检索结果-维普期刊中文期刊服务平台

基于OSGMD-Hilbert包络对数分析的齿轮箱齿面磨损早期故障诊断: 1; 作者俞香熔王友仁王胤博《振动与冲击》北大核心 2025年第7期225-231,274,共8页; 针对环境噪声下齿轮箱齿面磨损早期微弱故障特征难以提取的问题,提出了一种基于优化型辛几何模态分解-Hilbert包络对数分析的齿轮磨损故障诊断方法。新方法中引入Cao算法和功率谱密度,提出最近邻波动偏差实现嵌入维数的自适应确定,利用... 展开更多; 关键词早期故障诊断振动信号特征信息提取优化型辛几何模态分解(osgmd) 齿轮磨损 Hilbert包络对数分析法辛几何模态分解(SGMD); 在线阅读下载PDF 职称材料

基于SGMD及LWOA-ELM的有限元模型修正被引量：1: 2; 作者赵宇彭珍瑞《计算力学学报》 CAS CSCD 北大核心 2023年第2期255-263,共9页; 为得到待修正参数与结构响应之间的关系,提高模型修正的效率和精度,提出了一种基于辛几何模态分解(SGMD)和Lévy飞行鲸鱼优化算法(LWOA)优化极限学习机(ELM)的有限元模型修正(FEMU)方法。首先,对加速度频响函数(AFRF)进行SGMD分解,... 展开更多; 关键词模型修正辛几何模态分解能量熵增量法极限学习机鲸鱼优化算法; 在线阅读下载PDF 职称材料

辛几何模态分解方法及其分解能力研究被引量：10: 3; 作者程正阳王荣吉潘海洋《振动与冲击》 EI CSCD 北大核心 2020年第13期27-35,共9页; 针对经验模态分解(Empirical Mode Decomposition,EMD)、集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)、局部特征尺度分解(Local Characteristic scale Decomposition,LCD)等方法的不足,提出了一种新的分析方法--辛... 展开更多; 关键词辛几何模态分解(SGMD) 辛矩阵相似变换辛几何分量(SGC) 分解能力; 在线阅读下载PDF 职称材料

辛几何模态分解和广义形态分形维数的液压泵故障诊断被引量：13: 4; 作者郑直王宝中 +1 位作者刘佳鑫姜万录《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2020年第5期724-730,共7页; 针对液压泵故障诊断问题,本文提出了一种基于辛几何模态分解和广义形态分形维数相结合的方法。对实测液压泵多模态故障振动信号进行分解;基于所提出的能量选取法,重构含有丰富运行特征信息的模态分量,并将其作为数据源;基于数据源提取,... 展开更多; 关键词液压泵故障诊断辛几何模态分解广义形态分形维数模态能量特征提取滑靴故障松靴故障; 在线阅读下载PDF 职称材料

基于SGMD-Autogram的液压泵故障诊断方法研究被引量：13: 5; 作者郑直李显泽 +1 位作者朱勇王宝中《振动与冲击》 EI CSCD 北大核心 2020年第23期234-241,共8页; 辛几何模态分解方法(Symplectic Geometry Mode Decomposition,SGMD)存在特征信息分布过于分散问题、Autogram方法中的最大重复离散小波变换(Maximal Overlap Discrete Wavelet Packet Transform,MODWPT)存在特征提取能力不足问题,针对... 展开更多; 关键词液压泵故障诊断辛几何模态分解 Autogram; 在线阅读下载PDF 职称材料

基于SGMD的CNN-BiGRU光伏功率预测: 6; 作者邹邦杰刘国巍《无线互联科技》 2023年第23期128-130,共3页; 为准确预测光伏电站的发电功率,帮助电网调度部门制定合理的调度计划,文章提出一种基于SGMD(Symplectic Geometry Mode Decomposition)、CNN(Convolutional Neural Networks)和BiGRU(Bidirectional Gate Recurrent Unit)的光伏发电功率... 展开更多; 关键词光伏功率预测辛几何模态分解卷积神经网络双向门控单元; 在线阅读下载PDF 职称材料

题名基于OSGMD-Hilbert包络对数分析的齿轮箱齿面磨损早期故障诊断: 1; 作者俞香熔王友仁王胤博; 机构南京航空航天大学自动化学院上海交通大学机械与动力工程学院机械系统与振动国家重点实验室; 出处《振动与冲击》北大核心 2025年第7期225-231,274,共8页; 基金航空发动机及燃气轮机重大专项基础研究项目(J2019-ΙV-0018-0086) 国家自然科学基金项目(52372430) +1 种基金南京航空航天大学研究生科研与实践创新计划资助项目(xcxjh20230327)。; 文摘针对环境噪声下齿轮箱齿面磨损早期微弱故障特征难以提取的问题,提出了一种基于优化型辛几何模态分解-Hilbert包络对数分析的齿轮磨损故障诊断方法。新方法中引入Cao算法和功率谱密度,提出最近邻波动偏差实现嵌入维数的自适应确定,利用奇异值分解进行降噪,采用Pearson-功率谱熵差和闵氏距离作为重构准则以获取特征模态分量,通过Hilbert包络对数分析法突出故障频率成分,并进行故障诊断。该新方法克服了辛几何模态分解嵌入维数依赖经验公式、重构准则单一和噪声鲁棒性欠佳的缺陷。仿真与试验结果分析表明,与辛几何模态分解(symplectic geometric mode decomposition,SGMD)、迭代SGMD、变分模态分解和经验模态分解相比,该新方法能够有效提取早期齿面磨损故障特征信息,表现出更好的鲁棒性。; 关键词早期故障诊断振动信号特征信息提取优化型辛几何模态分解(osgmd) 齿轮磨损 Hilbert包络对数分析法辛几何模态分解(SGMD); Keywords early fault diagnosis vibration signal feature information extraction optimized symplectic geometry mode decomposition(osgmd) gear wear Hilbert envelope logarithmic analysis method symplectic geometry modal decomposition(SGMD); 分类号 TH113 [机械工程—机械设计及理论]; 在线阅读下载PDF 职称材料

题名基于SGMD及LWOA-ELM的有限元模型修正被引量：1: 2; 作者赵宇彭珍瑞; 机构兰州交通大学机电工程学院天水师范学院电子信息与电气工程学院; 出处《计算力学学报》 CAS CSCD 北大核心 2023年第2期255-263,共9页; 基金国家自然科学基金(51768035) 天水师范学院2021年创新基金(CXJ2021-26)资助项目.; 文摘为得到待修正参数与结构响应之间的关系,提高模型修正的效率和精度,提出了一种基于辛几何模态分解(SGMD)和Lévy飞行鲸鱼优化算法(LWOA)优化极限学习机(ELM)的有限元模型修正(FEMU)方法。首先,对加速度频响函数(AFRF)进行SGMD分解,采用能量熵增量法确定重组辛几何分量(SGC)构成SGC矩阵。然后,利用LWOA对ELM的权值和阈值进行优化,提高ELM模型的预测效率,以LWOA-ELM为代理模型映射出待修正参数与SGC矩阵之间的关系。最后,以试验频响函数SGC矩阵与LWOA-ELM模型输出所得矩阵差值的F-范数最小为目标函数,结合LWOA求解待修正参数。算例分析表明,提出的方法用于有限元模型修正有较好的可行性和有效性。以SGC矩阵表征AFRF的修正方法,有较好的噪声鲁棒性;LWOA-ELM作为代理模型预测精度高,泛化能力强。; 关键词模型修正辛几何模态分解能量熵增量法极限学习机鲸鱼优化算法; Keywords model updating symplectic geometry mode decomposition energy entropy increment method extreme learning machine whale optimization algorithm; 分类号 O32 [理学—一般力学与力学基础] TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名辛几何模态分解方法及其分解能力研究被引量：10: 3; 作者程正阳王荣吉潘海洋; 机构中南林业科技大学机电工程学院湖南大学机械与运载工程学院; 出处《振动与冲击》 EI CSCD 北大核心 2020年第13期27-35,共9页; 基金国家重点研发计划项目(2016YFF0203400) 国家自然科学基金(51575168,51875183)。; 文摘针对经验模态分解(Empirical Mode Decomposition,EMD)、集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)、局部特征尺度分解(Local Characteristic scale Decomposition,LCD)等方法的不足,提出了一种新的分析方法--辛几何模态分解(Symplectic Geometry Mode Decomposition,SGMD)方法,该方法采用辛矩阵相似变换求解Hamilton矩阵的特征值,并利用其对应的特征向量重构辛几何分量(Symplectic Geometry Component,SGC),从而对复杂信号去噪的同时进行自适应分解,得到若干个SGC。通过仿真信号模型,研究了SGMD方法的分解性能、噪声鲁棒性,分析了分量信号的频率比、幅值比和初相位差对SGMD方法分解能力的影响。将SGMD方法应用于齿轮故障实验数据分析,结果表明SGMD方法能够有效地对待分解信号完成分解并剔除噪声信号。; 关键词辛几何模态分解(SGMD) 辛矩阵相似变换辛几何分量(SGC) 分解能力; Keywords symplectic geometry mode decomposition(SGMD) symplectic matrix similarity transformation symplectic geometry component(SGC) decomposition ability; 分类号 TH113 [机械工程—机械设计及理论]; 在线阅读下载PDF 职称材料

题名辛几何模态分解和广义形态分形维数的液压泵故障诊断被引量：13: 4; 作者郑直王宝中刘佳鑫姜万录; 机构华北理工大学机械工程学院燕山大学河北省重型机械流体动力传输与控制重点实验室燕山大学先进锻压成形技术与科学教育部重点实验室; 出处《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2020年第5期724-730,共7页; 基金国家自然科学基金项目(51875498) 河北省省属高等学校基本科研业务费研究项目(JQN2019004) +1 种基金河北省自然科学基金项目(E2018203339,E2017203115)。; 文摘针对液压泵故障诊断问题,本文提出了一种基于辛几何模态分解和广义形态分形维数相结合的方法。对实测液压泵多模态故障振动信号进行分解;基于所提出的能量选取法,重构含有丰富运行特征信息的模态分量,并将其作为数据源;基于数据源提取,实现对液压泵不同故障的诊断。通过对比分析仿真和实测液压泵故障振动信号的试验结果,验证了该方法可以有效地诊断液压泵不同故障。; 关键词液压泵故障诊断辛几何模态分解广义形态分形维数模态能量特征提取滑靴故障松靴故障; Keywords hydraulic pump fault diagnosis symplectic geometry mode decomposition general morphological fractal dimensions mode energy feature extraction slipper wear fault loose slipper fault; 分类号 TH137 [机械工程—机械制造及自动化] TP277 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名基于SGMD-Autogram的液压泵故障诊断方法研究被引量：13: 5; 作者郑直李显泽朱勇王宝中; 机构华北理工大学机械工程学院惠达卫浴股份有限公司江苏大学流体机械工程技术研究中心; 出处《振动与冲击》 EI CSCD 北大核心 2020年第23期234-241,共8页; 基金河北省博士后科学基金(B2020003033) 河北省省属高等学校基本科研业务费研究(JQN20190004) +3 种基金国家自然科学基金(51805214) 中国博士后科学基金(2019M651722)。; 文摘辛几何模态分解方法(Symplectic Geometry Mode Decomposition,SGMD)存在特征信息分布过于分散问题、Autogram方法中的最大重复离散小波变换(Maximal Overlap Discrete Wavelet Packet Transform,MODWPT)存在特征提取能力不足问题,针对上述两问题,提出了基于SGMD-Autogram的新方法。对实测液压泵多模态故障振动信号进行SGMD分解;针对分解后产生的特征信息分布过于分散问题,提出基于最大无偏自相关谱峭度法,筛选含有丰富运行特征信息的模态分量为数据源,进而取代MODWPT,实现最优故障特征提取;对数据源进行阈值处理,并基于频谱实现对液压泵故障的诊断。通过对比分析仿真和实测液压泵斜盘故障振动信号,验证了该方法可以有效地诊断斜盘故障。; 关键词液压泵故障诊断辛几何模态分解 Autogram; Keywords hydraulic pump fault diagnosis symplectic geometry mode decomposition(SGMD) Autogram; 分类号 TH137 [机械工程—机械制造及自动化] TP277 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名基于SGMD的CNN-BiGRU光伏功率预测: 6; 作者邹邦杰刘国巍; 机构安徽理工大学电气与信息工程学院; 出处《无线互联科技》 2023年第23期128-130,共3页; 文摘为准确预测光伏电站的发电功率,帮助电网调度部门制定合理的调度计划,文章提出一种基于SGMD(Symplectic Geometry Mode Decomposition)、CNN(Convolutional Neural Networks)和BiGRU(Bidirectional Gate Recurrent Unit)的光伏发电功率预测模型。首先,利用辛几何分解将历史功率分解为不同模态;其次,结合天气数据输入CNN-BiGRU组合模型进行预测;最后,将预测结果整合。该模型选用新疆某光伏电站2019年运行数据分别在短期与中长期不同预测范围内进行预测实验,实验结果表明,此模型的通用性和辛几何分解算法在提高光伏功率预测精度上具有一定的研究价值。; 关键词光伏功率预测辛几何模态分解卷积神经网络双向门控单元; Keywords photovoltaic power forcasting symplectic geometry mode decomposition convolutional neural networks bidirectional gate recurrent unit; 分类号 TK519 [动力工程及工程热物理—热能工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于OSGMD-Hilbert包络对数分析的齿轮箱齿面磨损早期故障诊断	俞香熔王友仁王胤博	《振动与冲击》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于SGMD及LWOA-ELM的有限元模型修正	赵宇彭珍瑞	《计算力学学报》 CAS CSCD 北大核心	2023	1	在线阅读下载PDF 职称材料
3	辛几何模态分解方法及其分解能力研究	程正阳王荣吉潘海洋	《振动与冲击》 EI CSCD 北大核心	2020	10	在线阅读下载PDF 职称材料
4	辛几何模态分解和广义形态分形维数的液压泵故障诊断	郑直王宝中刘佳鑫姜万录	《哈尔滨工程大学学报》 EI CAS CSCD 北大核心	2020	13	在线阅读下载PDF 职称材料
5	基于SGMD-Autogram的液压泵故障诊断方法研究	郑直李显泽朱勇王宝中	《振动与冲击》 EI CSCD 北大核心	2020	13	在线阅读下载PDF 职称材料
6	基于SGMD的CNN-BiGRU光伏功率预测	邹邦杰刘国巍	《无线互联科技》	2023	0	在线阅读下载PDF 职称材料