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451篇文章
< 1 2 … 23 >
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ASFF-AAKR和CNN-BILSTM滚动轴承寿命预测 被引量：1
1
作者 张永超 刘嵩寿 +2 位作者 陈昱锡 杨海昆 陈庆光 《科学技术与工程》 北大核心 2025年第2期567-573,共7页
针对滚动轴承寿命预测精度低,构建健康指标困难的问题。提出了一种基于自适应特征融合(adaptively spatial feature fusion,ASFF)和自联想核回归模型(auto associative kernel regression,AAKR)与卷积神经网络(convolutional neural net... 针对滚动轴承寿命预测精度低,构建健康指标困难的问题。提出了一种基于自适应特征融合(adaptively spatial feature fusion,ASFF)和自联想核回归模型(auto associative kernel regression,AAKR)与卷积神经网络(convolutional neural networks,CNN)和双向长短期记忆网络(bi-directional long-short term memory,BILSTM)的轴承剩余寿命预测模型。首先,在时域、频域和时频域提取多维特征,利用单调性和趋势性筛选敏感特征;其次利用ASFF-AAKR对敏感特征进行特征融合构建健康指标;最后,将健康指标输入到CNN和BILSTM中,实现对滚动轴承的寿命预测。结果表明:所构建的寿命预测模型优于其他模型,该方法具有更低的误差、寿命预测精度更高。 展开更多
关键词 滚动轴承 自适应特征融合 自联想核回归 卷积神经网络 双向长短期记忆网络 剩余寿命预测
在线阅读 下载PDF
二次聚合个性化联邦的不同工况下滚动轴承寿命预测方法
2
作者 康守强 杨得济 +2 位作者 王玉静 王庆岩 谢金宝 《振动与冲击》 北大核心 2025年第2期254-266,共13页
针对不同工况下滚动轴承振动数据分布差异大,单一用户数据量少且多个用户间数据不共享的问题,提出一种二次聚合个性化联邦的滚动轴承寿命预测方法。该方法用不同深度的自编码器提取多尺度特征信息并压缩为散点图,实现特征增强;利用无监... 针对不同工况下滚动轴承振动数据分布差异大,单一用户数据量少且多个用户间数据不共享的问题,提出一种二次聚合个性化联邦的滚动轴承寿命预测方法。该方法用不同深度的自编码器提取多尺度特征信息并压缩为散点图,实现特征增强;利用无监督二元回归模型确定第一预测时间,构建分段退化标签;提出二次聚合个性化联邦学习算法,各用户构建改进的卷积神经网络-长短时记忆网络模型,并将其参数上传至服务端,服务端采用多任务学习框架,一次聚合多用户同种工况模型参数;在此基础上,利用批量归一化层参数统计信息计算一次聚合模型间相似度,引入权重更新机制指导模型参数二次聚合,减少不同工况模型间的负迁移现象并学习有益的全局知识,最终形成针对各工况的个性化预测模型。经试验验证,所提方法在保障数据隐私的前提下,可实现不同工况下滚动轴承寿命预测,并且预测的平均得分与不考虑数据隐私的集中式学习方法相当、相较于联邦平均算法平均得分提高0.2197。 展开更多
关键词 滚动轴承 多尺度特征提取 联邦学习 个性化 剩余寿命预测
在线阅读 下载PDF
优化FEEMD与相似度量的滚动轴承故障特征提取
3
作者 马军 李祥 +1 位作者 秦娅 熊新 《兵器装备工程学报》 北大核心 2025年第3期252-266,共15页
针对快速集合经验模态分解(fast ensemble empirical mode decomposition,FEEMD)方法信噪分离不准确的问题,提出一种优化FEEMD与相似度量的滚动轴承故障特征提取方法。该方法建立基于最小包络熵的目标优化函数,并利用北方苍鹰优化算法(n... 针对快速集合经验模态分解(fast ensemble empirical mode decomposition,FEEMD)方法信噪分离不准确的问题,提出一种优化FEEMD与相似度量的滚动轴承故障特征提取方法。该方法建立基于最小包络熵的目标优化函数,并利用北方苍鹰优化算法(northern goshawk optimization,NGO)确定FEEMD的模型参数后,利用优化后的FEEMD将滚动轴承振动信号分解为多个本征模态函数分量和残余项,融合形态波动一致性偏移距离(morphology fluctuation conformance deviation distance,MFCDD)指标筛选有效分量进行重构,最后对重构信号进行Hilbert包络解调,完成滚动轴承故障特征提取。试验结果表明,所提方法相比变分模态分解方法、峭度分量选取方法、改进的完备集合经验模态分解联合豪斯多夫距离与峭度值方法,信噪比分别平均提升了1.75、12.2639、2.0605 dB,均方根误差分别降低了0.0078、0.0430、0.0656,能够更加清晰、全面地提取出故障特征频率及其倍频。 展开更多
关键词 滚动轴承 故障特征提取 集合经验模态分解 相似性 北方苍鹰算法
在线阅读 下载PDF
基于GADF和CWT并行输入模型的滚动轴承智能诊断研究
4
作者 张小丽 和飞翔 +2 位作者 梁旺 李敏 王保建 《湖南大学学报(自然科学版)》 北大核心 2025年第2期98-108,共11页
滚动轴承运行工况的变化与噪声干扰等随机不确定性因素会导致网络特征提取不完整,从而无法捕捉故障突变等局部奇异信息.针对上述问题,提出一种并行二维深度可分离残差神经网络(parallel two-dimensional depthwise separable residual n... 滚动轴承运行工况的变化与噪声干扰等随机不确定性因素会导致网络特征提取不完整,从而无法捕捉故障突变等局部奇异信息.针对上述问题,提出一种并行二维深度可分离残差神经网络(parallel two-dimensional depthwise separable residual neural network,P2DDSResNet)模型,通过格拉姆角分场(Gramian angular difference field,GADF)和连续小波变换(continuous wavelet transform,CWT)将振动信号转变为二维时频图像,保留了完整的时频域信息.采用深度可分离卷积替代残差模块中的普通卷积,增强特征学习能力,从而使模型具有更强的特征提取能力,以解决在高噪声和变工况环境中故障诊断效果不佳的问题.采用滚动轴承故障模拟试验台获取的数据对其进行试验分析并与其他卷积神经网络方法对比,结果表明,优化后的算法模型具有良好的泛化性和准确率. 展开更多
关键词 故障诊断 深度可分离卷积 滚动轴承 残差神经网络 特征提取
在线阅读 下载PDF
参数自适应FMD在轴承早期故障诊断中的应用
5
作者 王红 王泽宇 何勇 《振动工程学报》 北大核心 2025年第8期1788-1798,共11页
针对特征模态分解(FMD)的轴承早期微弱故障诊断效果易受滤波器长度L、频段分割数K、模态分解个数n影响的问题,提出用遗传算法优化FMD预设参数,并以峭度、包络熵和修正的自适应包络谱特征能量比为综合目标函数的诊断方法。该方法利用遗... 针对特征模态分解(FMD)的轴承早期微弱故障诊断效果易受滤波器长度L、频段分割数K、模态分解个数n影响的问题,提出用遗传算法优化FMD预设参数,并以峭度、包络熵和修正的自适应包络谱特征能量比为综合目标函数的诊断方法。该方法利用遗传算法比较不同预设参数下经FMD分解各分量信号的综合目标函数值,并选取其中最大值对应的L、K、n作为FMD的预设参数,通过FMD处理后信号的包络谱特征判定轴承的故障类型。经西储大学和辛辛那提大学的公开故障轴承数据以及转向架轴箱轴承数据验证,该方法具有较好的抗噪声能力和有效的早期微弱故障诊断能力。 展开更多
关键词 滚动轴承 早期微弱故障 特征模态分解 遗传算法
在线阅读 下载PDF
基于RTH-FMD和1.5维谱的滚动轴承早期故障诊断方法研究
6
作者 唐贵基 张龙 +3 位作者 薛贵 徐振丽 曾鹏飞 王晓龙 《动力工程学报》 北大核心 2025年第5期714-723,共10页
针对滚动轴承的早期故障诊断问题,深入研究了一种红尾鹰(RTH)算法参数优化特征模态分解(FMD)和1.5维谱相结合的滚动轴承故障诊断方法。首先,通过理论分析,设计出脉冲能量因子指标(PEFI),并将其作为适应度函数;其次,利用RTH算法并行搜寻... 针对滚动轴承的早期故障诊断问题,深入研究了一种红尾鹰(RTH)算法参数优化特征模态分解(FMD)和1.5维谱相结合的滚动轴承故障诊断方法。首先,通过理论分析,设计出脉冲能量因子指标(PEFI),并将其作为适应度函数;其次,利用RTH算法并行搜寻FMD的关键影响参数组合,自适应地达到信号最佳分解效果;再次,通过PEFI选取分解后的最优信号分量,并进行包络解调运算;最后,计算包络信号的1.5维谱,在谱图中分析、提取轴承故障特征频率信息,实现轴承早期微弱故障的准确性诊断。模拟故障实验和工程案例分析结果表明:所研究方法解决了参数自适应的问题,大幅降低了噪声及其他干扰成分对诊断的影响,拥有良好的鲁棒性,能够有效提取轴承早期故障信号中的微弱特征信息,具有重要的实际工程参考价值。 展开更多
关键词 滚动轴承 微弱故障提取 特征模态分解 红尾鹰算法 1.5维谱
在线阅读 下载PDF
一种自适应残差卷积自编码网络及其故障诊断应用
7
作者 潘天成 陈龙 +1 位作者 蒲春雷 陈志强 《机电工程》 北大核心 2025年第3期529-538,共10页
针对传统卷积自编码器(CAE)会将不同故障产生的相似信号进行相同的非线性变换,导致故障诊断准确率下降的问题,提出了一种自适应残差卷积自编码网络(ARCAE),并将其应用于滚动轴承故障诊断中。首先,在残差模块的基础上,引入了自适应参数... 针对传统卷积自编码器(CAE)会将不同故障产生的相似信号进行相同的非线性变换,导致故障诊断准确率下降的问题,提出了一种自适应残差卷积自编码网络(ARCAE),并将其应用于滚动轴承故障诊断中。首先,在残差模块的基础上,引入了自适应参数化修正线性单元(APReLU),建立了自适应残差模块(ARM),ARM可以对相似的输入特征进行自适应非线性变换,避免了特征的错误识别;其次,在CAE中嵌入多级ARM,构建了ARCAE,增加了CAE的深度,提取了更具鉴别性的深层次特征,同时有效防止了网络加深而造成的性能退化;最后,基于ARCAE建立了针对一维信号的故障诊断新方法,将其应用于无监督滚动轴承故障诊断中,并通过两个不同类型的实验,对上述方法的有效性进行了验证。研究结果表明:在恒定转速工况下,ARCAE的诊断准确率最高,平均准确率达到了97.05%,且标准差仅为0.007,远低于其他几种传统CAE网络;在变转速工况下,ARCAE模型诊断准确率仍然是最高的,平均准确率达到了93.25%,由此说明ARCAE具有较高的特征提取能力和分类准确率;此外,变转速工况下,由于转速变化导致不同状态的振动信号特征差异变大,诊断难度加大,但与其他几种传统CAE网络相比,ARCAE诊断准确率下降最少,仅为5.37%,说明ARCAE具有更强的鲁棒性和稳定性。 展开更多
关键词 滚动轴承 自适应残差卷积自编码网络 自适应参数化修正线性单元 自适应残差模块 无监督故障诊断 特征提取
在线阅读 下载PDF
基于MFI-MCP-ResNet18的滚动轴承故障诊断
8
作者 汤伟 杨亦君 《轴承》 北大核心 2025年第3期70-78,共9页
针对传统滚动轴承故障诊断模型存在的特征提取不充分,故障诊断准确率低的问题,提出了一种基于多特征输入和多通道并行残差卷积网络(MFI-MCP-ResNet18)的滚动轴承故障诊断方法。将轴承振动信号分别转换为相应的格拉姆角场、马尔科夫变迁... 针对传统滚动轴承故障诊断模型存在的特征提取不充分,故障诊断准确率低的问题,提出了一种基于多特征输入和多通道并行残差卷积网络(MFI-MCP-ResNet18)的滚动轴承故障诊断方法。将轴承振动信号分别转换为相应的格拉姆角场、马尔科夫变迁场和欧氏距离矩阵,对这3种矩阵进行逐行交叉组合得到一个二维矩阵并作为神经网络的输入,通过多通道并行的ResNet18网络实现对轴承故障特征的自动提取和分类。借助公开数据集以及自建试验平台数据进行MFI-MCP-ResNet18模型的有效性和泛化性验证,结果表明MFI-MCPResNet18模型能够有效提取轴承振动信号中的故障特征,实现对轴承故障的高效诊断,具有比单输入单通道方法更高的判断精度以及更好的泛化性。 展开更多
关键词 滚动轴承 特征提取 卷积网络 数据转换 欧氏距离 多通道
在线阅读 下载PDF
基于多传感器数据融合的互异网络轴承故障诊断方法
9
作者 赵小强 李森 《计算机工程与应用》 北大核心 2025年第5期323-333,共11页
为了解决单传感器单一分支网络的输入容易受到外界干扰以及在不同域信号转换过程中丢失特征信息,导致故障诊断效果不佳的问题,提出了基于多传感器数据融合的互异网络轴承故障诊断方法。设计了数据预处理模块,以数据级的融合方式实现来... 为了解决单传感器单一分支网络的输入容易受到外界干扰以及在不同域信号转换过程中丢失特征信息,导致故障诊断效果不佳的问题,提出了基于多传感器数据融合的互异网络轴承故障诊断方法。设计了数据预处理模块,以数据级的融合方式实现来自多传感器的多角度故障特征互补,充分考虑了轴承设备多传感器之间的相关性。同时,将经过快速傅里叶变换(FFT)和频率切片小波变换(FSWT)处理后的信号融合为多域信号作为模型的输入,以多域信号独立作为模型输入的形式确保不同域信号在转换过程中关键的特征信息不会丢失。该方法针对不同的域信号设计了相对应的互异网络结构对多传感器数据高维非线性空间中的低维特征关键提取,这也为设备维修人员提供了更加可靠方便的维修手段。当其中一个分支网络的输入受到外界干扰时,另外两个分支网络会起到纠错的作用,不仅增强了网络的容错能力,同时也会增加网络的特征互补能力。利用记忆单元将特征视为不同的时间步,以此建立不同故障特征之间的依赖关系。为了防止模型陷入局部最优,使用适配于所提模型的学习率余弦退火算法优化模型训练。在两个轴承数据集上进行实验,结果表明,该方法拥有好的故障诊断效果和泛化能力,可以满足基于多传感器数据融合的轴承故障诊断任务。 展开更多
关键词 滚动轴承 故障诊断 多传感器 互异网络 数据融合 特征互补
在线阅读 下载PDF
基于IVYA-FMD和EELM-Yager的轴承小样本故障诊断模型
10
作者 王恒迪 王豪馗 +2 位作者 陈鹏 吴升德 马盈丰 《机电工程》 北大核心 2025年第6期1093-1101,共9页
针对滚动轴承故障特征提取难度大以及不同故障类型训练样本稀缺的问题,提出了一种基于参数优化特征模态分解(FMD)和集成极限学习机(EELM)的小样本滚动轴承故障诊断方法。首先,采用常春藤算法(IVYA)对FMD参数进行了优化,提升了模态分解... 针对滚动轴承故障特征提取难度大以及不同故障类型训练样本稀缺的问题,提出了一种基于参数优化特征模态分解(FMD)和集成极限学习机(EELM)的小样本滚动轴承故障诊断方法。首先,采用常春藤算法(IVYA)对FMD参数进行了优化,提升了模态分解的精确度,并采用最小残差指数(REI)作为最优模态分量的选取准则,从最优模态分量中提取了故障信号时域、频域及熵值的关键特征;然后,将所提取的特征输入EELM中进行了故障识别;最后,采用Yager加权平均规则对EELM的分类结果进行了融合,得到了综合故障诊断结果。研究结果表明:IVYA-FMD在信号处理过程中,具有优秀的特征提取和抗干扰能力,可有效提取原始信号的故障特征;IVYA-FMD和EELM-Yager模型在实验数据中,训练集与测试集按照8∶2的比例进行分割时的准确率达到99.12%;当训练集与测试集按照2:8的比例进行分割时,该方法在实验数据中的准确率高达92.5%,在CWRU数据集和SEU数据集中的准确率均超过96.8%。与其他智能诊断模型相比,IVYA-FMD和EELM-Yager在小样本滚动轴承故障诊断领域展现出显著的可行性和优越性。 展开更多
关键词 特征模态分解 常春藤算法 集成极限学习机 Yager加权平均 小样本故障诊断 滚动轴承
在线阅读 下载PDF
滚动轴承的退化特征信息融合与剩余寿命预测
11
作者 张建宇 王留震 +1 位作者 肖勇 马雅楠 《中国机械工程》 北大核心 2025年第7期1553-1561,共9页
针对滚动轴承剩余寿命预测的需求,提出一种基于稀疏自编码器(SAE)和双向长短期记忆网络(BiLSTM)的预测模型。以滚动轴承全寿命振动数据为研究对象,通过构建反双曲变换的状态退化指标和频域谐波退化因子形成退化指标集,并利用SAE特征融... 针对滚动轴承剩余寿命预测的需求,提出一种基于稀疏自编码器(SAE)和双向长短期记忆网络(BiLSTM)的预测模型。以滚动轴承全寿命振动数据为研究对象,通过构建反双曲变换的状态退化指标和频域谐波退化因子形成退化指标集,并利用SAE特征融合提取关键特征,消除冗余信息。同时,结合BiLSTM模型捕捉时序特征,实现全周期寿命预测。实验结果表明,所提模型优于支持向量回归、极限学习机、卷积神经网络等模型,预测误差更小,泛化能力更强。 展开更多
关键词 稀疏自编码器特征融合 双向长短期记忆网络预测模型 滚动轴承 反双曲特征指标 频域谐波退化因子
在线阅读 下载PDF
基于CEEMDAN-WTD-DBO的轴承振动信号降噪方法 被引量：1
12
作者 吴云飞 龙江 +1 位作者 魏友 曾信凌 《现代电子技术》 北大核心 2025年第6期91-98,共8页
针对高噪声环境下难以提取轴承故障频率特征的问题,提出一种结合完备集合经验模态分解(CEEMDAN)、小波阈值降噪(WTD)和蜣螂优化算法(DBO)的方法。使用CEEMDAN将信号分解成多个固有模态函数(IMFs),并根据综合评价指标对IMFs信号进行选取... 针对高噪声环境下难以提取轴承故障频率特征的问题,提出一种结合完备集合经验模态分解(CEEMDAN)、小波阈值降噪(WTD)和蜣螂优化算法(DBO)的方法。使用CEEMDAN将信号分解成多个固有模态函数(IMFs),并根据综合评价指标对IMFs信号进行选取;随后使用WTD对选取的信号进行降噪处理,使用DBO对改进的阈值函数的参数进行自适应选取,在有效减小噪声水平后进行信号重组。将重组信号进行包络谱分析,得出所提方法能有效地对信号进行降噪与故障特征提取。将该方法应用于滚动轴承的仿真信号和实际轴承数据,结果表明,基于参数优化的CEEMDAN-WTD-DBO方法相较于传统的单一降噪方法,在减少随机噪声与提取故障特征频率能力方面表现更出色。 展开更多
关键词 滚动轴承 振动信号 小波阈值降噪 模态分解 蜣螂优化算法 包络谱 故障特征提取
在线阅读 下载PDF
增强MOMEDA算法及在滚动轴承微弱故障诊断中的应用研究
13
作者 盛嘉玖 陈果 +3 位作者 刘曜宾 贺志远 王浩 尉询楷 《机械科学与技术》 北大核心 2025年第6期921-928,共8页
针对多点最优最小熵解卷积调整(Multipoint optimal minimum entropy deconvolution adjusted,MOMEDA)进行改进,提出一种增强MOMEDA算法,并应用于滚动轴承微弱故障诊断。首先构造一种可反映滤波效果的频域指标,由此发现MOMEDA滤波效果... 针对多点最优最小熵解卷积调整(Multipoint optimal minimum entropy deconvolution adjusted,MOMEDA)进行改进,提出一种增强MOMEDA算法,并应用于滚动轴承微弱故障诊断。首先构造一种可反映滤波效果的频域指标,由此发现MOMEDA滤波效果关键取决于故障周期而非滤波长度;然后提出一种自相关、包络解调和多点峭度(Multipoint Kurtosis,MKurt)相结合确定最优故障周期的方法;采用外机匣测点的滚动轴承故障与正常数据进行验证,结果表明:该方法能有效克服传统MOMEDA算法难于选取故障周期的问题,可自适应地提取出更为显著的故障周期;最后与基于MED的协同诊断方法进行对比,发现MOMEDA重点在确定故障周期,而基于MED的协同诊断方法关键在选择滤波长度,当正确提取故障周期后,MOMEDA滤波效果更优。 展开更多
关键词 滚动轴承 MOMEDA MKurt 故障诊断 特征增强
在线阅读 下载PDF
反馈对比生成的零样本滚动轴承复合故障诊断
14
作者 苑茹 马萍 +2 位作者 张宏立 王聪 王瑾春 《哈尔滨工业大学学报》 北大核心 2025年第8期115-124,共10页
为解决复杂工业场景中滚动轴承复合故障数据难以采集所导致模型识别故障困难的问题,提出基于反馈对比生成的零样本滚动轴承复合故障诊断模型。首先,采用连续小波变换将振动信号转换为时频图,更好地保留故障的时频信息。其次,引入注意力... 为解决复杂工业场景中滚动轴承复合故障数据难以采集所导致模型识别故障困难的问题,提出基于反馈对比生成的零样本滚动轴承复合故障诊断模型。首先,采用连续小波变换将振动信号转换为时频图,更好地保留故障的时频信息。其次,引入注意力引导ConvNeXt特征提取模块,利用通道和空间注意力机制强化故障特征的表征,消除无关信息干扰,增强故障特征的辨识性。然后,结合对抗训练和属性反馈对齐网络,确保生成的伪故障特征能够准确反映其对应的故障属性信息,实现高质量的故障特征生成。同时引入对比学习模块,生成接近正样本但远离其他样本的故障特征,进一步提高特征生成器的性能和特征的辨别力。最后,通过计算伪故障特征与未知复合故障特征的相似度,将相似度最高的类别标签作为未知复合故障标签,实现对未知复合故障的诊断。结果表明:加入注意力机制的特征提取网络相比其他网络,诊断精度提升8.42%;相比仅使用WGAN-GP生成模块,诊断精度提升14.67%;与其他模型相比,文中所提模型在故障诊断准确率上显著提高28.67%,从而验证了所提模型的有效性与优越性,为机械设备的智能维护提供了一种全新的解决方案。 展开更多
关键词 滚动轴承 复合故障诊断 零样本学习 特征生成 对比学习
在线阅读 下载PDF
局部谱幅值调制及其在滚动轴承故障诊断中的应用
15
作者 姜祖华 张坤 +2 位作者 杨苗蕊 胥永刚 孙国栋 《轴承》 北大核心 2025年第7期110-118,共9页
针对工程实践中滚动轴承故障特征难以提取的问题,提出了一种局部谱幅值调制方法。使用傅里叶变换将信号从时域转换到频域,构造零相位滤波器在频谱上以扫频方式得到一系列对应不同中心频率的滤波信号,使用谱幅值调制算法计算各分量的修... 针对工程实践中滚动轴承故障特征难以提取的问题,提出了一种局部谱幅值调制方法。使用傅里叶变换将信号从时域转换到频域,构造零相位滤波器在频谱上以扫频方式得到一系列对应不同中心频率的滤波信号,使用谱幅值调制算法计算各分量的修正信号,将谐波谱峭度作为指标选取最佳修正信号进行包络解调并提取故障特征。仿真和试验结果表明,局部谱幅值调制方法既能选取包含丰富故障信息的频带,又能自适应地增强频带中的故障特征,能够有效、准确地实现轴承故障特征的提取;与Autogram和时频谱幅值调制方法的对比则证明了局部谱幅值调制方法在滚动轴承故障特征提取中的优越性。 展开更多
关键词 滚动轴承 故障诊断 特征提取 傅里叶变换 时频域分析 调制 峭度
在线阅读 下载PDF
基于精细化多尺度Kolmogorov熵与WOA-SVM的滚动轴承故障诊断
16
作者 李希垒 王冰 +1 位作者 胡雄 金鑫 《机床与液压》 北大核心 2025年第8期18-27,共10页
为了进一步提高滚动轴承故障诊断的准确率,提出一种基于精细化多尺度Kolmogorov熵和鲸鱼优化多分类支持向量机(FGMKE-WOA-SVM)的故障诊断方法。对振动信号进行精细化多尺度分解,提取各尺度子信号的Kolmogorov熵,构建多维故障特征向量,... 为了进一步提高滚动轴承故障诊断的准确率,提出一种基于精细化多尺度Kolmogorov熵和鲸鱼优化多分类支持向量机(FGMKE-WOA-SVM)的故障诊断方法。对振动信号进行精细化多尺度分解,提取各尺度子信号的Kolmogorov熵,构建多维故障特征向量,以此定量表征信号在不同分辨率下的复杂度。针对多分类支持向量机模型参数敏感问题,引入鲸鱼优化算法(WOA)优化惩罚因子和核函数参数,构建最优WOA-SVM模型。最后,基于江南大学数据集的实验表明:该方法能够有效分析参数对模型稳定性的影响,并在不平衡样本集上实现高精度故障诊断;与KNN、DT等模型及不同特征输入方法相比,所提方法计算速度快、诊断效率高,具有显著优越性。 展开更多
关键词 滚动轴承 故障诊断 特征选择 支持向量机 多尺度分析 Kolmogorov熵
在线阅读 下载PDF
基于特征模态分解及多尺度模糊散布熵的滚动轴承故障诊断
17
作者 梁翔宇 胡业林 +1 位作者 马向阳 宋晓 《科学技术与工程》 北大核心 2025年第1期176-185,共10页
针对复杂环境下的滚动轴承故障信息有效提取与辨识问题,提出一种基于特征模态分解(feature mode decomposition,FMD)及多尺度模糊散布熵(multiscale fuzzy dispersion entropy,MFDE)和斑马优化算法(zebra optimization algorithm,ZOA)... 针对复杂环境下的滚动轴承故障信息有效提取与辨识问题,提出一种基于特征模态分解(feature mode decomposition,FMD)及多尺度模糊散布熵(multiscale fuzzy dispersion entropy,MFDE)和斑马优化算法(zebra optimization algorithm,ZOA)优化支持向量机的滚动轴承故障诊断方法。为了解决FMD中关键参数不具有自适应性这一问题,以最小包络熵作为目标函数,采用白鲸优化算法(beluga whale optimization,BWO)优化FMD寻找最优参数组合,实现对故障信号的最优分解;引入多尺度模糊散布熵构建分解后不同模态下的特征向量;最后,将特征向量输入支持向量机中进行训练和识别,通过公开数据集和自制实验平台数据集验证了提出方法的有效性。 展开更多
关键词 特征模态分解 多尺度模糊散布熵 支持向量机 滚动轴承 故障诊断
在线阅读 下载PDF
基于多元多尺度排列模糊熵的滚动轴承故障特征提取方法
18
作者 吕明辰 袁强 +2 位作者 周瑞平 刘虹 梁崇琨 《轴承》 北大核心 2025年第6期97-103,共7页
针对滚动轴承振动信号非线性、非周期性和高背景噪声的特点,提出了基于多元多尺度排列模糊熵(MvMPFE)的滚动轴承故障特征提取方法。该方法利用熵值计算在分析时间序列数据上的优势,结合多尺度模糊熵(MFE)的高计算精度和多尺度排列熵(MPE... 针对滚动轴承振动信号非线性、非周期性和高背景噪声的特点,提出了基于多元多尺度排列模糊熵(MvMPFE)的滚动轴承故障特征提取方法。该方法利用熵值计算在分析时间序列数据上的优势,结合多尺度模糊熵(MFE)的高计算精度和多尺度排列熵(MPE)的高抗噪能力,建立多尺度排列模糊熵(MPFE)故障特征提取模型,解决了熵值计算不稳定的问题,并在MPFE基础上引入多元粗粒形式,提出了MvMPFE的故障特征提取方法,解决了故障特征参数在计算过程中信息丢失的问题,增强了对故障信息的敏感度,从而更加全面和准确地提取滚动轴承故障特征。在凯斯西储大学轴承数据集及东南大学轴承数据集上的验证结果表明,基于MvMPFE的滚动轴承故障特征提取方法有良好的故障特征提取能力,能够全面和准确地识别轴承状态。 展开更多
关键词 滚动轴承 故障诊断 特征提取 信号处理 多元多尺度排列模糊熵
在线阅读 下载PDF
基于属性强度关联性矩阵的零样本滚动轴承故障诊断
19
作者 苑茹 马萍 +3 位作者 张宏立 王聪 王瑾春 李家声 《振动与冲击》 北大核心 2025年第2期302-311,共10页
针对传统有监督学习模型难以辨别滚动轴承未知类故障的问题,提出一种基于属性强度关联性矩阵的零样本滚动轴承故障诊断模型。首先,利用样本之间属性强度关系对数据库中故障样本进行细粒度描述,建立各故障样本与故障类别间的关联关系;其... 针对传统有监督学习模型难以辨别滚动轴承未知类故障的问题,提出一种基于属性强度关联性矩阵的零样本滚动轴承故障诊断模型。首先,利用样本之间属性强度关系对数据库中故障样本进行细粒度描述,建立各故障样本与故障类别间的关联关系;其次,引入自适应深度可分离残差网络提取故障属性相关的特征信息;最后,根据属性细粒度描述和特征信息,使用属性学习模块预测未知类故障的属性,通过计算其与属性矩阵的欧氏距离,实现零样本轴承故障的诊断。试验结果表明,相较于其他模型,该模型在识别未知滚动轴承故障类别方面取得了优异的性能,平均诊断准确率达到90.45%,验证了该模型的有效性与优越性,为实际生产提供了有益的应用价值。 展开更多
关键词 滚动轴承故障诊断 零样本学习 属性强度关联性矩阵 特征提取 属性学习
在线阅读 下载PDF
基于ACMD与K-SVD的滚动轴承微弱故障特征诊断 被引量：2
20
作者 牛柱强 张玮 +2 位作者 许书庆 张成城 胡鑫磊 《轴承》 北大核心 2025年第3期97-103,共7页
针对强背景噪声下滚动轴承故障特征难以提取的问题,提出了一种基于自适应啁啾模态分解(ACMD)和K-奇异值分解(K-SVD)的故障特征提取方法。采用ACMD自适应地将原始信号分解为不同的本征模态分量,提出一种新的衡量信号故障特征的信号特征... 针对强背景噪声下滚动轴承故障特征难以提取的问题,提出了一种基于自适应啁啾模态分解(ACMD)和K-奇异值分解(K-SVD)的故障特征提取方法。采用ACMD自适应地将原始信号分解为不同的本征模态分量,提出一种新的衡量信号故障特征的信号特征因子筛选包含故障信息丰富的模态分量作为训练信号,利用KSVD字典学习针对训练信号训练字典库,结合正交匹配追踪算法对原始信号进行重构得到稀疏信号,通过进一步的包络谱分析获取故障特征频率并作出故障诊断。仿真信号和试验研究表明,基于ACMD与K-SVD的方法能够有效提取强背景噪声下的滚动轴承故障特征,确定轴承故障类型。 展开更多
关键词 滚动轴承 故障诊断 特征提取 信号处理 奇异值分解
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 … 23 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