基于PAVME的柴油机传动机构异常振动诊断研究 被引量：1

1

作者 周启迪 张忠伟 +3 位作者 王根全 王延荣 张利敏 许春光 《振动与冲击》 北大核心 2025年第1期143-150,共8页

柴油机传动机构振动信号具有强耦合、强冲击及强干扰特征,准确的信号特征提取是振动源识别及抑制的关键。针对变分模态提取(variational mode extraction,VME)方法在处理柴油机振动信号存在自适应性及准确性不足的问题,本研究以振动信... 柴油机传动机构振动信号具有强耦合、强冲击及强干扰特征,准确的信号特征提取是振动源识别及抑制的关键。针对变分模态提取(variational mode extraction,VME)方法在处理柴油机振动信号存在自适应性及准确性不足的问题,本研究以振动信号的峰值频率为中心频率的初始值,考虑分解信号与原始信号的相关性,以分解分量的峰峰值、均方根值及峰值因子为判定指标,提出一种参数自适应变分模态提取(parameter adaptive variational mode extraction,PAVME)算法,并通过构建强干扰环境下柴油机振动特征的模拟信号验证了该方法的准确性和鲁棒性。基于PAVME和功率谱密度函数(power spectral density function,PSD)识别出齿轮箱异常振动源为齿轮啮合激励。综合激励源和传递路径两个维度考虑,最后提出了通过轴系扭振控制进行传动机构振动抑制的方案。 展开更多

关键词 参数自适应变分模态提取(pavme) 振动 柴油机 传动机构

在线阅读 下载PDF 职称材料

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

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 职称材料

基于自适应特征提取的柴油机传动系振动识别

3

作者 周启迪 王延荣 +3 位作者 李志鹏 许春光 张忠伟 刘玉婷 《内燃机学报》 北大核心 2025年第2期183-191,共9页

柴油机传动系振动信号特征具有强复杂性和干扰性,准确提取信号特征是柴油机振动识别的关键.针对变分模态提取(VME)方法在处理柴油机振动信号存在自适应性不足的问题,研究以重构分解信号与原始信号的相关性为约束条件,以四阶累积量为VME... 柴油机传动系振动信号特征具有强复杂性和干扰性,准确提取信号特征是柴油机振动识别的关键.针对变分模态提取(VME)方法在处理柴油机振动信号存在自适应性不足的问题,研究以重构分解信号与原始信号的相关性为约束条件,以四阶累积量为VME优化的判定指标,提出一种自适应VME(AVME)方法,并通过构建类似柴油机振动特征的模拟信号验证了该方法的准确性和鲁棒性.通过AVME方法对柴油机传动系振动信号进行自适应分解,基于时频分析和阶次谱分析发现柴油机传动系主要振动源为齿轮系啮合激励,对比轴系扭振和柴油机振动结果,轴系扭转共振导致了齿轮系的强啮合冲击,最后提出了通过联轴器和减振器匹配设计进行振动抑制的方案. 展开更多

关键词 柴油机 振动识别 自适应特征提取 变分模态提取

在线阅读 下载PDF 职称材料

基于带宽划分改进VMD与AMF的变转速轴承故障诊断

4

作者 卫军 马洁 《组合机床与自动化加工技术》 北大核心 2025年第7期175-179,195,共6页

针对滚动轴承在变转速工况下故障特征提取困难和变分模态分解(variational mode decomposition,VMD)算法参数确定困难的问题,提出了基于BDVMD-AMF与COT的变转速轴承故障诊断。首先,提出基于频带划分的改进变分模态分解(bandwidth divisi... 针对滚动轴承在变转速工况下故障特征提取困难和变分模态分解(variational mode decomposition,VMD)算法参数确定困难的问题,提出了基于BDVMD-AMF与COT的变转速轴承故障诊断。首先,提出基于频带划分的改进变分模态分解(bandwidth division variational mode decomposition,BDVMD)算法,即利用加权谱趋势(weighted spectrum trend,WST)对振动信号频带进行划分,以此确定VMD算法的分解层数和惩罚因子;同时提出综合指标筛选优质分量并重构信号;其次,采用自适应形态滤波(adaptive morphological filtering,AMF)算法进一步降低重构信号中的噪声干扰并突出故障特征;最后,为克服变转速导致的频谱模糊问题,通过计算阶次跟踪(computed order tracking,COT)算法得到滤波信号的角域平稳信号,获取其包络阶次谱提取故障特征,实现变转速滚动轴承故障诊断。通过仿真信号、渥太华轴承数据集以及对比实验验证,结果表明所提方法更加高效、效果更优。 展开更多

关键词 变转速滚动轴承 带宽划分变分模态分解 自适应形态滤波 计算阶次跟踪 特征提取 故障诊断

在线阅读 下载PDF 职称材料

基于参数自适应SVR和VMD-TCN的水电机组劣化趋势预测 被引量：3

5

作者 王淑青 柯洋洋 +2 位作者 胡文庆 罗平章 李青珏 《中国农村水利水电》 北大核心 2024年第4期193-198,204,共7页

针对水电机组难以利用实时监测数据对机组劣化状态进行有效评估,以及水电机组不同运行工况对运行状态指标趋势预测模型参数影响显著的问题,提出一种基于参数自适应支持向量回归机(SVR)、变分模态分解(VMD)和时间卷积网络(TCN)的水电机... 针对水电机组难以利用实时监测数据对机组劣化状态进行有效评估,以及水电机组不同运行工况对运行状态指标趋势预测模型参数影响显著的问题,提出一种基于参数自适应支持向量回归机(SVR)、变分模态分解(VMD)和时间卷积网络(TCN)的水电机组劣化趋势预测方法;首先按照功率和水头将机组运行工况细化为若干典型工况,在此基础上采用改进天鹰算法建立SVR模型,对各个工况下的预测参数进行寻优,建立起工况与最优参数的数据;再通过神经网络对工况和最优预测参数进行拟合,构建出映射两者复杂关系的非线性函数,然后将构建出的映射关系加入到传统的SVR中,实现适应于水电机组工况变化的自适应SVR健康模型;其次,根据健康模型输出的标准值和监测数据,计算出劣化趋势序列;最后,考虑到劣化趋势序列的非线性因素,建立了一个基于VMD-TCN的时间序列预测模型,以实现对劣化趋势的准确预测。并设计多组对比实验,验证所提出模型的精度更高,时间更快。 展开更多

关键词 水电机组 劣化趋势预测 参数自适应 支持向量回归机 变分模态分解 时间卷积网络

在线阅读 下载PDF 职称材料

基于表面辐射声信号的柴油机进气及齿轮故障诊断

6

作者 李斌 林杰威 +3 位作者 朱小龙 林耕毅 张益铭 张俊红 《排灌机械工程学报》 CSCD 北大核心 2024年第8期843-850,共8页

利用声振信号进行发动机故障诊断过程中,部分故障激励仅在发动机表面特定位置的振动中有较强响应,振动测点要求高,需要接触测量,部分场景难以实现.为此,提出了一种以表面辐射声为媒介、以自适应变分模态提取(adaptive variational mode ... 利用声振信号进行发动机故障诊断过程中,部分故障激励仅在发动机表面特定位置的振动中有较强响应,振动测点要求高,需要接触测量,部分场景难以实现.为此,提出了一种以表面辐射声为媒介、以自适应变分模态提取(adaptive variational mode extraction,AVME)进行预处理的柴油机进气故障和齿轮故障诊断方法.开展了某直列六缸重型柴油机的进气滤清器堵塞、气门间隙异常和正时齿轮损伤3类故障状态的台架试验,获取了不同故障程度下发动机表面辐射噪声.基于改进的AVME方法,实现噪声信号本征模函数(intrinsic mode function,IMF)的最优分解,通过计算IMF与原信号间的互相关系数,提取高相关IMF构成故障诊断输入.经预处理后,声信号故障特征得到有效增强,再输入到麻雀搜索算法优化支持向量机模型(support vector machine model optimized by sparrow search algorithm,SSA-SVM),进行特征参量和模型参数协同优化可以获得更好的诊断精度.试验验证表明,无需在半消声室测试,仅使用单通道声信号对3类11种程度的进气系统和齿轮故障进行诊断,前端噪声准确率最高(98.89%),顶部噪声准确率最低(88.78%);使用前、顶、后三通道噪声数据后,诊断精度可提升至99.57%.研究结论为基于声信号等非接触测量的发动机故障诊断提供了参考. 展开更多

关键词 柴油机 声信号 故障诊断 自适应变分模态提取 支持向量机

在线阅读 下载PDF 职称材料

基于ASMVMD和MOMEDA的齿轮特征提取方法 被引量：1

7

作者 唐贵基 曾鹏飞 朱爽 《机电工程》 CAS 北大核心 2024年第12期2174-2184,共11页

针对齿轮信号易被强噪声干扰,导致损伤特征难以提取的问题,提出了一种基于自适应逐次多元变分模态分解(ASMVMD)和多点最优最小熵解卷积(MOMEDA)的齿轮故障特征提取方法。首先,采用加权黑猩猩优化算法对SMVMD分解参数进行了自适应寻优,以... 针对齿轮信号易被强噪声干扰,导致损伤特征难以提取的问题,提出了一种基于自适应逐次多元变分模态分解(ASMVMD)和多点最优最小熵解卷积(MOMEDA)的齿轮故障特征提取方法。首先,采用加权黑猩猩优化算法对SMVMD分解参数进行了自适应寻优,以SMVMD分解后各个通道的所有分量的平均包络谱峰值因子(Ec)之和的相反数作为寻优的适应度函数,确定了最大惩罚因子α和最大分解模态数k的最优值;然后,采用ASMVMD方法对齿轮多通道故障数据进行了自适应分解,根据Ec指标提取了各通道特定分量,并将这些分量相加,进行了信号重构;最后,采用MOMEDA解卷积处理了重构信号,进一步强化了齿轮故障的冲击特性,并利用包络谱分析解卷积信号,提取了齿轮的故障特征频率。研究结果表明:通过仿真信号和模拟实验信号的分析,可知利用ASMVMD-MOMEDA相结合的方法处理得到的信号降噪效果显著,能有效抑制无关干扰成分的影响,从包络谱中可以清晰地看到故障频率的前几阶倍频;与多元经验模态分解(MEMD)-MOMEDA相结合的方法进行对比,发现采用ASMVMD-MOMEDA方法得到的包络谱较MEMD-MOMEDA方法的谱线更加干净,各阶倍频更加明显,进一步证明ASMVMD-MOMEDA方法可以准确提取齿轮故障特征。 展开更多

关键词 齿轮损伤特征 故障特征提取 自适应逐次多元变分模态分解 多点最优最小熵解卷积 多通道 解卷积 包络谱峰值因子 信号重构

在线阅读 下载PDF 职称材料

变分模态分解方法在轴承故障诊断中的应用研究进展 被引量：4

8

作者 陆志杰 王志良 +3 位作者 鄢小安 刘德利 孙见君 马晨波 《润滑与密封》 CAS CSCD 北大核心 2024年第9期178-190,共13页

作为旋转机械的核心和易发生故障的部件,滚动轴承及其故障诊断是目前研究的热点和前沿。有效的特征提取方法对于滚动轴承故障诊断至关重要,其中变分模态分解算法(VMD)因对复杂信号具有较强的分析能力和自适应性,应用潜力较好。对VMD的... 作为旋转机械的核心和易发生故障的部件,滚动轴承及其故障诊断是目前研究的热点和前沿。有效的特征提取方法对于滚动轴承故障诊断至关重要,其中变分模态分解算法(VMD)因对复杂信号具有较强的分析能力和自适应性,应用潜力较好。对VMD的基本原理及其优势、VMD在轴承故障特征提取方面的应用、VMD参数优化方法以及最新进展进行归纳总结,针对VMD参数优化问题,从适应度函数构造和群智能算法改进上,提出一种新的解决方法,并探讨VMD在诊断滚动轴承早期微弱故障和复合故障等方面的不足之处,最后从理论研究和工程应用的角度,展望VMD未来的发展方向,可为从事滚动轴承故障诊断的相关研究人员提供参考。 展开更多

关键词 滚动轴承 故障诊断 特征提取 变分模态分解算法 参数优化

在线阅读 下载PDF 职称材料

基于优化VMD-CNN-BiLSTM的电机轴承智能故障诊断研究 被引量：12

9

作者 曹景胜 于洋 +1 位作者 王琦 董翼宁 《现代电子技术》 北大核心 2024年第12期115-121,共7页

针对滚动轴承早期故障信号较弱及特征数据提取效果差,导致故障诊断准确率低以及故障诊断效率低的问题,提出一种信号处理结合深度神经网络的故障诊断方法。首先,采用变分模态分解(VMD)法提取主轴承振动数据中的特征数据;然后为了确定VMD... 针对滚动轴承早期故障信号较弱及特征数据提取效果差,导致故障诊断准确率低以及故障诊断效率低的问题,提出一种信号处理结合深度神经网络的故障诊断方法。首先,采用变分模态分解(VMD)法提取主轴承振动数据中的特征数据;然后为了确定VMD算法中最佳的模态分量个数K及惩罚参数α,增强特征提取的效果,将最小排列熵作为适应度函数,采用全局优化能力强的正弦混沌自适应鲸鱼优化算法(CAWOA)进行参数的确定,得到最优模态分量;接着,根据最优模态分量构造特征向量,将特征向量作为CNN-BiLSTM网络的输入,实现故障的分类。最后,根据实验平台采集的数据进行实验分析。结果表明,优化VMD-CNN-BiLSTM轴承故障诊断模型相较于其他故障诊断模型,在准确率以及实时性上均有明显提升。 展开更多

关键词 变分模态分解(VMD) 卷积神经网络(CNN) 双向长短期记忆(BiLSTM) 滚动轴承 智能故障诊断 特征数据提取 正弦混沌自适应鲸鱼优化算法

在线阅读 下载PDF 职称材料

直流电能表计量信号自适应降噪方法 被引量：1

10

作者 钟立华 潘峰 +2 位作者 杨雨瑶 李金莉 祁舒喆 《电测与仪表》 北大核心 2024年第6期181-187,共7页

直流用电负荷包含DC/DC变换器等电力电子器件,非线性特性显著,导致直流输出端电压、电流信号存在大量纹波,需通过滤波降噪处理提升直流电能计量的准确性。针对现有的滤波降噪方法参数设置缺乏优化、滤波降噪效果尚待提升问题,提出了基... 直流用电负荷包含DC/DC变换器等电力电子器件,非线性特性显著,导致直流输出端电压、电流信号存在大量纹波,需通过滤波降噪处理提升直流电能计量的准确性。针对现有的滤波降噪方法参数设置缺乏优化、滤波降噪效果尚待提升问题,提出了基于自适应变分模态分解与小波阈值去噪相结合的直流电能表计量信号降噪方法。建立输出端直流电压、电流信号变分模态分解的参数最优化模型,并联合互信息分析,实现原始信号的有效模态分量与噪声模态分量的自适应区分。在此基础上,建立以信噪比、均方根误差、平滑度、相关系数复合评价指标最优的小波阈值去噪参数最优化模型,实现噪声模态分量的最优滤波降噪。通过实测数据计算分析,验证所提方法的有效性。 展开更多

关键词 直流电能计量 自适应降噪 变分模态分解 小波阈值去噪 参数优化

在线阅读 下载PDF 职称材料

香农熵改进的变分模态分解与故障特征提取 被引量：4

11

作者 方桂花 杜壮 高旭 《机械科学与技术》 CSCD 北大核心 2020年第7期1022-1027,共6页

为了解决变分模态分解(VMD)的分解层数K选定困难的问题,提出了利用归一化香农熵对变分模态分解进行参数优化,从而可以自适应地确定分解层数K,可以避免信号过分解与欠分解。首先在程序中预先设定分解层数,让程序进行预分解;计算分解后各... 为了解决变分模态分解(VMD)的分解层数K选定困难的问题,提出了利用归一化香农熵对变分模态分解进行参数优化,从而可以自适应地确定分解层数K,可以避免信号过分解与欠分解。首先在程序中预先设定分解层数,让程序进行预分解;计算分解后各本征模态函数(IMF)频带的香农熵,再将香农熵归一化处理,以归一化熵值大小作为循环停止条件来进行自适应确定分解层数K;最后对各IMF分量进行包络分析,提取信号中的故障特征频率。将该方法利用仿真信号和实际故障数据进行分析验证,结果表明该方法既能够自适应地确定K值,同时其分解出的各IMF分量均出现规律性故障振动信号或转频的倍频,证明了这种故障特征提取方法是有效的。 展开更多

关键词 变分模态分解 香农熵 特征提取 参数优化

在线阅读 下载PDF 职称材料

基于自适应VMD-Hilbert的球磨机负荷参数预测 被引量：3

12

作者 蔡改贫 李波波 +1 位作者 赵鑫 刘吉顺 《传感器与微系统》 CSCD 北大核心 2023年第9期133-136,共4页

提出一种自适应变分模态分解(VMD)—希尔伯特(Hilbert)边际谱样本熵和最小二乘支持向量机(LSSVM)提取球磨机振动信号组合特征并预测负荷参数的方法。首先,使用自适应VMD的振动敏感信号调制来分解振动,得到反映振动特性的本征模态函数(I... 提出一种自适应变分模态分解(VMD)—希尔伯特(Hilbert)边际谱样本熵和最小二乘支持向量机(LSSVM)提取球磨机振动信号组合特征并预测负荷参数的方法。首先,使用自适应VMD的振动敏感信号调制来分解振动,得到反映振动特性的本征模态函数(IMF)分量;之后,进行Hilbert变换,得到边际谱样本熵;最后,将其作为输入特征向量输入到LSSVM,实现球磨机负荷参数预测。试验结果表明:该方法可以有效地提取球磨机的非线性不稳定的信号特征,较为精确地预测球磨机负荷参数。 展开更多

关键词 自适应变分模态分解 希尔伯特变换 最小二乘支持向量机 球磨机负荷参数

在线阅读 下载PDF 职称材料

基于自适应变分模态提取的低速重载滚动轴承故障诊断方法 被引量：12

13

作者 俞惠惠 郑近德 +2 位作者 潘海洋 童靳于 刘庆运 《振动与冲击》 EI CSCD 北大核心 2022年第11期65-71,113,共8页

变分模态提取(variational mode extraction,VME)作为一种以极低计算度提取特定信号模态的新方法,其通过设置期望模态中心频率来获得固有模态函数。但是,VME只能针对一个中心频率提取一个分量,无法实现多分量信号的自适应分解。对此,通... 变分模态提取(variational mode extraction,VME)作为一种以极低计算度提取特定信号模态的新方法,其通过设置期望模态中心频率来获得固有模态函数。但是,VME只能针对一个中心频率提取一个分量,无法实现多分量信号的自适应分解。对此,通过依据信号数据长度与带宽自适应设置多分量模态中心频率参数,把信号分解问题转化为多模态优化问题,在此基础上,提出了一种自适应变分模态提取(adaptive variational mode extraction,AVME)方法。此外,为解决单一指标无法衡量最优解调分量全面信息特征的问题,提出将峭度、相关系数和正交性进行融合来凸显及筛选有用分量进行解调和诊断。通过对滚动轴承故障仿真信号和实测信号进行分析,将所提的方法与现有多种信号分解方法对比,结果表明了该方法在计算耗时上和降噪方面的有效性。 展开更多

关键词 自适应变分模态提取(AWME) 融合指标优选 滚动轴承 故障诊断

在线阅读 下载PDF 职称材料

自适应模态总数变分模态分解方法及其性能评估 被引量：4

14

作者 王锦鸿 李鸿光 +1 位作者 张文笛 陈亚农 《振动与冲击》 EI CSCD 北大核心 2023年第10期251-262,共12页

VMD方法目前广泛应用于转子系统故障诊断以及二维图像分解等领域,但传统VMD算法需要预先给出模态总数,且VMD对信号能量较弱的非中心频段存在重构效果差,含噪声下提取能力差,容易遗漏故障特征等问题;基于上述问题对VMD修改了信号的约束准... VMD方法目前广泛应用于转子系统故障诊断以及二维图像分解等领域,但传统VMD算法需要预先给出模态总数,且VMD对信号能量较弱的非中心频段存在重构效果差,含噪声下提取能力差,容易遗漏故障特征等问题;基于上述问题对VMD修改了信号的约束准则,并引入信号未处理以及残差信号的多元约束目标,使模态总数可通过收敛得到;对模拟内圈轴承信号和试验信号的时频域重构分析以及分解模态信号的分析,对比三种算法的在非中心频段的重构效果以及特征提取能力的优劣。 展开更多

关键词 自适应变分模态分解 重构与特征提取 故障诊断

在线阅读 下载PDF 职称材料

基于WRF模拟和注意力机制的短期风速预测 被引量：3

15

作者 罗颖 刘雨辰 +3 位作者 米立华 韩艳 王力东 姜言 《太阳能学报》 EI CAS CSCD 北大核心 2023年第9期302-310,共9页

提出一种结合中尺度数值天气预报(WRF)模式和注意力机制(AM)的短期风速预测模型。首先,利用WRF模式模拟多维数据,包括风速、风向、温度和湿度,作为后续算法的输入变量。其次,利用变分模态分解将WRF风速误差及其他相关气象因素分解成不... 提出一种结合中尺度数值天气预报(WRF)模式和注意力机制(AM)的短期风速预测模型。首先,利用WRF模式模拟多维数据,包括风速、风向、温度和湿度,作为后续算法的输入变量。其次,利用变分模态分解将WRF风速误差及其他相关气象因素分解成不同频率的子模态分量,降低原始数据的复杂性和非平稳特征。随后,使用自适应网格搜索算法对添加注意力机制的双向门限循环单元进行模型结构参数优化。最后,基于所提模型预测误差修正WRF风速。通过算例分析,所提模型在单步和多步预测中精度均优于对比模型,证明了模型的优越性。 展开更多

关键词 风速 预测 风能 变分模态分解 双向门限循环单元 WRF模拟 注意力机制 自适应参数优化

在线阅读 下载PDF 职称材料

基于VMD与SVM的电梯鼓式制动器故障诊断研究 被引量：12

16

作者 郝家琦 徐金海 +2 位作者 鲍超超 郑雷骏 唐波 《机电工程》 CAS 北大核心 2022年第1期112-119,共8页

传统的电梯制动器诊断方法存在操作繁琐、精度不高且易受环境影响等问题,为此,提出了一种基于变分模态分解(VMD)与支持向量机(SVM)的电梯鼓式制动器故障诊断方法。首先,采集电梯运行过程中制动器振动的加速度信号,并利用VMD对振动信号... 传统的电梯制动器诊断方法存在操作繁琐、精度不高且易受环境影响等问题,为此,提出了一种基于变分模态分解(VMD)与支持向量机(SVM)的电梯鼓式制动器故障诊断方法。首先,采集电梯运行过程中制动器振动的加速度信号,并利用VMD对振动信号进行了分解;然后,根据频谱分析结果选取了模态函数(IMF),并通过计算样本熵,对制动器的工况进行了表征,对电梯正常状态与故障状态的信号进行了特征提取;为了增强信号特征提取能力,使用相关系数与能量指标作为适应度函数,解决了VMD的参数选取问题,采用松鼠搜寻算法(SSA)得到了信号分解的最优值;最后,基于SVM对电梯鼓式制动器的故障进行了诊断。研究结果表明:通过对电梯实测数据结果进行分析,可证明该诊断方法能够有效识别两种鼓式制动器的常见故障,总体识别率达到96%;该结果证明该故障诊断方法是可行的,可满足电梯制动器的故障诊断要求。 展开更多

关键词 电梯鼓式制动器 故障诊断 变分模态分解 支持向量机 振动特征提取 参数优化

在线阅读 下载PDF 职称材料

航空发动机高低压转子间碰摩故障特征提取 被引量：3

17

作者 边杰 梅庆 +2 位作者 陈亚农 徐友良 彭春雷 《推进技术》 EI CAS CSCD 北大核心 2022年第2期341-348,共8页

针对变分模态分解(VMD)需要人为确定输入参数的问题,提出了一种参数自适应VMD(APVMD)方法,其通过粒子群(PSO)算法优化VMD的输入参数。使用APVMD结合切片谱的方法,对双转子航空发动机振动正常和异常状态下的实测弹性支承应变信号进行分... 针对变分模态分解(VMD)需要人为确定输入参数的问题,提出了一种参数自适应VMD(APVMD)方法,其通过粒子群(PSO)算法优化VMD的输入参数。使用APVMD结合切片谱的方法,对双转子航空发动机振动正常和异常状态下的实测弹性支承应变信号进行分析。分析结果表明,APVMD方法可以自适应地实现对实测弹性支承应变信号的分解;当发动机振动正常时,高低压转子弹性支承应变信号的APVMD模态分量中只存在高低压转子的1倍频和2倍频成分;当发动机振动异常时,低压转子弹性支承应变信号的APVMD模态分量除了包含低压转子的1倍频及倍频成分,还包含高压转子的1倍频和分频成分,以及高低压转子间的调制频率和组合频率成分;在高压转子弹性支承应变信号的APVMD模态分量中,除了高压转子的1倍频和2倍频成分,还存在高压转子的分频成分。 展开更多

关键词 航空发动机 高低压转子 振动信号分离 故障特征提取 参数自适应变分模态分解

在线阅读 下载PDF 职称材料

自适应变分模式提取的轴承故障诊断方法 被引量：1

18

作者 王鑫 江星星 +2 位作者 宋秋昱 杜贵府 朱忠奎 《振动与冲击》 EI CSCD 北大核心 2023年第15期83-91,共9页

变分模式提取(variational mode extraction, VME)能够从复杂信号中提取特定的模式分量,但其在轴承故障诊断中的应用潜力受到初始中心频率和平衡参数的影响。因此,为了克服VME在轴承故障诊断应用中超参数的设置问题,深入探究VME模型中... 变分模式提取(variational mode extraction, VME)能够从复杂信号中提取特定的模式分量,但其在轴承故障诊断中的应用潜力受到初始中心频率和平衡参数的影响。因此,为了克服VME在轴承故障诊断应用中超参数的设置问题,深入探究VME模型中心频率迭代更新过程,发现中心频率收敛趋势现象并通过理论证明其存在性,由此提出中心频率定位策略,可自适应地确定目标中心频率。为了最大化匹配故障信息,构造基于故障特征幅值比的平衡参数优化策略,能够优化目标分量的带宽。以上中心频率定位策略和平衡参数优化策略,构成自适应变分模式提取的故障诊断方法,该方法能够在无需预设初始中心频率及平衡参数的情况下自适应提取故障相关分量。仿真和两个试验案例分析结果验证所提方法在轴承故障诊断领域相比于连续变分模式分解、经验模式分解和快速谱峭度方法更具有效性和优越性。 展开更多

关键词 变分模式提取(VME) 中心频率 平衡参数 滚动轴承 故障诊断

在线阅读 下载PDF 职称材料

基于IPSO-VMD联合小波阈值的超低空磁异常信号去噪方法

19

作者 杨帆 徐春雨 李肃义 《电子测量与仪器学报》 2025年第6期204-211,共8页

变分模态分解(VMD)方法在超低空磁异常信号去噪中具有较好的模态分解效果,然而在实际探测中需要依赖人工设定惩罚因子和模态分解参数,且磁异常信号微弱、环境噪声复杂。针对上述问题,提出了一种改进的粒子群优化变分模态分解(IPSO-VMD)... 变分模态分解(VMD)方法在超低空磁异常信号去噪中具有较好的模态分解效果,然而在实际探测中需要依赖人工设定惩罚因子和模态分解参数,且磁异常信号微弱、环境噪声复杂。针对上述问题,提出了一种改进的粒子群优化变分模态分解(IPSO-VMD)联合小波阈值的去噪方法。首先,通过引入自适应惯性权重和学习因子策略,利用排列熵作为自适应函数,实现了对上述参数自适应。之后,采用最优参数组合对信号进行分解,并对异常分量应用小波阈值去噪处理。最终,将信号重构并获得去噪后的信号。仿真实验结果表明,该方法相比其他方法将信噪比提升了约9.44 dB,相关系数达到约0.74,获得了良好的去噪效果。通过野外实验表明,去噪后的实测信号磁异常位置明显,有效降低了环境噪声对信号的干扰,显示出在野外超低空磁目标勘探中的应用潜力。 展开更多

关键词 超低空磁异常探测 改进粒子群优化(IPSO) 变分模态分解(VMD) 参数自适应 小波阈值

在线阅读 下载PDF 职称材料

基于AVME-OMOMEDA的滚动轴承复合故障诊断

20

作者 刘志军 周俊 +1 位作者 伍星 刘韬 《振动工程学报》 2025年第9期2130-2140,共11页

传统算法难以有效分离提取共振频带重叠的轴承复合故障特征,本文提出一种结合自适应变分模态提取(adaptive variational mode extraction,AVME)与优化多点最优最小熵反褶积(optimized multipoint optimal minimum entropy deconvolution... 传统算法难以有效分离提取共振频带重叠的轴承复合故障特征,本文提出一种结合自适应变分模态提取(adaptive variational mode extraction,AVME)与优化多点最优最小熵反褶积(optimized multipoint optimal minimum entropy deconvolution adjusted,OMOMEDA)的自适应滚动轴承复合故障特征分离提取方法。利用S变换谱自相关能量谱确定VME参数中心频率的初始值,提取出与故障相关的期望模态;将期望模态进行线性叠加重构原信号,实现对信号的降噪;利用OMOMEDA从重构信号中提取周期性脉冲信号,结合包络解调获取故障特征频率。仿真信号和试验信号验证了该方法能有效分离提取共振频带重叠的轴承复合故障特征,并与VMD-MCKD等其他4种已有算法进行比较,证明了所提方法的优越性。 展开更多

关键词 故障诊断 滚动轴承 自适应变分模态提取 优化多点最优最小熵反褶积 S变换谱自相关能量谱

在线阅读 下载PDF 职称材料