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111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：
故障冲击增强与双通道融合的自适应轴承故障诊断
1
作者 刘斌 曹丽君 +3 位作者 武欣雅 段云凤 杨栋辉 谢秀梅 《振动与冲击》 北大核心 2025年第17期313-324,342,共13页
针对传统轴承故障诊断方法中存在的依赖专家经验、特征提取困难、准确率不高等问题,提出一种结合故障冲击增强与双通道融合的自适应神经网络诊断方法。首先,将振动信号通过最大相关峭度解卷积转换为故障冲击增强的信号。其次,将网格搜... 针对传统轴承故障诊断方法中存在的依赖专家经验、特征提取困难、准确率不高等问题,提出一种结合故障冲击增强与双通道融合的自适应神经网络诊断方法。首先,将振动信号通过最大相关峭度解卷积转换为故障冲击增强的信号。其次,将网格搜索算法引入卷积神经网络(convolutional neural network,CNN)-Transformer-双向长短期记忆网络(bidirectional long short-term memory network,BiLSTM)中,双通道CNN-Transformer用来提取信号的局部和全局特征信息,BiLSTM则用来提取双通道特征融合的时序信息,从而自适应识别轴承的故障状态。最后,通过全连接层输出故障分类诊断结果。试验表明,本方法自适应识别多工况轴承故障,展现了较强的鲁棒性与泛化能力。 展开更多
关键词 多工况故障诊断 故障冲击增强 自适应特征提取 网格搜索算法 最大相关峭度解卷积
在线阅读 下载PDF
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：2
2
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 被引量：1
3
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
奇异谱分解和最大相关峭度解卷积在轴承故障声学诊断中的应用
4
作者 姚容华 周俊 +1 位作者 伍星 刘韬 《振动工程学报》 北大核心 2025年第8期1764-1774,共11页
故障特征成分的有效分离是滚动轴承复合故障诊断的核心,在强噪声及各个故障之间相互干扰耦合的背景下,滚动轴承声学复合故障诊断极具挑战性。本文提出一种优化奇异谱分解(optimized singular spectrum decomposition,OSSD)和参数自适应... 故障特征成分的有效分离是滚动轴承复合故障诊断的核心,在强噪声及各个故障之间相互干扰耦合的背景下,滚动轴承声学复合故障诊断极具挑战性。本文提出一种优化奇异谱分解(optimized singular spectrum decomposition,OSSD)和参数自适应最大相关峭度解卷积(maximum correlated kurtosis deconvolution,MCKD)的复合故障声学诊断方法。采用包络峭度作为指标辅助OSSD快速确定最佳分解层数,以克服人工经验确定分解层数的不确定性,将信号分解为多个奇异谱分量。将故障特征频率能量幅值比作为指标自适应选择包含主要故障特征信息的两个奇异谱分量。利用参数自适应MCKD对所选择的最佳分量进行滤波和信号特征增强,通过包络谱分析提取故障特征频率实现故障诊断。通过滚动轴承仿真信号和试验声学信号验证了所提方法的有效性,该研究为旋转机械复合故障诊断提供了一种手段。 展开更多
关键词 复合故障 滚动轴承 奇异谱分解 最大相关峭度解卷积
在线阅读 下载PDF
基于改进共振稀疏分解的滚动轴承早期故障特征提取方法
5
作者 孙梦 高丙朋 程静 《机械强度》 北大核心 2025年第6期17-26,共10页
针对滚动轴承发生早期故障时其故障特征微弱,复杂运行环境下的故障特征容易被噪声淹没的问题,提出了基于改进的人工大猩猩部队(Improved Artificial Gorilla Troops Optimizer,IGTO)算法、优化共振稀疏分解(Resonancebased Sparse Signa... 针对滚动轴承发生早期故障时其故障特征微弱,复杂运行环境下的故障特征容易被噪声淹没的问题,提出了基于改进的人工大猩猩部队(Improved Artificial Gorilla Troops Optimizer,IGTO)算法、优化共振稀疏分解(Resonancebased Sparse Signal Decomposition,RSSD)、多参数与稀疏最大谐波噪声比解卷积(Sparse Maximum Harmonics-to-noise-ratio Deconvolution,SMHD)方法相结合的早期故障诊断方法。首先,以低共振分量的平方包络谱相关峭度(Squared Envelope Spectral Correlated Kurtosis,SE-SCK)负值为目标函数,利用IGTO同时优化RSSD的品质因子Q、权重系数λ和拉格朗日乘子μ,实现小波基函数和耗散函数的最优匹配,以获得富含故障信息的最优低共振分量;其次,将其输入SMHD进行滤波处理;最后,进行包络谱分析提取故障特征。算法对比试验表明,IGTO算法寻优性能显著提高;仿真和XJTU-SY轴承全寿命周期故障信号试验结果表明,所提方法更能有效地提取滚动轴承早期微弱故障特征。 展开更多
关键词 改进的人工大猩猩部队算法 共振稀疏分解 平方包络谱相关峭度 稀疏最大谐波噪声比解卷积 早期故障诊断
在线阅读 下载PDF
基于多准则优化参数的滚动轴承微弱故障诊断方法
6
作者 栾孝驰 张振鹏 +2 位作者 柳贡民 沙云东 王胜红 《哈尔滨工程大学学报》 北大核心 2025年第10期2003-2011,共9页
为有效地提取强背景噪声下航空发动机滚动轴承微弱故障特征,本文提出一种多准则优化参数的滚动轴承微弱故障诊断方法。为了自适应选取变模态分解和最大相关峭度解卷积中的参数并提高故障诊断的正确率,使用人工蜂鸟算法优化变模态分解中... 为有效地提取强背景噪声下航空发动机滚动轴承微弱故障特征,本文提出一种多准则优化参数的滚动轴承微弱故障诊断方法。为了自适应选取变模态分解和最大相关峭度解卷积中的参数并提高故障诊断的正确率,使用人工蜂鸟算法优化变模态分解中的参数分解层数和惩罚因子,并引入一种新的指标——有效加权峭度作为适应度函数,利用优化后的变模态分解对信号进行分解并以有效加权峭度作为评价指标,筛选指标最大的分量作为最优分量。以故障特征能量比作为适应度函数优化最大相关峭度解卷积以增强故障特征。采用包络谱分析提取实际故障特征频率实现故障诊断。本文使用公开数据和自行开展的主轴承故障模拟实验进行了方法验证。结果表明,本文方法可以有效突显滚动轴承的故障特征频率及其倍频,实现了在强背景噪声下航空发动机滚动轴承微弱故障诊断。 展开更多
关键词 航空发动机 滚动轴承 变模态分解 最大相关峭度解卷积 有效加权峭度 人工蜂鸟算法 故障诊断
在线阅读 下载PDF
基于SCSSA-VMD-MCKD的滚动轴承故障特征提取
7
作者 陈志刚 薛源 +1 位作者 王衍学 张志昊 《噪声与振动控制》 北大核心 2025年第6期183-189,213,共8页
针对强噪声背景下滚动轴承的微弱故障特征难以提取的问题,提出一种融合正余弦和柯西变异的麻雀搜索算法(Sine-cosine and Cauchy Mutation Sparrow Search Algorithm,SCSSA)优化变分模态分解(Variational Modal Decomposition,VMD)联合... 针对强噪声背景下滚动轴承的微弱故障特征难以提取的问题,提出一种融合正余弦和柯西变异的麻雀搜索算法(Sine-cosine and Cauchy Mutation Sparrow Search Algorithm,SCSSA)优化变分模态分解(Variational Modal Decomposition,VMD)联合最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)的滚动轴承特征提取方法。首先,将样本熵、峭度值和相关系数相结合构建复合指标—CSK,以CSK最小值为准则,自适应选取VMD的模态个数和惩罚因子;然后,根据峭度最大值原则筛选最优模态分量;最后,以包络谱熵为适应度函数,通过SCSSA优化的MCKD对最优模态分量进行增强并提取轴承特征频率。经过公开数据集和轴承实测数据验证:所提方法可以在强噪声背景下有效提取滚动轴承的微弱故障特征,完成故障类型的判别。 展开更多
关键词 故障诊断 滚动轴承 变分模态分解 麻雀搜索算法 最大相关峭度解卷积
在线阅读 下载PDF
自适应双阻尼小波字典的轴承复合故障诊断方法
8
作者 胡俊锋 赵丽娟 +1 位作者 严雪竹 张龙 《振动与冲击》 北大核心 2025年第7期239-246,共8页
针对强背景噪声下难以准确提取出轴承复合故障中各故障类型有效特征的问题,提出一种基于最大相关峭度解卷积(maximum correlated kurtosis deconvolution,MCKD)和稀疏表征的轴承复合故障诊断方法。该方法首先通过MCKD算法实现复合故障... 针对强背景噪声下难以准确提取出轴承复合故障中各故障类型有效特征的问题,提出一种基于最大相关峭度解卷积(maximum correlated kurtosis deconvolution,MCKD)和稀疏表征的轴承复合故障诊断方法。该方法首先通过MCKD算法实现复合故障的分离,并达到初步增强故障冲击特征的效果;然后进行稀疏表征字典设计先验知识分析,构造与真实故障脉冲响应更加匹配的双阻尼非对称小波参数字典,结合正交匹配追踪算法,稀疏重构出各故障特征;最后对重构分量做包络谱分析,提取轴承故障特征频率。考虑到MCKD算法和非对称小波中的参数选取决定着最终的特征提取效果,使用鲸鱼优化算法实现参数自动优化选取。仿真数据和试验台数据分析结果表明,所提出的方法可有效提取出轴承复合故障中的各类故障成分,且相比常用的单阻尼Laplace小波字典具有一定的优越性。 展开更多
关键词 复合故障 最大相关峭度解卷积(MCKD)算法 双阻尼非对称小波 稀疏分解 特征提取
在线阅读 下载PDF
基于改进VMD-MCKD的RV减速器故障诊断
9
作者 罗捷 蔺梦雄 《机械设计》 北大核心 2025年第9期170-176,共7页
针对RV减速器振动信号中含有大量噪声干扰成分导致减速器故障特征提取难的问题,提出了一种基于粒子群优化变分模态分解(PSO-VMD)与最大相关峭度解卷积(PSO-MCKD)的RV减速器故障诊断方法。采用粒子群算法对变分模态分解中的分解层数c、... 针对RV减速器振动信号中含有大量噪声干扰成分导致减速器故障特征提取难的问题,提出了一种基于粒子群优化变分模态分解(PSO-VMD)与最大相关峭度解卷积(PSO-MCKD)的RV减速器故障诊断方法。采用粒子群算法对变分模态分解中的分解层数c、惩罚因子α、最大相关峭度解卷积的滤波器长度L及位移参数M进行参数寻优,以多尺度排列熵(PME)为适应性函数,得到最优分解组合。对采集到的振动信号进行变分模态分解,通过分解得到系列本征模态函数(IMF)分量;以峭度值为筛选准则,计算出与原信号相关度最大的IMF分量,利用得到的最优[L,M]值对原始信号进行最大相关峭度解卷积,凸显故障冲击特征;对降噪后的IMF分量进行希尔伯特包络解调,从而提取故障特征。同时进行对比试验,验证了该方法的优越性。试验结果表明:该方法能够准确提取故障特征,减小噪声的影响,实现RV减速器的故障诊断。 展开更多
关键词 RV减速器 故障诊断 粒子群优化算法 改进变分模态分解 最大相关峭度解卷积 多尺度排列熵
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
10
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
基于自适应MCKD与CNN的滚动轴承故障诊断 被引量：1
11
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
改进MCKD-MEEMD在滚动轴承故障诊断中的应用 被引量：2
12
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
基于改进PSO-VMD-MCKD的滚动轴承故障诊断 被引量：3
13
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
基于自适应参数优化RSSD-CYCBD的行星齿轮箱复合故障诊断 被引量：4
14
作者 孙环宇 杨志鹏 +1 位作者 王艺玮 郭琦 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2024年第10期3139-3150,共12页
针对行星齿轮箱多振源耦合导致故障源辨识困难、较弱故障特征容易被噪声和较强故障特征掩盖,以及由传播路径引起的信号衰减导致的故障特征微弱等问题,提出一种自适应参数优化的共振稀疏分解(RSSD)和最大二阶循环平稳盲解卷积(CYCBD)的... 针对行星齿轮箱多振源耦合导致故障源辨识困难、较弱故障特征容易被噪声和较强故障特征掩盖,以及由传播路径引起的信号衰减导致的故障特征微弱等问题,提出一种自适应参数优化的共振稀疏分解(RSSD)和最大二阶循环平稳盲解卷积(CYCBD)的行星齿轮箱多故障耦合信号分离及诊断算法。根据轴承和齿轮故障的不同共振属性,用RSSD算法将多故障耦合信号分解为包含齿轮故障特征的高共振分量和主要包含轴承故障特征的低共振分量后,通过CYCBD算法分别对高、低分量进行解卷积,消除传播路径影响和噪声干扰,实现微弱故障特征的增强和提取。特别地,针对RSSD和CYCBD中参数优化困难、依赖人工经验和自适应差等问题,使用基于松鼠算法(SSA)对参数进行自适应优化选取,设计了融合包络谱峭度、自相关函数最大值均方根和特征频率比在内的复合指标作为优化目标。对解卷积后的信号进行包络解调提取故障特征频率,识别不同故障源。通过行星齿轮箱多故障模拟信号和实测信号验证了所提算法的有效性和可行性,进一步地,将所提算法集成在边缘计算设备中,为行星齿轮箱等旋转机械的状态检测诊断及远程运维提供解决方案。 展开更多
关键词 多源故障分离 共振稀疏分解 最大二阶循环平稳盲解卷积 松鼠算法 行星齿轮箱
在线阅读 下载PDF
增强的最小相关广义Lp/Lq范数反卷积在旋转机械故障诊断中的应用 被引量：2
15
作者 谭翠 黄晨光 +2 位作者 易彩 周秋阳 林建辉 《中国测试》 CAS 北大核心 2024年第10期157-166,共10页
用于提取滚动轴承故障周期冲击特征的最小相关广义Lp/Lq范数反卷积(MCG-Lp/Lq-D)存在对先验周期参数的精确度要求过高的问题。因此有必要提出一种新的周期估计方法-具有约束的自适应周期估计(APEC),该方法可以在强噪声条件下依然能够稳... 用于提取滚动轴承故障周期冲击特征的最小相关广义Lp/Lq范数反卷积(MCG-Lp/Lq-D)存在对先验周期参数的精确度要求过高的问题。因此有必要提出一种新的周期估计方法-具有约束的自适应周期估计(APEC),该方法可以在强噪声条件下依然能够稳定的给出周期信息的真实估计或其近似值,随后将APEC引入到MCG-Lp/Lq-D构造了新的盲解卷积算法EMCG-Lp/Lq-D,该方法不仅能在强噪声条件下通过APEC自适应调整故障周期,同时还继承了MCG-Lp/Lq-D对噪声和异常值鲁棒的特点。由于APEC是一种需要先验周期(不要求精确周期)指导的周期估计方法,这使得其在低信噪比(SNR)条件下具有更好的鲁棒性来估计故障周期,从而使EMCG-Lp/Lq-D的运用范围相较于MCG-Lp/Lq-D的更广泛。最后,仿真和实验验证了EMCG-Lp/Lq-D的有效性和优越性。 展开更多
关键词 最大相关峭度反卷积 自适应故障周期估计 故障诊断 机器状态监测 局部故障
在线阅读 下载PDF
基于参数自适应的RSSD-CYCBD及在轴承外圈故障特征提取中的应用 被引量：2
16
作者 刘晖 姚德臣 +1 位作者 杨建伟 魏明辉 《机电工程》 CAS 北大核心 2024年第5期836-844,共9页
针对滚动轴承工作环境复杂、故障特征信号易被高强度噪声掩盖的问题,提出了基于参数自适应的共振稀疏分解(RSSD)和最大二阶循环平稳盲解卷积(CYCBD)的滚动轴承故障诊断方法。首先,利用人工大猩猩部队优化算法(GTO),结合相关系数与相关... 针对滚动轴承工作环境复杂、故障特征信号易被高强度噪声掩盖的问题,提出了基于参数自适应的共振稀疏分解(RSSD)和最大二阶循环平稳盲解卷积(CYCBD)的滚动轴承故障诊断方法。首先,利用人工大猩猩部队优化算法(GTO),结合相关系数与相关峭度的融合指标,自适应选择RSSD分解参数,得到了仿真信号的最优低共振分量;然后,利用GTO结合包络熵,自适应选择CYCBD的循环频率和滤波器长度,对最优低共振分量进行了解卷积运算,从包络谱中获得了信号的故障特征频率;最后,利用美国凯斯西储大学试验台和MFS-MG机械故障综合模拟试验台数据,综合验证了该方法的有效性,并将试验结果与RSSD-MCKD方法的结果进行了对比。研究结果表明,该方法能够准确地得到仿真信号的故障频率为20 Hz、美国凯斯西储大学试验台近似故障频率为107.5 Hz、MFS-MG试验台近似故障频率为87.6 Hz。自适应RSSD-CYCBD方法能够有效地识别出故障特征频率及其倍频,实现滚动轴承故障诊断的目的。 展开更多
关键词 滚动轴承 故障诊断 共振稀疏分解 最大二阶循环平稳盲反卷积 人工大猩猩部队优化算法 包络熵 高强度噪声
在线阅读 下载PDF
基于FWECS-CYCBD的轴承故障特征提取研究 被引量：1
17
作者 褚惟 刘韬 刘畅 《振动．测试与诊断》 EI CSCD 北大核心 2024年第5期928-935,1038,共9页
针对最大二阶循环平稳盲解卷积(maximum second-order cyclostationary blind deconvolution,简称CYCBD)特征提取中循环频率和滤波带宽难确定的问题,引入频率加权能量相关谱(frequency weighted energy correlation spectrum,简称FWECS... 针对最大二阶循环平稳盲解卷积(maximum second-order cyclostationary blind deconvolution,简称CYCBD)特征提取中循环频率和滤波带宽难确定的问题,引入频率加权能量相关谱(frequency weighted energy correlation spectrum,简称FWECS)来改进CYCBD,实现了低信噪比条件下的滚动轴承故障特征提取。首先,通过FWECS获取周期冲击频率,构造循环频率集;其次,利用最大加权谐波显著性指标设计了一种等步长搜索策略,自适应选取滤波器长度;最后,基于优选的循环频率和滤波带宽进行CYCBD解卷积。轴承仿真和实验数据表明:在循环频率等先验信息未知的情况下,FWECS-CYCBD对故障信号中的微弱冲击特征更敏感;与最小熵解卷积、改进最大相关峭度解卷积和自适应最大二阶循环平稳盲解卷积等方法相比,所提方法在低信噪比条件下能较好地提取轴承故障特征频率信息。 展开更多
关键词 滚动轴承 故障诊断 特征提取 最大二阶循环平稳盲解卷积 频率加权能量相关谱 加权谐波显著性指数
在线阅读 下载PDF
基于泵送频率的往复泵活塞故障诊断方法 被引量：7
18
作者 李喆仁 刘志亮 +4 位作者 莫巍 王文权 徐友红 王皓 万夫 《流体机械》 CSCD 北大核心 2024年第4期95-104,共10页
为了确保往复式钻井泵的高质量运行,实施在线故障监测至关重要。从BW-250型钻井泵液力端的易损件入手,设计了试验探究钻井泵的振动信号的成分;通过对频率成分的分析,揭示了泵送频率幅值与活塞刺漏故障之间的关系,并依据机理提出了以泵... 为了确保往复式钻井泵的高质量运行,实施在线故障监测至关重要。从BW-250型钻井泵液力端的易损件入手,设计了试验探究钻井泵的振动信号的成分;通过对频率成分的分析,揭示了泵送频率幅值与活塞刺漏故障之间的关系,并依据机理提出了以泵送频率幅值作为诊断指标的钻井泵活塞故障检测方法,进一步结合最大相关峭度解卷积滤波及包络谱分析等方法从泵送频率处能量变化的角度,对活塞刺漏这一故障进行了诊断;结合实验室以及钻井现场采集的数据对该方法进行了验证,并将诊断结果同其他振动指标做了对比。结果表明,该方法对于往复泵活塞故障诊断的准确率为91.1%,相较于均方根诊断准确率提升了3.6%、相较于脉冲因子、裕度因子和峭度3种统计指标诊断准确率提升了9%以上。该方法取得了良好的结果,为往复泵活塞组件的故障诊断提出了一种较好的解决思路。 展开更多
关键词 往复泵 振动分析 最大相关峭度解卷积 活塞故障诊断 泵送频率
在线阅读 下载PDF
基于振动与声发射敏感参数识别的主轴承故障诊断方法 被引量：4
19
作者 栾孝驰 佟鑫宇 +2 位作者 沙云东 陈兴武 郭小鹏 《推进技术》 EI CAS CSCD 北大核心 2024年第12期269-281,共13页
针对航空发动机主轴承故障特征信息提取困难的问题,提出了一种基于声发射特征参数与多参数筛选的小波包变换(MFSWPD)-粒子群优化算法(PSO)-最大相关峭度反卷积(MCKD)融合的轴承故障诊断方法。该方法通过声发射参数判断轴承状态并通过小... 针对航空发动机主轴承故障特征信息提取困难的问题,提出了一种基于声发射特征参数与多参数筛选的小波包变换(MFSWPD)-粒子群优化算法(PSO)-最大相关峭度反卷积(MCKD)融合的轴承故障诊断方法。该方法通过声发射参数判断轴承状态并通过小波包变换获得节点分量,针对分量进行筛选重构,再通过粒子群迭代优化的自适应最大相关峭度反卷积进行故障诊断。为验证该方法的有效性,开展某型双转子航空发动机主轴承故障模拟试验及某型涡扇发动机主轴承真实剥落故障试验,并在试验正式开始前进行断铅试验,检验轴承损伤点到测试点之间的声发射幅值衰减特性。结果表明:声发射断铅信号从轴承损伤位置到测试点位置幅值衰减约为55 dB。基于声发射与振动敏感参数的轴承故障诊断方法可有效提高故障信息的特征提取能力,精准判别主轴承的典型故障类型。 展开更多
关键词 航空发动机 主轴承 故障诊断 敏感参数特征识别 粒子群优化算法 最大相关峭度反卷积
在线阅读 下载PDF
基于局部能量密度的中介轴承故障特征提取与诊断方法 被引量：3
20
作者 栾孝驰 郝冠丞 +2 位作者 沙云东 张振鹏 赵奉同 《仪器仪表学报》 EI CAS CSCD 北大核心 2024年第5期239-250,共12页
针对航空发动机中介轴承振动信号在复杂传递路径和强背景噪声条件下的故障特征提取难题,本文提出了一种基于局部能量密度(LED)的中介轴承故障特征提取与诊断方法。首先,采用奇异谱分析对故障信号进行初步的降噪处理,并通过基于余弦值的... 针对航空发动机中介轴承振动信号在复杂传递路径和强背景噪声条件下的故障特征提取难题,本文提出了一种基于局部能量密度(LED)的中介轴承故障特征提取与诊断方法。首先,采用奇异谱分析对故障信号进行初步的降噪处理,并通过基于余弦值的方法确定最优的重构阶次,以保留信号中的关键故障信息。接着,引入新指标LED,用于量化故障特征频率及其谐波在局部频率范围内的能量比例。该指标不仅能有效提取微弱的故障特征,而且对于实际故障频率与理论故障频率之间可能存在的偏差表现出较强的鲁棒性。以LED作为适应度函数,通过人工蜂鸟算法优化的最大相关峭度解卷积(MCKD)增强奇异谱分析降噪后信号中的故障特征。最后,通过包络谱分析完成故障诊断。本文通过中介轴承故障模拟实验和加噪实验验证了所提方法的有效性,实验结果表明,与现有的故障诊断技术相比,本文所提出的方法的故障特征系数(FFC)和LED分别增加20.7%~218%和22.9%~134%。在0 dB,-4 dB和-10 dB噪声条件下,该方法仍准确地识别到外圈故障的特征频率及倍频,表明所提出的SSA_MCKD能有效降低信号噪声并提取滚动轴承的故障特征。 展开更多
关键词 中介轴承 奇异谱分析 最大相关峭度解卷积 局部能量密度 人工蜂鸟算法 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 … 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