,提出使用合成峭度作为指标来选取MCKD的最优参数:位移数M和最大滤波器长度L;然后将最优参数代入MCKD算法中,得到最佳降噪信号;最后对降噪信号使用MEEMD分解,得到若干本征模态分量(IMF),选取合适的分量做信号重构,再对重构信号做频谱分析,在频谱中可以寻找出故障频率以及其他的信息。通过仿真分析了MEEMD方法的优越性及不足之处,并使用改进MCKD方法对不足处进行了改进,将改进MCKD-MEEMD方法与MEEMD方法以及传统MCKD-MEEMD方法进行了实验对比分析,证明了改进MCKD-MEEMD方法的故障诊断效果更好。 展开更多
关键词 最大相关峭度解卷积 合成峭度 经验模态分解 故障诊断
在线阅读 下载PDF
基于自适应MCKD与CNN的滚动轴承故障诊断
5
作者 高淑芝 石烁 张义民 《机械设计与制造》 北大核心 2024年第9期186-189,共4页
为了解决强背景噪声下故障特征提取困难及传统方法依赖经验和知识的问题,提出了一种基于自适应最大相关峭度解卷积(MCKD)与卷积神经网络(CNN)的滚动轴承故障诊断方法。首先,利用粒子群算法(PSO)优化MCKD的参数。其次,对滚动轴承故障信... 为了解决强背景噪声下故障特征提取困难及传统方法依赖经验和知识的问题,提出了一种基于自适应最大相关峭度解卷积(MCKD)与卷积神经网络(CNN)的滚动轴承故障诊断方法。首先,利用粒子群算法(PSO)优化MCKD的参数。其次,对滚动轴承故障信号进行信号滤波,得到降噪后的信号。最后,将降噪后的信号输入到构建的CNN模型中进行训练和测试,得到轴承故障诊断的分类结果。通过轴承寿命试验台的故障数据集的测试和评价,将提出的方法与未经过降噪的CNN方法进行比较,验证了该方法具有较高的诊断精度。 展开更多
关键词 最大相关峭度解卷积 卷积神经网络 滚动轴承 故障诊断
在线阅读 下载PDF
基于改进PSO-VMD-MCKD的滚动轴承故障诊断 被引量：3
6
作者 宿磊 刘智 +2 位作者 顾杰斐 李可 薛志钢 《噪声与振动控制》 CSCD 北大核心 2024年第4期118-124,共7页
针对滚动轴承信号在强噪声背景下故障特征提取困难的问题,提出一种变分模态分解(Variational Modal Decomposition,VMD)和最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)相结合的故障诊断方法。首先基于VMD方法... 针对滚动轴承信号在强噪声背景下故障特征提取困难的问题,提出一种变分模态分解(Variational Modal Decomposition,VMD)和最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)相结合的故障诊断方法。首先基于VMD方法选取故障信号的最优模态分量,然后采用MCKD算法增强最优分量信号中的冲击成分,最后通过包络谱分析提取滚动轴承的故障频率。利用粒子群优化算法(Particle Swarm Optimization,PSO)对VMD算法中的参数α和K以及MCKD算法中的参数L和M进行寻优,并对PSO算法中惯性因子和学习因子的更新方法加以改进,以提高参数寻优过程的收敛速度。仿真分析和试验结果表明,所提出的诊断方法可以有效提取被强噪声淹没的滚动轴承故障特征。 展开更多
关键词 故障诊断 滚动轴承 变分模态分解 最大相关峭度解卷积 粒子群优化
在线阅读 下载PDF
基于MOBWO-MCKD的风机滚动轴承故障特征提取方法 被引量：5
7
作者 霍忠堂 高建松 张丁丁 《机电工程》 北大核心 2024年第1期123-129,共7页
针对风力发电机轴承振动信号受强背景噪声及其他设备激励源影响,导致早期微弱故障特征不易提取这一问题,提出了一种基于多目标白鲸优化算法(MOBWO)优化的最大相关峰度反卷积(MCKD)风力发电机轴承故障特征提取方法。首先,采用MOBWO强大... 针对风力发电机轴承振动信号受强背景噪声及其他设备激励源影响,导致早期微弱故障特征不易提取这一问题,提出了一种基于多目标白鲸优化算法(MOBWO)优化的最大相关峰度反卷积(MCKD)风力发电机轴承故障特征提取方法。首先,采用MOBWO强大的全局及局部搜索能力优化了MCKD关键参数,获取了最佳参数组合;其次,利用优化后的MCKD对原始信号进行了解卷积运算,消除了背景噪声及其他设备激励源的影响,突出了轴承周期性脉冲信号;然后对解卷积信号进行了包络谱分析,提取了轴承故障特征频率,并将其与理论计算故障特征频率值进行了诊断结果对比;最后,采用实际工程中采集到的风力发电机轴承内圈和外圈的故障数据,对MOBWO-MCKD方法的有效性进行了试验验证。研究结果表明:基于MOBWO-MCKD的故障特征提取方法能够有效地消除背景噪声及其他设备激励源的干扰;由内圈信号包络谱可得到的内圈故障频率为f IR=125.87 Hz、2f IR=251.74 Hz;由外圈信号包络谱可得到的外圈故障频率为f OR=84.47 Hz、2f OR=168.94 Hz、3f OR=253.41 Hz。该特征提取方法可以为实际工程风力发电机轴承早期微弱故障特征提取研究提供一定的参考。 展开更多
关键词 风机轴承 多目标白鲸优化算法 最大相关峰度反卷积 滚动轴承内圈 轴承外圈 包络分析
在线阅读 下载PDF
基于SVMD与参数优化MCKD的轴承故障诊断 被引量：3
8
作者 钟先友 何流 赵潇 《机电工程》 CAS 北大核心 2024年第7期1179-1188,共10页
针对轴承故障信号存在噪声干扰,难以提取故障特征的问题,提出了一种将连续变分模态分解(SVMD)与改进的最大相关峭度反卷积(MCKD)相结合的轴承故障诊断方法。首先,为了表征轴承振动信号中的故障特征,将峭度与高斯核相结合,提出了比峭度... 针对轴承故障信号存在噪声干扰,难以提取故障特征的问题,提出了一种将连续变分模态分解(SVMD)与改进的最大相关峭度反卷积(MCKD)相结合的轴承故障诊断方法。首先,为了表征轴承振动信号中的故障特征,将峭度与高斯核相结合,提出了比峭度指标更为突出的加权峭度指标;其次,利用SVMD方法对轴承信号进行了分解,获得了若干模态分量,并使用加权峭度指标从多个模态分量中筛选出了故障特征最丰富的模态分量;然后,以包络熵为标准,通过几何平均优化器(GMO)优化MCKD的滤波器长度和周期两个参数,获得了最佳的参数组合;最后,采用GMO-MCKD方法对轴承信号进行了降噪,对降噪后的信号进行了包络分析,提取了轴承特征频率;同时,采用粒子群优化(PSO)的变分模态分解(VMD)和粒子群优化的变分模态提取(VME),对轴承信号进行了对照分析。研究结果表明:采用SVMD-GMO-MCKD方法在辛辛那提数据集中诊断出轴承特征频率为234.4 Hz及其二倍频;在西储大学轴承数据集中诊断出轴承特征频率为108.96 Hz,二倍频为218.09 Hz。该方法可以增强滚动轴承的周期性冲击成分,在有干扰的背景下有效地提取出滚动轴承内圈和外圈的故障特征,且轴承故障特征提取效果优于PSO-VMD和PSO-VME方法。 展开更多
关键词 噪声干扰 连续变分模态分解 最大相关峭度反卷积 几何平均优化器 故障特征提取效果 轴承特征频率
在线阅读 下载PDF
基于SCSSA-VMD-MCKD的轴承早期微弱故障异常检测方法 被引量：3
9
作者 陈立海 谭奥 +2 位作者 贺永辉 张笑琼 白晓龙 《机电工程》 CAS 北大核心 2024年第12期2129-2141,共13页
针对滚动轴承在强噪声干扰下早期微弱故障不易被检测的问题,提出了一种基于结合正余弦和柯西变异的麻雀智能搜索算法优化变分模态分解与最大相关峭度解卷积(SCSSA-VMD-MCKD)的轴承早期微弱故障异常检测方法。首先,采用结合正余弦和柯西... 针对滚动轴承在强噪声干扰下早期微弱故障不易被检测的问题,提出了一种基于结合正余弦和柯西变异的麻雀智能搜索算法优化变分模态分解与最大相关峭度解卷积(SCSSA-VMD-MCKD)的轴承早期微弱故障异常检测方法。首先,采用结合正余弦和柯西变异的麻雀智能搜索算法(SCSSA)优化了VMD参数α和K,进而对轴承故障信号进行了自适应分解,根据加权包络谱峰值因子指标(WEPF)筛选有效模态分量,并重构得到了重构信号;然后,采用SCSSA优化了MCKD参数T、L和M,并用优化后的MCKD方法增强了重构信号故障冲击成分;最后,对经MCKD增强后的重构信号进行了包络谱分析,提取到了轴承故障特征频率及倍频;利用轴承故障仿真信号和试验信号对该故障异常检测方法进行了验证分析。研究结果表明:该检测方法能够有效降噪并自适应增强故障冲击成分,相较于经SCSSA-VMD分解并重构的信号,故障仿真信号和实测试验信号信噪比分别提升了102.6%和81.3%,均方根误差分别降低了26.7%和33.3%;轴承内外圈故障特征频率及倍频幅值更为突出,能够实现强噪声背景下滚动轴承早期微弱故障异常检测目的,与SSA-VMD-MCKD方法相比,更能突显该方法的优越性。 展开更多
关键词 滚动轴承 故障诊断 故障冲击成分增强 结合正余弦和柯西变异的麻雀智能搜索算法 变分模态分解 最大相关峭度解卷积
在线阅读 下载PDF
基于参数优化VMD-MCKD的滚动轴承早期故障诊断 被引量：2
10
作者 陶翰铭 张栋良 +1 位作者 吴坤鹏 吴杰 《噪声与振动控制》 CSCD 北大核心 2024年第6期156-164,共9页
针对滚动轴承早期故障特征易受强背景噪声影响而难以提取的问题,提出一种基于阿基米德算法(Archimedes Optimization Algorithm,AOA)优化变分模态分解(Variational Mode Decomposition,VMD)和相关最大峭度解卷积(Maximum Correlated Kur... 针对滚动轴承早期故障特征易受强背景噪声影响而难以提取的问题,提出一种基于阿基米德算法(Archimedes Optimization Algorithm,AOA)优化变分模态分解(Variational Mode Decomposition,VMD)和相关最大峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)参数的滚动轴承故障诊断方法。首先,将不同移位数下相关峭度和现有指标进行对比,选取最优相关峭度指标作为目标函数优化VMD算法中分解层数K和惩罚因子,并基于VMD分解结果选取最优分量;其次,提出一种加权包络谱峭度作为目标函数优化MCKD算法中滤波器长度L和冲击信号周期T,基于MCKD算法增强最优分量中的冲击成分;最后,通过包络谱分析判断滚动轴承故障类型。仿真和试验结果表明,该方法可以有效提取并增强故障中的冲击成分,实现在强背景噪声下的滚动轴承早期故障诊断。 展开更多
关键词 故障诊断 滚动轴承 阿基米德算法 变分模态分解 最大相关峭度解卷积
在线阅读 下载PDF
基于优化VMD-MCKD和谱峭度的滚动轴承复合故障诊断
11
作者 王富珂 高丙朋 《机床与液压》 北大核心 2024年第19期196-202,共7页
针对滚动轴承振动信号中复合故障特征难以准确提取而导致故障诊断困难的问题,提出一种基于优化变分模态分解(VMD)和最大相关峭度解卷积(MCKD)结合快速谱峭度算法的滚动轴承复合故障诊断方法。利用改进麻雀搜索算法(ISSA)优化VMD和MCKD... 针对滚动轴承振动信号中复合故障特征难以准确提取而导致故障诊断困难的问题,提出一种基于优化变分模态分解(VMD)和最大相关峭度解卷积(MCKD)结合快速谱峭度算法的滚动轴承复合故障诊断方法。利用改进麻雀搜索算法(ISSA)优化VMD和MCKD的参数,使用优化后的VMD对复合故障信号进行分解,并根据峭度准则筛选有效本征模态函数(IMF)进行信号重构,使用优化后的MCKD对重构信号进行解卷积与故障特征增强,并对解卷积信号进行包络谱分析提取故障特征频率。利用快速谱峭度算法对未提取出故障特征频率的解卷积信号进行处理,得到故障信息最丰富的频带参数并进行带通滤波处理。最后,对滤波后的信号进行包络谱分析,提取故障特征频率,从而实现故障诊断。仿真及实验结果表明:所提方法能有效分离复合故障并提取出故障特征频率,有效实现了复合故障诊断。 展开更多
关键词 复合故障 变分模态分解 最大相关峭度解卷积 快速谱峭度 改进麻雀搜索算法
在线阅读 下载PDF
Teager能量算子结合MCKD的滚动轴承早期故障识别 被引量：31
12
作者 刘尚坤 唐贵基 何玉灵 《振动与冲击》 EI CSCD 北大核心 2016年第15期98-102,共5页
针对Teager能量算子在解调滚动轴承早期微弱故障特征中的不足,提出一种最大相关峭度解卷积降噪与Teager能量算子解调相结合的滚动轴承早期故障识别方法。首先采用最大相关峭度解卷积算法以包络谱的峭度最大化为目标对原信号进行降噪处... 针对Teager能量算子在解调滚动轴承早期微弱故障特征中的不足,提出一种最大相关峭度解卷积降噪与Teager能量算子解调相结合的滚动轴承早期故障识别方法。首先采用最大相关峭度解卷积算法以包络谱的峭度最大化为目标对原信号进行降噪处理、检测信号中的周期性冲击成分,然后利用Teager能量算子增强降噪信号中的周期性冲击特征、抑制非冲击成分,最后通过分析Teager能量谱中明显的频率成分来诊断故障类型。滚动轴承外圈、内圈故障诊断实例表明,该方法能有效实现滚动轴承早期微弱故障的识别。 展开更多
关键词 TEAGER能量算子 最大相关峭度解卷积 滚动轴承 早期故障诊断
在线阅读 下载PDF
基于MCKD和teager能量算子的滚动轴承复合故障诊断 被引量：13
13
作者 齐咏生 刘飞 +2 位作者 高学金 李永亭 刘利强 《大连理工大学学报》 EI CAS CSCD 北大核心 2019年第1期35-44,共10页
滚动轴承是旋转机械的主要部件之一,复杂多变的工作环境导致其频繁出现故障,且大部分情况下多种故障复合.针对这一问题,提出一种基于改进最大相关峭度解卷积(MCKD)和teager能量算子混合的滚动轴承复合故障诊断方法.该方法通过粒子群优... 滚动轴承是旋转机械的主要部件之一,复杂多变的工作环境导致其频繁出现故障,且大部分情况下多种故障复合.针对这一问题,提出一种基于改进最大相关峭度解卷积(MCKD)和teager能量算子混合的滚动轴承复合故障诊断方法.该方法通过粒子群优化算法(PSO)对不同类型故障下MCKD的影响参数(L和M)进行寻优,设置与故障类型相对应的解卷积周期,以相关峭度最大化进行MCKD算法迭代运算,优化滤波器系数,改进的MCKD算法减少了噪声的干扰.然后利用teager能量算子具有检测信号瞬态冲击的优势,对信号的teager能量进行频谱分析,实现复合故障诊断.最后利用西储大学轴承数据和轴承故障模拟实验台对该方法进行验证,结果表明该方法能从滚动轴承单一和复合故障中有效提取故障特征信息,准确识别出故障类型. 展开更多
关键词 复合故障 最大相关峭度解卷积(mckd) 能量算子 故障诊断
在线阅读 下载PDF
基于MCKD和增强倒频谱的直升机自动倾斜器滚动轴承故障诊断方法 被引量：9
14
作者 孙伟 李新民 +2 位作者 金小强 黄建萍 张先辉 《振动与冲击》 EI CSCD 北大核心 2019年第2期159-163,共5页
针对直升机自动倾斜器滚动轴承转速低,其早期故障特征信号易被噪声淹没的问题,提出了基于最大相关峭度解卷积(MCKD)和增强倒频谱分析的直升机自动倾斜器滚动轴承故障诊断方法。该方法利用MCKD方法对故障信号进行降噪处理,采用自相关方... 针对直升机自动倾斜器滚动轴承转速低,其早期故障特征信号易被噪声淹没的问题,提出了基于最大相关峭度解卷积(MCKD)和增强倒频谱分析的直升机自动倾斜器滚动轴承故障诊断方法。该方法利用MCKD方法对故障信号进行降噪处理,采用自相关方法和广义Shannon熵对倒频谱分析进行改进,得到增强倒频谱,提取故障特征频率。实验研究表明,所提出的方法能精确地诊断自动倾斜器滚动轴承内圈、外圈和滚珠故障,且优于传统的倒频谱分析,可以预防重大故障发生。 展开更多
关键词 滚动轴承 故障诊断 最大相关峭度解卷积(mckd) 增强倒频谱 自动倾斜器
在线阅读 下载PDF
基于MCKD和重分配小波尺度谱的旋转机械复合故障诊断研究 被引量：28
15
作者 钟先友 赵春华 +1 位作者 陈保家 田红亮 《振动与冲击》 EI CSCD 北大核心 2015年第7期156-161,共6页
针对强噪声环境下旋转机械复合故障信号难于提取与分离的问题,提出了基于最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)和重分配小波尺度谱的旋转机械故障诊断方法。机械信号中存在的噪声会降低重分配小波尺度... 针对强噪声环境下旋转机械复合故障信号难于提取与分离的问题,提出了基于最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)和重分配小波尺度谱的旋转机械故障诊断方法。机械信号中存在的噪声会降低重分配小波尺度谱的时频分布可读性,故先要对信号进行MCKD降噪,同时从振动信号中分离出各个故障成分,然后进行Hilbert变换得到包络成分,最后再对包络成分进行重分配小波尺度谱分析,根据尺度图中冲击成分的周期诊断转机械复合故障,算法仿真和应用实例验证了该方法的有效性。 展开更多
关键词 最大相关峭度解卷积 重分配小波尺度谱 复合故障 最小熵解卷积
在线阅读 下载PDF
基于CEEMD和自适应MCKD诊断滚动轴承早期故障 被引量：11
16
作者 杨斌 张家玮 +1 位作者 王建国 张超 《北京工业大学学报》 CAS CSCD 北大核心 2019年第2期111-118,共8页
针对滚动轴承早期故障难以提取和最大相关峭度解卷积(maxim correlated kurtosis deconvolution,MCKD)降噪效果受滤波器长度L的影响,提出了基于互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)和自... 针对滚动轴承早期故障难以提取和最大相关峭度解卷积(maxim correlated kurtosis deconvolution,MCKD)降噪效果受滤波器长度L的影响,提出了基于互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)和自适应最大相关峭度解卷积相结合的故障特征提取方法(CEEMD-AMCKD).首先,利用CEEMD将信号分解得到一组固有模态分量,利用峭度值筛选出冲击成分明显的分量;然后,以排列熵值为标准,运用步长搜寻法确定最佳的MCKD滤波器长度,对前面筛选出的分量进行降噪处理;最后,将降噪后的分量及其他分量进行信号重构并根据包络功率谱提取故障特征频率.通过仿真和试验验证了该方法的有效性. 展开更多
关键词 滚动轴承 故障诊断 互补集合经验模态分解 自适应 最大相关峭度解卷积
在线阅读 下载PDF
MCKD最佳故障周期搜索的齿轮箱故障特征提取 被引量：6
17
作者 冷军发 荆双喜 +1 位作者 王志阳 华伟 《机械科学与技术》 CSCD 北大核心 2018年第1期36-42,共7页
针对最小解熵解卷积(Minimum entropy deconvolution,MED)算法易受强噪声和野值的影响,引出了最大相关峭度解卷积(Maximum correlated kurtosis deconvolution,MCKD)的齿轮箱故障特征提取方法,克服了MED算法的不足。然而凭先验信息选取... 针对最小解熵解卷积(Minimum entropy deconvolution,MED)算法易受强噪声和野值的影响,引出了最大相关峭度解卷积(Maximum correlated kurtosis deconvolution,MCKD)的齿轮箱故障特征提取方法,克服了MED算法的不足。然而凭先验信息选取的故障周期,可能导致MCKD解卷积效果很差,因此提出了MCKD算法的最佳故障周期搜索思路,即在合适的滤波器阶数L下,最佳故障周期的搜索可以限定于理论计算周期左右的某一范围内,使不同步距M关于最佳周期的最大相关峭度达到全局最优,以确保了MCKD算法具有良好的解卷积效果。断齿与局部断齿故障特征提取试验结果佐证了最佳故障周期搜索思路的可行性及其效果。 展开更多
关键词 齿轮箱 故障特征提取 最小熵解卷积 最大相关峭度解卷积
在线阅读 下载PDF
基于优化VMD和MCKD的滚动轴承早期故障诊断方法 被引量：20
18
作者 王新刚 王超 韩凯忠 《东北大学学报（自然科学版）》 EI CAS CSCD 北大核心 2021年第3期373-380,388,共9页
针对滚动轴承早期故障信号易受噪声等背景信息干扰难于提取故障特征的现象,提出了将优化K值的变分模态分解(VMD)和粒子群优化算法(PSO)优化参数L,M的最大相关峭度解卷积(MCKD)相结合提取滚动轴承故障特征频率的方法.首先,确定VMD中K值,... 针对滚动轴承早期故障信号易受噪声等背景信息干扰难于提取故障特征的现象,提出了将优化K值的变分模态分解(VMD)和粒子群优化算法(PSO)优化参数L,M的最大相关峭度解卷积(MCKD)相结合提取滚动轴承故障特征频率的方法.首先,确定VMD中K值,对信号进行分解后得到一系列模态分量;然后利用EWK指标选择包含故障信息最多的有效模态分量进行后续分析,利用优化的MCKD对其进行增强;最后对增强信号进行包络解调提取故障特征频率,验证所提方法的有效性.仿真和实验表明该方法可以精确地提取出轴承故障信号中的特征频率,实现故障诊断. 展开更多
关键词 VMD的K值优化 EWK指标 粒子群优化 最大相关峭度解卷积(mckd) 故障诊断
在线阅读 下载PDF
基于MCKD-EMD的风电机组轴承早期故障诊断方法 被引量：36
19
作者 赵洪山 李浪 《电力自动化设备》 EI CSCD 北大核心 2017年第2期29-36,共8页
风电机组轴承处于早期故障阶段时,特征信号往往比较微弱,并且受环境噪声及信号衰减的影响严重,因此轴承早期故障特征一直难以提取。经验模态分解(EMD)在轴承的故障特征提取中已经得到了广泛的应用,但其在强背景噪声干扰下对轴承早期故... 风电机组轴承处于早期故障阶段时,特征信号往往比较微弱,并且受环境噪声及信号衰减的影响严重,因此轴承早期故障特征一直难以提取。经验模态分解(EMD)在轴承的故障特征提取中已经得到了广泛的应用,但其在强背景噪声干扰下对轴承早期故障特征的提取具有一定的局限性。针对这一问题,考虑到最大相关峭度解卷积(MCKD)算法可凸显出轴承振动信号中被噪声所掩盖的故障冲击脉冲,非常适用于轴承早期故障信号的降噪处理,因此将MCKD与EMD相结合用于轴承早期故障诊断。用MCKD对强噪声轴承信号进行降噪,然后对降噪后的信号进行EMD,选取敏感本征模态函数(IMF)并计算其包络谱,通过分析包络谱中幅值凸出的频率成分判断故障类型。仿真和试验分析结果验证了所提方法的有效性和准确性。 展开更多
关键词 风电机组 轴承 早期故障 最大相关峭度解卷积 经验模态分解
在线阅读 下载PDF
基于PSO-VMD-MCKD方法的风机轴承微弱故障诊断 被引量：71
20
作者 张俊 张建群 +2 位作者 钟敏 郑近德 李习科 《振动．测试与诊断》 EI CSCD 北大核心 2020年第2期287-296,418,共11页
针对风机滚动轴承微弱故障信号所具有的非线性和非平稳特征及易被强背景噪声掩盖的特点,提出了一种变分模态分解(variational modal decomposition,简称VMD)和最大相关峭度解卷积(maximum correlated kurtosis deconvolution,简称MCKD)... 针对风机滚动轴承微弱故障信号所具有的非线性和非平稳特征及易被强背景噪声掩盖的特点,提出了一种变分模态分解(variational modal decomposition,简称VMD)和最大相关峭度解卷积(maximum correlated kurtosis deconvolution,简称MCKD)相结合的滚动轴承微弱故障诊断方法。为实现VMD和MCKD的参数自适应选择,采用粒子群优化算法(particle swarm optimization,简称PSO),对两种算法中的参数进行优化。首先,利用PSO优化VMD算法中的α和K,再基于VMD对微弱故障信号分解后的结果,选取最优模态分量;其次,利用PSO优化MCKD算法中的L和T,再基于MCKD算法加强最优分量信号中的故障冲击成分;最后,通过包络谱提取出轴承微弱故障特征。仿真和试验均表明,此方法能够自适应增强轴承微弱故障中的冲击成分,有效提取出被强噪声淹没的轴承微弱故障特征。 展开更多
关键词 故障诊断 滚动轴承 变分模态分解 最大相关峭度解卷积 粒子群优化
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 … 6 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