期刊文献+
共找到7篇文章
< 1 >
每页显示 20 50 100
基于子带平均峭度图和TMSST的高压直流接触器特性参数测量
1
作者 孙曙光 王子航 +2 位作者 王景芹 崔玉龙 颜豪磊 《仪器仪表学报》 北大核心 2025年第6期117-129,共13页
针对高压直流接触器动态特性参数的非侵入式测量需求,以及短时分析法在不同型号接触器间的适应性不足和迁移性有限的问题,提出了一种基于子带平均峭度图和时间重分配多同步压缩变换(TMSST)的测量方法。首先,将滑窗分帧与双树复小波包变... 针对高压直流接触器动态特性参数的非侵入式测量需求,以及短时分析法在不同型号接触器间的适应性不足和迁移性有限的问题,提出了一种基于子带平均峭度图和时间重分配多同步压缩变换(TMSST)的测量方法。首先,将滑窗分帧与双树复小波包变换(DTCWPT)相结合,对接触器合闸声音信号进行预处理,获取多个小波子带,通过对小波子带进行重排并计算平均峭度,构建子带平均峭度图,并选择峭度值最大的频带作为最优频带以重构信号,提取有效的碰撞冲击成分。随后,采用TMSST对重构信号中的碰撞冲击事件进行时频表示和能量压缩,并通过时频包络谱峰值的时频系数来表征冲击特征,精准定位动、静触头碰撞和动铁碰撞冲击时刻,最终测量出接触器吸合时间、超程时间等关键动态特性参数。为验证方法的有效性,搭建了接触器动态特性测试系统,并在多型号接触器、不同传感器布置条件下进行了实验测试。结果表明,所提方法在不同类型高压直流接触器特性参数测量中均表现出较高的测量精度,其平均绝对误差(MAE)与均方根误差(RMSE)均不超过0.35 ms;与短时分析法相比,平均MAE与RMSE降低了39%以上。所提方法对传感器布局的依赖性小,对不同类型接触器的泛化能力强,从而具有较高的工程应用潜力。 展开更多
关键词 高压直流接触器 特性参数 子带平均峭度图 时间重分配多同步压缩变换 声冲击特性
在线阅读 下载PDF
基于BAACMD-NGO-TMSST的变转速滚动轴承故障诊断
2
作者 吴欢 马洁 《机床与液压》 北大核心 2024年第22期227-240,共14页
在变转速工况下,滚动轴承时变故障特征提取困难,且时间重分配的多重同步压缩变换(TMSST)易受噪声干扰,其相关参数的确定不具备自适应性。针对此问题,提出一种基于BAACMD-NGO-TMSST的变转速滚动轴承故障诊断方法。通过BAACMD将故障信号... 在变转速工况下,滚动轴承时变故障特征提取困难,且时间重分配的多重同步压缩变换(TMSST)易受噪声干扰,其相关参数的确定不具备自适应性。针对此问题,提出一种基于BAACMD-NGO-TMSST的变转速滚动轴承故障诊断方法。通过BAACMD将故障信号分解为多个分量,采用基尼指数和包络熵作为综合指标选取最优分量,从而去除噪声干扰;采用北方苍鹰优化算法(NGO)对TMSST进行参数寻优;最后,利用优化后的TMSST对最优分量进行时频分析,并计算最大TF包络谱(TFES)提取故障特征。通过仿真信号和渥太华轴承数据集,验证了所提方法的可行性和有效性;与其他降噪方法对比,BAACMD在降噪方面具有优越性;与其他时频分析方法对比,所提方法具有更好的特征提取效果。 展开更多
关键词 变转速 故障诊断 带宽感知自适应线性调频模态分解(BAACMD) 时间再分配多重同步压缩变换(Tmsst)
在线阅读 下载PDF
基于MSST的高压直流线路故障定位方法 被引量:6
3
作者 郑茂然 陈朝晖 +3 位作者 余江 李正红 杨涛 高湛军 《南方电网技术》 CSCD 北大核心 2022年第3期8-15,125,共9页
在利用经验波速进行线路故障定位的方法中,由于行波的色散特性,波速随着频率的变化而变化,计算得到的故障距离存在较大误差,解决此问题需要准确提取行波的时频特性。提出了基于多重同步压缩变换(multisynchrosqueezing transform,MSST)... 在利用经验波速进行线路故障定位的方法中,由于行波的色散特性,波速随着频率的变化而变化,计算得到的故障距离存在较大误差,解决此问题需要准确提取行波的时频特性。提出了基于多重同步压缩变换(multisynchrosqueezing transform,MSST)的直流线路故障定位方法,由于MSST的多次挤压特性,其能有效提高信号的时频聚集性,对行波的时频特征提取以及对波头的识别更加精准。利用此方法得到行波到达测点的时间和频率信息,进一步得到该时刻对应的波速,并以此波速计算故障距离,降低了由波速和波头到达时刻识别不精准造成的误差。最后通过仿真并结合实际工程录波数据验证了该方法的有效性。 展开更多
关键词 故障定位 时频分析 多重同步压缩变换
在线阅读 下载PDF
一种TMSST结合相关峭度的柔性薄壁轴承故障特征提取方法 被引量:1
4
作者 虞超峰 赵学智 《振动工程学报》 EI CSCD 北大核心 2022年第5期1259-1269,共11页
在STFT的基础上提出了一种时间重分配多同步压缩变换(TMSST)结合相关峭度的柔性薄壁轴承故障特征提取方法。该方法通过对STFT结果使用压缩算子提高其时频聚集性;结合相关峭度准则选择最佳频率点处的脉冲特征;对脉冲特征分析得到其冲击... 在STFT的基础上提出了一种时间重分配多同步压缩变换(TMSST)结合相关峭度的柔性薄壁轴承故障特征提取方法。该方法通过对STFT结果使用压缩算子提高其时频聚集性;结合相关峭度准则选择最佳频率点处的脉冲特征;对脉冲特征分析得到其冲击频率特性。将所述方法用于柔性薄壁轴承内外圈故障信号特征提取,并将其与S变换结合相关峭度进行对比,结果证明所提方法在成功提取故障特征的同时能更好地反映故障特征频率的时变性,为轴承故障诊断提供了一种时频分析的新视角。 展开更多
关键词 故障诊断 柔性薄壁轴承 特征频率 时间重分配多同步压缩变换 相关峭度
在线阅读 下载PDF
基于MSST和双通道CNN技术的变转速轴承故障诊断研究 被引量:2
5
作者 张冰 姜培刚 林天然 《机电工程》 CAS 北大核心 2021年第9期1145-1151,共7页
针对变转速滚动轴承振动信号具有非平稳性特征,且故障特征难以有效提取的问题,提出了一种基于多次同步压缩变换和双通道卷积神经网络的滚动轴承故障智能诊断方法。首先,对变转速工况下滚动轴承的振动信号进行了多次同步压缩变换,获得了... 针对变转速滚动轴承振动信号具有非平稳性特征,且故障特征难以有效提取的问题,提出了一种基于多次同步压缩变换和双通道卷积神经网络的滚动轴承故障智能诊断方法。首先,对变转速工况下滚动轴承的振动信号进行了多次同步压缩变换,获得了能量集中的时频图谱;然后,将其输入到采用不同尺寸的小卷积核双通道CNN中,提取了其故障特征信息,并通过Concatenate机制将其融合;最后,通过SoftMax函数输出轴承的故障识别结果;在一组变转速工况滚动轴承故障实验数据上取得了99%以上的故障识别率,验证了该方法的有效性,并与单通道CNN模型进行了对比。研究结果表明:TCNN的分类精度更高,准确率可达99.67%;该结果证明了改进后的模型具有较好的非线性拟合能力,同时也具有较强的鲁棒性,可有效应用于变转速滚动轴承故障诊断中。 展开更多
关键词 变转速轴承 多次同步压缩变换 卷积神经网络 故障诊断 特征融合
在线阅读 下载PDF
一种基于多重同步压缩的高动态信号捕获技术 被引量:4
6
作者 程凌峰 倪淑燕 +1 位作者 陈世淼 廖育荣 《电讯技术》 北大核心 2024年第4期612-619,共8页
为了解决高速飞行器通信时的高动态信号捕获问题,根据多普勒变化特点,将信号建模为非线性调频信号,采用时频分析的方式提取瞬时频率,设计了一种基于多重同步压缩(Multisynchro Squeezing Transform,MSST)的时频分析方法,有效提高了时频... 为了解决高速飞行器通信时的高动态信号捕获问题,根据多普勒变化特点,将信号建模为非线性调频信号,采用时频分析的方式提取瞬时频率,设计了一种基于多重同步压缩(Multisynchro Squeezing Transform,MSST)的时频分析方法,有效提高了时频能量聚集能力和鲁棒性。为了避免时频图起始点选择错误引起的频率估计误差过大的问题,提出了一种分段能量泛函最小化法,将时频面分成多个部分,向前向后分别提取脊线,提高了低信噪比下频率估计的准确性。仿真结果表明,对6 Ma、40g、100 g/s的高动态信号,相比传统时频分析方法频率估计精度提高50%以上,所提方法捕获概率可达到95%以上,对低信噪比高动态信号有较强的适应能力。 展开更多
关键词 高动态信号捕获 非线性调频 多重同步压缩(msst) 分段能量泛函最小化
在线阅读 下载PDF
基于双通道卷积神经网络的雷达信号识别 被引量:12
7
作者 全大英 陈赟 +3 位作者 唐泽雨 李世通 汪晓锋 金小萍 《上海交通大学学报》 EI CAS CSCD 北大核心 2022年第7期877-885,共9页
为解决在低信噪比下特征提取困难、雷达信号识别率低的问题,提出了一种基于Choi-Williams分布(CWD)和多重同步压缩变换(MSST)的双通道卷积神经网络模型.模型通过对雷达信号进行CWD和MSST时频分析,分别获取二维时频图像并进行预处理,然... 为解决在低信噪比下特征提取困难、雷达信号识别率低的问题,提出了一种基于Choi-Williams分布(CWD)和多重同步压缩变换(MSST)的双通道卷积神经网络模型.模型通过对雷达信号进行CWD和MSST时频分析,分别获取二维时频图像并进行预处理,然后送入双通道卷积神经网络进行深度特征提取,最后将两路通道获取的特征进行融合,通过卷积神经网络分类器实现对雷达信号的分类识别.仿真结果表明:在信噪比为-10 dB时,所提模型整体识别准确率能达到96%以上,其在低信噪比下表现优异. 展开更多
关键词 低信噪比 Choi-Williams分布 多重同步压缩变换 双通道卷积神经网络
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部