基于CEEMDAN与VNWOA-LSSVM的供输弹系统早期故障诊断研究 被引量：1

1

作者 景雪瑞 许昕 +3 位作者 潘宏侠 李磊磊 刘燕军 高俊峰 《机床与液压》 北大核心 2022年第8期193-197,共5页

由于供输弹系统早期故障信号成分复杂,故障特征微弱,故提出一种基于自适应噪声完备经验模态分解(CEEMDAN)与以冯诺依曼拓扑结构(VN)改进鲸鱼算法(WOA)优化下的最小二乘支持向量机(LSSVM)的故障诊断方法。在对所测信号进行预处理即去趋... 由于供输弹系统早期故障信号成分复杂,故障特征微弱,故提出一种基于自适应噪声完备经验模态分解(CEEMDAN)与以冯诺依曼拓扑结构(VN)改进鲸鱼算法(WOA)优化下的最小二乘支持向量机(LSSVM)的故障诊断方法。在对所测信号进行预处理即去趋势项和零点漂移后,通过CEEMDAN对供输弹信号进行分解,得出模态分量(IMF);然后依据相关系数和峭度准则这两个标准来选取符合标准的IMF分量,提取这些分量的分布熵(DE)作为特征;最后用VNWOA-LSSVM诊断模型,输入供输弹系统3种不同工况下的振动信号特征进行故障诊断,并且还对比了LSSVM、PSO-LSSVM、GA-LSSVM和WOA-LSSVM等方法对故障的识别率。实验结果表明:这些方法中经VNWOA优化后的LSSVM的识别率最高,高达94.03%。 展开更多

关键词 自适应噪声的完备经验模态分解 分布熵 鲸鱼算法 支持向量机 故障特征提取

在线阅读 下载PDF 职称材料

基于GAMP和EEMD的滚动轴承故障诊断研究 被引量：5

2

作者 潘宏侠 张翔 《振动与冲击》 EI CSCD 北大核心 2016年第20期190-196,共7页

针对实验中采集到的滚动轴承的振动信号具有成分复杂和较强的非平稳性等特点,提出采用基于遗传算法优化的匹配追踪算法(GAMP)和总体平均经验模式分解(EEMD)相结合的方法,实现对滚动轴承振动信号的处理与分析。首先,利用GAMP算法将滚动... 针对实验中采集到的滚动轴承的振动信号具有成分复杂和较强的非平稳性等特点,提出采用基于遗传算法优化的匹配追踪算法(GAMP)和总体平均经验模式分解(EEMD)相结合的方法,实现对滚动轴承振动信号的处理与分析。首先,利用GAMP算法将滚动轴承振动信号线性展开成能够较好的匹配该信号特征结构的一系列高斯函数,达到消除干扰噪声锁定信号的局部特征的目的;然后,针对GAMP消噪后的振动信号中可能存在的虚假频率成分或不连续的分量,利用EEMD方法来予以剔除,通过傅里叶变换将处理后的振动信号从时域转化到频域,提取出故障振动信号的故障频率;最后,采用支持向量机(SVM)对滚动轴承的正常和故障振动信号进行分类,实现了对滚动轴承的故障诊断。 展开更多

关键词 GAMP EEMD SVM 滚动轴承 故障诊断

在线阅读 下载PDF 职称材料

基于CWT和CooAtten-Resnet的弧齿锥齿轮箱故障诊断方法研究 被引量：4

3

作者 张旭 许昕 +3 位作者 潘宏侠 徐轟钊 原涛涛 王同 《电子测量技术》 北大核心 2023年第3期182-189,共8页

提出一种基于连续小波变换(CWT)和坐标注意机制残差网络(CooAtten-Resnet)的弧齿锥齿轮箱智能故障诊断方法。首先将振动信号重叠采样获得大量信号样本,将这些样本通过连续小波变换将振动信号转化为时频图,并以此构建不同故障下的时频数... 提出一种基于连续小波变换(CWT)和坐标注意机制残差网络(CooAtten-Resnet)的弧齿锥齿轮箱智能故障诊断方法。首先将振动信号重叠采样获得大量信号样本,将这些样本通过连续小波变换将振动信号转化为时频图,并以此构建不同故障下的时频数据集,同时通过人为添加噪声样本以验证噪声对此类诊断方法的影响;然后将时频图数据集用于CooAtten-Resnet训练;最后对故障进行分类并输出诊断结果。结果表明,该方法可以准确的识别弧齿锥齿轮箱故障,无人为添加噪声的情况诊断准确率可达100%,添加噪声后在无降噪处理的情况下准确率仍在93%以上。相较于其他方法,该方法的准确率更高,抗噪能力更强,网络收敛速度更快,诊断结果更稳定。 展开更多

关键词 小波时频图 弧齿锥齿轮 智能故障诊断 残差网络 注意力机制 坐标注意力机制残差网络

在线阅读 下载PDF 职称材料

基于RLMD与BAS-BP的柴油机故障诊断研究 被引量：2

4

作者 徐轟钊 许昕 潘宏侠 《电子测量技术》 北大核心 2022年第3期1-6,共6页

为了提高柴油机水泵盖体故障信号的特征提取能力,快速有效地诊断出故障类型,提出了鲁棒的局部均值分解算法(RLMD)与天牛须算法(BAS)优化的BP神经网络相结合的故障诊断方法。首先,对采集的信号序列进行小波阈值和RLMD双重降噪,再根据斯... 为了提高柴油机水泵盖体故障信号的特征提取能力,快速有效地诊断出故障类型,提出了鲁棒的局部均值分解算法(RLMD)与天牛须算法(BAS)优化的BP神经网络相结合的故障诊断方法。首先,对采集的信号序列进行小波阈值和RLMD双重降噪,再根据斯皮尔曼相关系数筛选出与原信号相似度高的信号分量(PF);然后,求出每个分量的小波能量熵、小波奇异值熵作为故障特征;最后,利用BAS优化的BP神经网络进行故障诊断和识别。同时,与GA-BP、PSO-BP优化的神经网络相比较。结果表明,BAS-BP在各方面都优于PSO-BP、GA-BP神经网络,且BAS-BP的故障分类准确率可达到98.90%。 展开更多

关键词 柴油机 故障诊断 小波阈值降噪 RLMD BAS-BP

在线阅读 下载PDF 职称材料

基于多域信息融合与深度分离卷积的轴承故障诊断网络模型 被引量：4

5

作者 王同 许昕 潘宏侠 《机电工程》 北大核心 2024年第1期22-32,共11页

针对传统卷积神经网络(CNN)对滚动轴承振动信号的故障识别准确率不高这一问题,提出了一种基于多域信息融合结合深度分离卷积(MDIDSC)的轴承故障诊断方法。首先,利用自适应噪声的完全集合经验模态分解(CEEMDAN)算法对轴承振动信号进行了... 针对传统卷积神经网络(CNN)对滚动轴承振动信号的故障识别准确率不高这一问题,提出了一种基于多域信息融合结合深度分离卷积(MDIDSC)的轴承故障诊断方法。首先,利用自适应噪声的完全集合经验模态分解(CEEMDAN)算法对轴承振动信号进行了分解;然后,利用分解出的本征模态函数(IMF)的各个分量构建了多空间状态矩阵,并将该多空间状态矩阵输入该深度分离卷积模型中,进行了卷积训练;同时,在该深度分离卷积模型中添加了残差结构,对数据特征进行了复利用,并对卷积核进行了深度分离,解决了深度模型的网络退化问题;最后,提出了一种空间特征提取方法,对模型参数进行了修剪,采用一种自适应学习率退火方法进行了梯度优化,以避免模型陷入局部最优。研究结果表明:通过对多个轴承故障数据集进行对比分析可知,MDIDSC在轴承故障诊断方面的准确率和稳定性明显优于其他方法,MDIDSC的最高测试准确率为100%,平均测试准确率为99.07%;同时,在测试集中的最大损失和平均损失分别为0.1345和0.0841;该结果表明MDIDSC在轴承故障诊断方面具有一定的优越性。 展开更多

关键词 深度分离卷积 信息融合 参数修剪 残差网络 卷积神经网络 自适应噪声的完全集合经验模态分解 本征模态函数 多域信息融合结合深度分离卷积

在线阅读 下载PDF 职称材料

基于GADF和HWP-CBAM-ResNet的弧齿锥齿轮箱故障诊断 被引量：1

6

作者 王翰伟 许昕 +1 位作者 潘宏侠 荀小伟 《电子测量技术》 北大核心 2024年第21期100-110,共11页

针对目前流行的残差网络在复杂噪声环境下对弧齿锥齿轮箱故障识别准确率较低的问题,以及传统鲸鱼优化算法(WOA)收敛速度较慢且全局搜索能力较差的问题,本文提出了一种基于格拉姆角差场(GADF)和混合鲸鱼粒子群优化算法的CBAM注意力机制... 针对目前流行的残差网络在复杂噪声环境下对弧齿锥齿轮箱故障识别准确率较低的问题,以及传统鲸鱼优化算法(WOA)收敛速度较慢且全局搜索能力较差的问题,本文提出了一种基于格拉姆角差场(GADF)和混合鲸鱼粒子群优化算法的CBAM注意力机制残差网络的智能故障诊断方法。首先,对采集到的一维振动信号进行重叠采样以获得足够的信号样本,然后通过格拉姆角差场编码技术将一维数据转换为二维图像数据,构建不同故障下的二维图像数据集,并通过人为添加噪声的方式以扩大样本数量并验证噪声对诊断方法的影响;然后,在传统ResNet网络中加入CBAM注意力机制模块以增强有用特征、抑制无关特征,从而提升模型的表示能力,将图像数据集输入到混合鲸鱼粒子群优化算法优化的CBAM-ResNet模型中进行训练;最后,使用训练好的CBAM-ResNet模型对弧齿锥齿轮箱故障数据集进行分类,输出诊断结果。实验结果表明,该方法在不进行人为降噪的情况下确识别弧齿锥齿轮箱故障准确率达到100%,且在复杂噪声背景下依然可以达到95.38%,相较其他方法具有更高的准确率、更快的网络收敛速度和更好的鲁棒性。 展开更多

关键词 弧齿锥齿轮 格拉姆角场 鲸鱼优化算法 注意力机制 残差网络

在线阅读 下载PDF 职称材料

基于DCNN和Bi-LSTM的弧齿锥齿轮箱故障诊断

7

作者 荀小伟 许昕 潘宏侠 《电子测量技术》 北大核心 2024年第10期48-55,共8页

针对传统卷积神经网络(CNN)对弧齿锥齿轮箱的故障识别准确率不高这一问题,提出一种基于深度分离卷积神经网络(DCNN)和双向长短时记忆网络(Bi-LSTM)的弧齿锥齿轮箱智能故障诊断方法。首先,对原始信号进行小波阈值降噪处理,将降噪后的信... 针对传统卷积神经网络(CNN)对弧齿锥齿轮箱的故障识别准确率不高这一问题,提出一种基于深度分离卷积神经网络(DCNN)和双向长短时记忆网络(Bi-LSTM)的弧齿锥齿轮箱智能故障诊断方法。首先,对原始信号进行小波阈值降噪处理,将降噪后的信号利用经验模态分解(EMD)算法进行了分解;然后,对分解出的本征模态函数(IMF)的各个分量进行峭度计算,选取峭度值最高的IMF分量重构成新的振动信号输入模型进行训练;之后,将振动信号重叠采样获得大量信号样本,将这些样本通过深度分离卷积神经网络从一维原始振动信号中自适应的提取空间特征信息,提取的特征进一步输入到双向长短时记忆网络,同时提取正、逆时域的振动信号,以更好的提取故障特征;同时,在深度分离卷积中加入了残差网络对数据特征进行了复利用,并对卷积核进行了深度分离,解决了深度模型的网络退化问题;最后,将特征信息输入到已经训练好的DCNN-Bi-LSTM模型中,对弧齿锥齿轮箱故障诊断识别。结果表明,该方法可以准确的识别齿轮箱故障,最高诊断准确率可达100%。并且,该方法比传统的卷积神经网络的准确率更高,抗噪能力更强,网络收敛速度更快,诊断结果更稳定。 展开更多

关键词 深度分离卷积 双向长短时记忆网络 残差网络 智能故障诊断 本征模态函数 振动信号

在线阅读 下载PDF 职称材料

应用ITD分形模糊熵的自动机早期故障诊断 被引量：9

8

作者 赵雄鹏 潘宏侠 +1 位作者 刘广璞 安邦 《机械设计与制造》 北大核心 2019年第1期134-137,共4页

通过以某口径高射机枪自动机为研究对象,提出一种运用固有时间尺度分解(ITD)分形模糊熵与RBF神经网络进行故障诊断的方法。由于自动机振动信号短时、非平稳、高冲击的特性,将ITD引入自动机的故障诊断中,通过对ITD分解得到不同频段的合... 通过以某口径高射机枪自动机为研究对象,提出一种运用固有时间尺度分解(ITD)分形模糊熵与RBF神经网络进行故障诊断的方法。由于自动机振动信号短时、非平稳、高冲击的特性,将ITD引入自动机的故障诊断中,通过对ITD分解得到不同频段的合理旋转(proper rotation简称PR)分量,然后分别提取分形维数和模糊熵组成组合特征向量。由于RBF神经网络结构简单、收敛速度快具有很高的分类准确率,所以采用RBF神经网络分类识别。最后得到理想识别效果的同时验证了ITD分形模糊熵与RBF的自动机早期故障诊断方法的优越性。 展开更多

关键词 自动机 固有时间尺度分解 分形维数 模糊熵 RBF神经网络 故障诊断

在线阅读 下载PDF 职称材料

基于EEMD与FCM聚类的自动机故障诊断 被引量：9

9

作者 张玉学 潘宏侠 安邦 《中国测试》 CAS 北大核心 2017年第3期106-110,共5页

针对自动机使用中常见的故障检测与识别问题,考虑到自动机振动响应信号非线性、短时、瞬态和冲击特性,提出基于聚合经验模态分解(EEMD)和模糊C均值(FCM)聚类结合的自动机故障诊断方法。首先,使用EEMD分解方法对自动机的振动信号进行分解... 针对自动机使用中常见的故障检测与识别问题,考虑到自动机振动响应信号非线性、短时、瞬态和冲击特性,提出基于聚合经验模态分解(EEMD)和模糊C均值(FCM)聚类结合的自动机故障诊断方法。首先,使用EEMD分解方法对自动机的振动信号进行分解,结合相关系数提取前5个固有模态函数(IMF)分量的能量百分比作为特征值,再用模糊C均值聚类对特征值进行聚类分析。通过对自动机不同工况分别用EEMD和EMD方法进行故障分类识别对比,结果表明:所有样本的诊断结果与实际情况基本符合,证明EEMD法有更好的分类效果,分类正确率达93.75%。从而验证该方法能有效应用在自动机故障诊断中。 展开更多

关键词 自动机 聚合经验模态 模糊C均值聚类算法 能量比 故障诊断

在线阅读 下载PDF 职称材料

应用多参数融合与ELM的自动机故障诊断 被引量：4

10

作者 安邦 潘宏侠 +1 位作者 赵雄鹏 张青青 《机械设计与制造》 北大核心 2017年第9期141-144,共4页

考虑到自动机工作环境复杂,各部件相互作用时间短,冲击性强从而导致各种响应信号相互叠加,敏感特征参量难以确定的问题,提出了一种应用多参数融合与ELM相结合的自动机故障诊断方法。首先,对自动机故障信号计算广义分形维数,在此基础上... 考虑到自动机工作环境复杂,各部件相互作用时间短,冲击性强从而导致各种响应信号相互叠加,敏感特征参量难以确定的问题,提出了一种应用多参数融合与ELM相结合的自动机故障诊断方法。首先,对自动机故障信号计算广义分形维数,在此基础上提取盒维数、信息维数、关联维数作为故障特征参量;然后引入信息熵模型,对自动机故障信号提取功率谱熵、奇异谱熵、特征空间谱熵作为特征参量来描述信号状态在频域、时域、时频域的能量变化;最后将特征参量输入到极限学习机中(ELM)进行分类。实验结果表明多参数融合能全面准确地反映故障信息,极限学习机学习速度快、结构简单,具有很好的故障分类效果。 展开更多

关键词 多参数融合 广义分形维数 信息熵 极限学习机 自动机 故障诊断

在线阅读 下载PDF 职称材料

应用S.L.Peng窄带分解与广义分形的自动机故障诊断 被引量：3

11

作者 田园 潘宏侠 +1 位作者 陈玉青 潘龙 《中国测试》 CAS 北大核心 2016年第2期100-104,共5页

针对某型高射机枪自动机振动信号低信噪比、干扰多的特点,提出利用S.L.Peng的局部窄带分解理论对信号进行分解和重构,并用支持向量机对故障模式进行识别。通过对自动机故障机理分析,找到易发生故障的位置,并设置3种故障后进行振动信号... 针对某型高射机枪自动机振动信号低信噪比、干扰多的特点,提出利用S.L.Peng的局部窄带分解理论对信号进行分解和重构,并用支持向量机对故障模式进行识别。通过对自动机故障机理分析,找到易发生故障的位置,并设置3种故障后进行振动信号采集。将信号通过基于局部窄带信号的分解和重构后通过广义维数计算获得各种工况的盒维数、信息维数、关联维数、广义分形维数谱均值,将其供给支持向量机进行故障分类。所得诊断结果准确率达93.75%,具有一定的参考及实用价值。 展开更多

关键词 自动机 局部窄带分解 广义分形 特征提取 支持向量机

在线阅读 下载PDF 职称材料

变分模态分解在自动机故障诊断中的应用 被引量：4

12

作者 安邦 潘宏侠 +1 位作者 张玉学 赵雄鹏 《中国测试》 北大核心 2017年第7期112-116,共5页

由于自动机工作环境复杂、各种响应信号相互叠加,为准确、高效地提取自动机信号的故障特征,提出一种应用变分模态分解(VMD)和极限学习机(ELM)的自动机故障诊断方法。首先对自动机信号进行变分模态分解,并与经验模态分解(EMD)结果进行对... 由于自动机工作环境复杂、各种响应信号相互叠加,为准确、高效地提取自动机信号的故障特征,提出一种应用变分模态分解(VMD)和极限学习机(ELM)的自动机故障诊断方法。首先对自动机信号进行变分模态分解,并与经验模态分解(EMD)结果进行对比;同时提取各模态分量的能量百分比和各工况下不同样本的样本熵作为特征值;将提取到的特征值输入到极限学习机中进行故障诊断,再与传统的双谱分析诊断结果进行比较。最终VMD方法实现信号频域内各分量的自适应剖分,并得出ELM的故障诊断准确率为87.5%。实验结果表明:变分模态分解能够有效避免模态混叠现象,同时验证所提方法的可行性与有效性。 展开更多

关键词 变分模态分解 模态混叠 极限学习机 自动机 故障诊断

在线阅读 下载PDF 职称材料

基于小波尺度谱重排与排列熵的自动机故障诊断

13

作者 潘龙 潘宏侠 马白雪 《探测与控制学报》 CSCD 北大核心 2015年第3期100-104,共5页

针对传统的自动机故障诊断方法检测与诊断维修成本高、周期长,且容易受不确定性因素影响的问题,提出了基于小波尺度谱重排与排列熵的自动机故障诊断方法。该方法运用小波尺度谱重排,提高了自动机振动信号能量的集中度;以振动信号的小波... 针对传统的自动机故障诊断方法检测与诊断维修成本高、周期长,且容易受不确定性因素影响的问题,提出了基于小波尺度谱重排与排列熵的自动机故障诊断方法。该方法运用小波尺度谱重排,提高了自动机振动信号能量的集中度;以振动信号的小波排列熵作为特征向量,差异较为明显;并优化支持向量机(SVM)对自动机故障进行识别。实例验证表明:该方法能有效地提取故障特征值并完成故障识别,解决了自动机故障诊断的问题,是一种适合其高频振动冲击信号的故障诊断方法,有着极其重要的理论意义和现实意义。 展开更多

关键词 自动机 小波尺度谱重排 排列熵 支持向量机 故障诊断

在线阅读 下载PDF 职称材料

复杂结构装配质量检测与缺陷识别的频响特性方法研究 被引量：3

14

作者 潘铭志 潘宏侠 +2 位作者 许昕 付志敏 席茂松 《火炮发射与控制学报》 北大核心 2021年第3期87-92,99,共7页

复杂结构由于其连接子结构种类繁多、连接关系复杂,特别是经过一段时间的工作,连接件出现松动和变位,导致其装配质量劣化。对此,提出一种基于频响特性分析方法,探索其在复杂结构装配质量检测和缺陷识别中的应用。通过对主要机构转换环... 复杂结构由于其连接子结构种类繁多、连接关系复杂,特别是经过一段时间的工作,连接件出现松动和变位,导致其装配质量劣化。对此,提出一种基于频响特性分析方法,探索其在复杂结构装配质量检测和缺陷识别中的应用。通过对主要机构转换环节布置冲击激励和振动响应传感器,采用便携式采集分析系统同步采集冲击激励、振动响应信号,信号经相干修正预处理后,建立激励和各响应信号的频响函数关系模型。通过差异比较法,分析正常工况和待检复杂结构的频响函数特征参数,研究结构的装配质量问题。经对某综合传动装置及某供输弹机构实验结果分析表明,该方法能有效对复杂结构装配缺陷进行检测。 展开更多

关键词 机械动力学与振动 信息处理技术 复杂结构 频响特性 相干修正 装配质量

在线阅读 下载PDF 职称材料

基于EEMD和GA-LSTM算法的行星齿轮故障诊断方法 被引量：9

15

作者 陶浩然 许昕 +2 位作者 潘宏侠 王同 徐轟钊 《机电工程》 CAS 北大核心 2023年第11期1700-1708,共9页

在强烈的背景噪声下,如何较好地提取行星齿轮的微弱故障特征,这是行星齿轮故障诊断领域需要解决的难题。针对行星齿轮振动信号的非线性和非平稳性,为了提高其故障诊断的准确性,提出了一种利用遗传算法优化的长短时记忆网络(GA-LSTM)和... 在强烈的背景噪声下,如何较好地提取行星齿轮的微弱故障特征,这是行星齿轮故障诊断领域需要解决的难题。针对行星齿轮振动信号的非线性和非平稳性,为了提高其故障诊断的准确性,提出了一种利用遗传算法优化的长短时记忆网络(GA-LSTM)和集合经验模式分解(EEMD)的行星齿轮故障诊断方法。首先,通过试验采集了4种行星齿轮故障类型的振动信号,并采用EEMD方法将行星齿轮的原始振动信号分解为6个本征模态函数(IMF)分量,将其作为特征分量以便进一步处理;然后,使用遗传算法(GA)对LSTM网络的超参数进行了优化,以提高故障类型识别的准确性;最后,将特征分量输入到已经训练好的GA-LSTM模型中,将其网络模型作为最终分类器,对行星齿轮进行了故障诊断识别,并通过对比未经优化的网络,以及在原始信号中人为地加入噪声模拟的实际工程信号,验证了基于EEMD和GA-LSTM算法的有效性和泛化性。研究结果表明:训练后的网络实现了不到2%的损失率,具有良好的稳定性,GA-LSTM方法故障分类精度达到了94.17%;与未经优化的网络相比,GA-LSTM模型的验证精度高于LTSM,该网络模型在所有分量上都表现出更好的时序性能,在识别添加了噪声的工程信号时,也能保持较高的故障诊断精度,从而表明其在行星齿轮故障诊断中的优越性。该研究在提高机械传动设备故障诊断能力方面有一定的理论参考价值。 展开更多

关键词 齿轮传动 强背景噪声 微弱故障特征 集合经验模态分解 长短时记忆网络 分类精度 特征提取 遗传算法

在线阅读 下载PDF 职称材料

基于模糊熵与CS-ELM的供输弹系统早期故障识别 被引量：3

16

作者 韩慧苗 许昕 +1 位作者 潘宏侠 李磊磊 《机床与液压》 北大核心 2022年第7期164-169,共6页

针对供输弹系统早期采集的信号中成分复杂,故障特征难以提取和识别的问题,提出一种基于模糊熵与布谷鸟改进的极限学习机(CS-ELM)的供输弹系统早期故障预示方法。运用改进的可调品质因子小波变换对信号进行滤波降噪,提取各子带信号的模... 针对供输弹系统早期采集的信号中成分复杂,故障特征难以提取和识别的问题,提出一种基于模糊熵与布谷鸟改进的极限学习机(CS-ELM)的供输弹系统早期故障预示方法。运用改进的可调品质因子小波变换对信号进行滤波降噪,提取各子带信号的模糊熵特征;选取模糊熵值较大的5个子带进行重构,完成降噪并将其模糊熵组成特征向量;运用CS-ELM对所提取的特征向量进行早期故障预示并与ELM的诊断结果进行对比。试验结果验证了该方法的有效性,其预示准确率达90.7%。 展开更多

关键词 供输弹系统 故障识别 模糊熵 布谷鸟搜索算法 极限学习机

在线阅读 下载PDF 职称材料

基于MAC与PSO的自动机测点优化 被引量：1

17

作者 田园 潘宏侠 +1 位作者 马凌芝 张媛 《机械设计与制造》 北大核心 2016年第7期173-176,共4页

针对某型高射机枪自动机机箱的外表面形状比较复杂,传感器的布置受到结构形状的限制,自动机构件运动的敏感点难以获取,提出了基于模态保证准则与粒子群算法的自动机测点优化配置方法。根据对某型高射机枪自动机的ANSYS有限元模态分析,... 针对某型高射机枪自动机机箱的外表面形状比较复杂,传感器的布置受到结构形状的限制,自动机构件运动的敏感点难以获取,提出了基于模态保证准则与粒子群算法的自动机测点优化配置方法。根据对某型高射机枪自动机的ANSYS有限元模态分析,并针对机枪的模态试验结果,建立了基于模态保证准则的适应度函数,并通过运用粒子群算法优化传感器的配置,解决了自动机机箱振动信号采集过程中测点的选择和优化以及传感器布置数量难以估计和定位困难的问题。 展开更多

关键词 自动机 模态保证准则 粒子群算法 测点优化 传感器布置

在线阅读 下载PDF 职称材料