期刊文献+
共找到27篇文章
< 1 2 >
每页显示 20 50 100
基于鲸鱼算法优化特征模态分解的滚动轴承复合故障诊断方法
1
作者 徐帅 张超 《机电工程》 北大核心 2025年第8期1440-1449,共10页
针对特征模态分解(FMD)在处理复合故障时参数难以选取的问题,提出了一种基于鲸鱼优化算法(WOA)优化FMD的滚动轴承复合故障诊断方法。首先,基于信号频谱能量和模态分布,设计了一个综合评价指标——自适应加权频域峰度与交叉信息熵的比值... 针对特征模态分解(FMD)在处理复合故障时参数难以选取的问题,提出了一种基于鲸鱼优化算法(WOA)优化FMD的滚动轴承复合故障诊断方法。首先,基于信号频谱能量和模态分布,设计了一个综合评价指标——自适应加权频域峰度与交叉信息熵的比值,并将其作为目标函数,该指标不仅能够精准捕捉信号的故障特征,还能在分解过程中平衡各模态之间的关系;然后,利用WOA对FMD中的两个关键参数(即模态数n和滤波器长度L)进行了自适应优化,以调整到最佳值,确保FMD分解结果既能充分提取故障特征,又能有效抑制噪声干扰;最后,基于内蒙古科技大学机械工程学院的HZXT-DS-003双跨转子滚动轴承试验平台,构建了涵盖多种复合故障模式的轴承数据集,并进行了实验分析。仿真与实验研究结果表明:该方法在噪声抑制方面表现出色,能够有效识别复合故障中相对较弱的故障特征频率,从而显著提升了滚动轴承复合故障诊断的准确性和可靠性;此外,通过将该方法与对比方法进行了多方面的定性和定量对比分析,进一步验证了该方法的优越性。可见基于WOA优化FMD的故障诊断方法可以对滚动轴承复合故障进行有效诊断。 展开更多
关键词 滚动轴承故障诊断 特征模态分解 鲸鱼优化算法 自适应加权频域峰度与交叉信息熵比值 故障特征提取 噪声干扰抑制
在线阅读 下载PDF
基于改进fal函数的四旋翼无人机姿态运动控制
2
作者 刘文婧 陈腾宇 +1 位作者 湛春颖 王少锋 《科学技术与工程》 北大核心 2025年第6期2453-2460,共8页
对于四旋翼无人机在姿态上的运动控制,目前主要方法是对自抗扰控制(active disturbance rejection control,ADRC)系统的应用。针对此系统在处理具有传感器噪声的复杂干扰时,以往的fal函数设计在应用上仍有许多缺陷。扩张状态观测器(exte... 对于四旋翼无人机在姿态上的运动控制,目前主要方法是对自抗扰控制(active disturbance rejection control,ADRC)系统的应用。针对此系统在处理具有传感器噪声的复杂干扰时,以往的fal函数设计在应用上仍有许多缺陷。扩张状态观测器(extended state observer,ESO)在传统fal函数的作用下,其工作过程中存在观测的精度不足以及抖振发生率较高等问题。因此,在以往fal函数的基础上改进出了一种新型的非线性光滑tfal函数,并以此函数研究ESO,最后,将其他ADRC方法与此方法置于MATLAB/Simulink软件进行比较仿真,新设计的tfal函数表现出更好的收敛性。基于tfal设计的新型ESO,在误差估计和误差跟随性能上有着明显提升。同时相比于改进函数galn和传统函数fal,新型ESO下姿态自抗扰控制系统,其跟踪能力分别提升了2.3%和4%,抗干扰性能分别提升了50%和67%。 展开更多
关键词 tfal函数 四旋翼飞行器 姿态控制
在线阅读 下载PDF
傅里叶分解和调制信号双谱的滚动轴承故障诊断 被引量:2
3
作者 张超 张辉 田帅 《机械设计与制造》 北大核心 2024年第3期43-47,共5页
在噪声干扰较强的环境下,为了克服傅里叶分解方法(Fourier Decomposition Method,FDM)在分析调制信号及单独使用调制信号双谱(Modulated Signal Bispectrum,MSB)在分析非平稳信号方面的不足,提出了一种FDM和MSB相结合的滚动轴承故障诊... 在噪声干扰较强的环境下,为了克服傅里叶分解方法(Fourier Decomposition Method,FDM)在分析调制信号及单独使用调制信号双谱(Modulated Signal Bispectrum,MSB)在分析非平稳信号方面的不足,提出了一种FDM和MSB相结合的滚动轴承故障诊断方法。首先,使用FDM按照高频到低频的方式搜寻傅里叶固有模态函数分量(Fourier Intrinsic band Functions,FIBFs);以加权峭度指标作为评判标准,对信号进行重构,确保得到最佳的信号;然后对新的信号利用MSB分析方法进行解调处理,最终通过复合切片谱实现故障特征频率的提取。最后,通过上述方法对模拟信号和滚动轴承外圈故障信号进行分析,其研究结果表明:该方法能够有效地提取故障特征频率,并且与常规双谱进行对比,验证所提方法的优越性。 展开更多
关键词 傅里叶分解方法 加权峭度指标 调制信号双谱 故障诊断 滚动轴承
在线阅读 下载PDF
改进MCKD-MEEMD在滚动轴承故障诊断中的应用 被引量:1
4
作者 张超 秦敏敏 张少飞 《机械设计与制造》 北大核心 2024年第7期193-199,共7页
为了解决实际工况中故障信号被噪声掩盖,故障特征频率难以提取的问题,提出改进最大峭度解卷积(MCKD)和改进的集总平均经验模态分解(MEEMD)结合的滚动轴承故障诊断方法。首先,提出使用合成峭度作为指标来选取MCKD的最优参数:位移数M和最... 为了解决实际工况中故障信号被噪声掩盖,故障特征频率难以提取的问题,提出改进最大峭度解卷积(MCKD)和改进的集总平均经验模态分解(MEEMD)结合的滚动轴承故障诊断方法。首先,提出使用合成峭度作为指标来选取MCKD的最优参数:位移数M和最大滤波器长度L;然后将最优参数代入MCKD算法中,得到最佳降噪信号;最后对降噪信号使用MEEMD分解,得到若干本征模态分量(IMF),选取合适的分量做信号重构,再对重构信号做频谱分析,在频谱中可以寻找出故障频率以及其他的信息。通过仿真分析了MEEMD方法的优越性及不足之处,并使用改进MCKD方法对不足处进行了改进,将改进MCKD-MEEMD方法与MEEMD方法以及传统MCKD-MEEMD方法进行了实验对比分析,证明了改进MCKD-MEEMD方法的故障诊断效果更好。 展开更多
关键词 最大相关峭度解卷积 合成峭度 经验模态分解 故障诊断
在线阅读 下载PDF
基于Transformer和卷积神经网络的齿轮故障诊断方法 被引量:3
5
作者 闫绘宇 张超 《机电工程》 CAS 北大核心 2024年第3期409-417,共9页
针对部分齿轮的运行环境复杂,导致采集的样本数据不够的问题,提出了一种基于Transformer和卷积神经网络(CNN)的迁移学习齿轮故障诊断方法。首先,采用高斯滤波对原始振动信号进行了预处理,使信号变得平滑,降低了噪声信号的干扰;再将信号... 针对部分齿轮的运行环境复杂,导致采集的样本数据不够的问题,提出了一种基于Transformer和卷积神经网络(CNN)的迁移学习齿轮故障诊断方法。首先,采用高斯滤波对原始振动信号进行了预处理,使信号变得平滑,降低了噪声信号的干扰;再将信号处理成带有位置信息的补丁序列以作为Transformer的输入,并增强了Transformer特征提取的能力,提高了诊断精度;然后,将信号输入到CNN继续提取特征信息,在模型中添加了一个残差块以防止网络退化;接着,划分了实验室采集的齿轮数据集和东南大学齿轮箱数据集的源域和目标域,采用了源域数据预训练模型,选择了每种类型的齿轮各100个样本为目标域;最后,以不同数据集为源域共进行了4组10次重复实验,测试了模型的准确率。研究结果表明:以不同数据集为源域的4组10次迁移实验的齿轮故障诊断准确率较高,均在90%以上,最高准确率可达100%;与其他不含Transformer的卷积神经网络、多尺度卷积神经网络和二维卷积神经网络相比,Transformer-CNN的齿轮故障诊断平均准确率更高,其平均准确率可达到99.64%。因此,基于Transformer-CNN的迁移学习方法能在小样本下诊断齿轮的故障。 展开更多
关键词 齿轮箱 信号平滑处理 迁移学习 TRANSFORMER 卷积神经网络 特征提取能力
在线阅读 下载PDF
考虑温度和电池寿命下风储微电网容量双层优化配置及经济性
6
作者 虞启辉 李宇慧 +2 位作者 孙国鑫 秦日鹏 李丰 《科学技术与工程》 北大核心 2025年第25期10726-10734,共9页
为持续推进国家“双碳”目标,优化储能电池的寿命和经济性,通过建立计及温度和循环次数的电池寿命模型,并结合开路电压测试、混合脉冲功率特性(hybrid pulse power characterization,HPPC)实验、充放电循环实验和日历老化实验等方法,研... 为持续推进国家“双碳”目标,优化储能电池的寿命和经济性,通过建立计及温度和循环次数的电池寿命模型,并结合开路电压测试、混合脉冲功率特性(hybrid pulse power characterization,HPPC)实验、充放电循环实验和日历老化实验等方法,研究了储能电池的寿命特性及经济性优化策略。结果表明,采用全寿命周期经济等值为上层优化目标、系统日区间最优运行策略为下层优化目标的双层优化配置模型,可有效提升储能系统的经济性。在内蒙古自治区某牧区风储微电网的算例分析中,优化后风机装机功率由60 kW调整为30 kW,储能电池容量优化为1103 kW·h,储能系统总运行成本减少5.02×10^(5)元,并揭示了温度和循环次数对系统运行成本的影响规律。可见,该优化方法可在确保系统稳定运行的前提下,提升储能系统的经济性与可推广性,为储能技术的工程应用提供理论支撑。 展开更多
关键词 风储并网 电池寿命 循环次数 等效电路模型 容量优化配置
在线阅读 下载PDF
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:2
7
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
弹流润滑作用下打滑效应引起的球轴承外圈缺陷频率偏差
8
作者 杨洪峰 张超 +2 位作者 刘佳雪 徐帅 肖萌 《轴承》 北大核心 2025年第7期89-96,共8页
建立了考虑打滑效应的深沟球轴承外圈缺陷动力学模型,将球经过缺陷区域时所受的力设定为瞬时激励函数,同时由弹流润滑理论获得了球与各零件接触时的等效接触刚度与阻尼,计算了轴承打滑效应下的外圈缺陷频率,并通过试验验证了模型的正确... 建立了考虑打滑效应的深沟球轴承外圈缺陷动力学模型,将球经过缺陷区域时所受的力设定为瞬时激励函数,同时由弹流润滑理论获得了球与各零件接触时的等效接触刚度与阻尼,计算了轴承打滑效应下的外圈缺陷频率,并通过试验验证了模型的正确性。结果表明:载荷与转速对轴承打滑效应影响较大,且由于打滑效应的存在,轴承外圈缺陷频率较理论值出现了偏差;增大载荷与转速都可以抑制打滑引起的外圈缺陷频率偏差,且增大载荷对抑制缺陷频率偏差的效果更优。 展开更多
关键词 滚动轴承 深沟球轴承 频率偏差 打滑 故障 动力学模型
在线阅读 下载PDF
焊缝缺陷图像智能分类研究 被引量:4
9
作者 刘文婧 张二清 +2 位作者 王建国 王少锋 黄顺舟 《组合机床与自动化加工技术》 北大核心 2022年第6期150-154,共5页
为解决V型焊缝内部缺陷超声相控阵图像智能分类时代表性特征提取困难的问题,提出了一种改进的稀疏自编码器网络模型(RSAE),获取显著响应V型焊缝缺陷类型的特征集。首先,预处理缺陷超声图像,进而采用纹理特征与形状特征相结合的方法解析... 为解决V型焊缝内部缺陷超声相控阵图像智能分类时代表性特征提取困难的问题,提出了一种改进的稀疏自编码器网络模型(RSAE),获取显著响应V型焊缝缺陷类型的特征集。首先,预处理缺陷超声图像,进而采用纹理特征与形状特征相结合的方法解析缺陷的明暗复杂程度、纹理粗细、沟纹深浅、灰度分布均匀程度;其次,基于Relief-F算法计算各特征对V型焊缝内部缺陷类型的敏感度,分配其为RSAE的初始权重参数,同时给RSAE三种约束实现对样本数据的重新表达。实验使用原始特征与改进的稀疏自编码器编码的特征分别作为核极限学习机的输入,识别准确率分别为87.2%与96.5%。结果表明,提出的改进的稀疏自编码器获得的高级特征较原始特征在模式识别中有更好的结果。 展开更多
关键词 智能分类 V型焊缝超声相控阵图谱 特征敏感度 稀疏表示
在线阅读 下载PDF
自适应MCKD和VMD在行星齿轮箱早期故障诊断中的应用 被引量:3
10
作者 王建国 刘冀韬 张文兴 《机械设计与制造》 北大核心 2022年第6期130-133,共4页
针对行星齿轮箱早期故障信号微弱且受强背景噪声影响,致使故障信号特征频率难提取,通过自适应最大峭度解卷积(MCKD)和变分模态分解(VMD)进行早期故障特征提取。首先,利用变步长搜索,以峭度值为评判标准,搜索最优滤波器长度L;然后,将信... 针对行星齿轮箱早期故障信号微弱且受强背景噪声影响,致使故障信号特征频率难提取,通过自适应最大峭度解卷积(MCKD)和变分模态分解(VMD)进行早期故障特征提取。首先,利用变步长搜索,以峭度值为评判标准,搜索最优滤波器长度L;然后,将信号通过优化后的自适应MCKD算法降噪;最后,利用VMD分解降噪信号,通过包络谱进行分析,寻找故障特征频率。经仿真信号和实验信号验证,这里所提方法能够有效地提取出强噪声背景下的行星齿轮箱故障特征。 展开更多
关键词 行星齿轮箱 最大相关峭度解卷积 变分模态分解 峭度
在线阅读 下载PDF
基于1D CNN-XGBoost的滚动轴承故障诊断 被引量:4
11
作者 张超 秦敏敏 张少飞 《机床与液压》 北大核心 2022年第16期169-173,共5页
在滚动轴承故障自动分类的研究中,使用传统的机器学习方法需要通过手动提取特征,因此特征的提取并不充分且自适应性不强。针对以上问题,提出一种一维卷积神经网络(1D CNN)结合XGBoost算法的单通道滚动轴承故障分类模型。该模型结合1D CN... 在滚动轴承故障自动分类的研究中,使用传统的机器学习方法需要通过手动提取特征,因此特征的提取并不充分且自适应性不强。针对以上问题,提出一种一维卷积神经网络(1D CNN)结合XGBoost算法的单通道滚动轴承故障分类模型。该模型结合1D CNN和XGBoost的优势,对采集到的轴承振动信号进行数据集划分;使用训练集对1D CNN进行训练,把训练好的1D CNN模型进行保存并用来实现轴承数据特征的自动提取;将提取的特征数据集代入XGBoost算法中进行训练和分类。为验证所提模型的有效性,使用凯斯西储大学轴承数据中心提供的数据对1D CNN模型、XGBoost模型和1D CNN-XGBoost模型进行实验对比;为验证1D CNN-XGBoost的泛化性,使用一组新的滚动轴承数据集进行实验。结果表明:1D CNN-XGBoost模型的分类准确率更高,是一种有效的轴承故障分类模型,具有很好地分类性能和泛化性。 展开更多
关键词 一维卷积神经网络 XGBoost算法 滚动轴承 故障诊断
在线阅读 下载PDF
基于深度Q学习策略的旋转机械故障诊断方法研究 被引量:13
12
作者 辛阔 王建国 张文兴 《机电工程》 CAS 北大核心 2021年第10期1261-1268,共8页
传统的旋转机械故障诊断方法需要人工提取故障特征,且该方法受环境噪声的影响较大,针对这一问题,提出了一种基于深度Q网络强化学习的旋转机械故障诊断模型。首先,以一维故障信号作为模型的输入,以各故障的故障类型作为当前输入的可选动... 传统的旋转机械故障诊断方法需要人工提取故障特征,且该方法受环境噪声的影响较大,针对这一问题,提出了一种基于深度Q网络强化学习的旋转机械故障诊断模型。首先,以一维故障信号作为模型的输入,以各故障的故障类型作为当前输入的可选动作;然后,采用基于统计的随机置零方法以提高模型的抗噪能力,再通过深度学习网络,有效提取了各故障的故障特征,拟合了当前状态动作对的Q值,并采用深度Q学习模型完成了对各个故障类型的识别;最后,通过故障模拟试验台及美国西储大学轴承故障数据进行了模拟实验,并将该方法与传统机器学习方法,以及一维卷积神经网络模型进行了比较,以证明该方法在噪声环境下的优良表现。研究结果表明:在信噪比为-4 dB时,采用该故障诊断模型对旋转机械故障的识别准确率可以达到78%;采用该方法可以准确、稳定地对旋转机械进行故障诊断。 展开更多
关键词 旋转机械 故障诊断 强化学习 深度学习 噪声环境 卷积神经网络
在线阅读 下载PDF
基于流形半监督K均值算法的风力发电机故障诊断方法 被引量:8
13
作者 刘文婧 赵鹏飞 +1 位作者 张文兴 王建国 《机床与液压》 北大核心 2020年第17期191-194,共4页
针对风力发电机组SCADA监测数据海量、高维、复杂的特点,提出一种基于流形半监督K均值聚类的风力发电机组故障诊断方法。对风力发电机组SCADA数据进行分析,提取风力发电机组状态参量组成特征数据集,优化了传统K均值聚类算法,以流形距离... 针对风力发电机组SCADA监测数据海量、高维、复杂的特点,提出一种基于流形半监督K均值聚类的风力发电机组故障诊断方法。对风力发电机组SCADA数据进行分析,提取风力发电机组状态参量组成特征数据集,优化了传统K均值聚类算法,以流形距离作为相似性度量,对SCADA数据进行半监督K均值聚类分析。实验结果表明:改进的算法比传统K均值聚类算法能更有效识别风力发电机的状态。 展开更多
关键词 风电机组 故障诊断 流形距离 K均值聚类算法
在线阅读 下载PDF
基于FDM和TEO的滚动轴承故障诊断研究 被引量:5
14
作者 张辉 张超 +1 位作者 辛阔 田帅 《机电工程》 CAS 北大核心 2021年第7期850-856,共7页
针对傅里叶分解方法(FDM)在强噪声的环境下难以准确地提取故障特征的问题,利用FDM具有正交性、完备性及局部性的特点,及Teager能量算子(TEO)能突显信号中脉冲特征的优势,提出了一种基于FDM和TEO的滚动轴承故障诊断方法。首先,使用FDM按... 针对傅里叶分解方法(FDM)在强噪声的环境下难以准确地提取故障特征的问题,利用FDM具有正交性、完备性及局部性的特点,及Teager能量算子(TEO)能突显信号中脉冲特征的优势,提出了一种基于FDM和TEO的滚动轴承故障诊断方法。首先,使用FDM按照高频到低频的搜寻方式,搜寻到了傅里叶固有模态分量信号;然后,利用峭度准则和相关系数筛选出了最优的模态信号,并对信号进行了重构;接下来对重构信号使用TEO进行处理,增强了信号中的脉冲特征;最后,在频谱图中提取了其故障特征,利用该方法对模拟信号和滚动轴承振动信号进行了分析,并且采用辛辛那提大学提供的轴承数据对其进行了实验验证。研究结果表明:所提方法明显优于FDM方法,在78 Hz和236 Hz处能够精确地凸显滚动轴承的故障特征频率,实现对滚动轴承故障的准确诊断。 展开更多
关键词 傅里叶分解方法 TEAGER能量算子 峭度准则 相关系数 滚动轴承
在线阅读 下载PDF
小波包和1D CNN结合的刀具磨损状态识别 被引量:3
15
作者 杨斌 樊志刚 +1 位作者 王建国 刘文婧 《机械设计与制造》 北大核心 2024年第9期228-232,237,共6页
为监测机床切削加工过程中刀具的非线性磨损变化,提出了一种基于小波包分解和一维卷积神经网络(1D CNN)的刀具磨损状态识别方法。采集机床主轴振动数据作为监测信号,采用经信噪比定量分析后的小波包进行预处理,然后选取小波包分解后各... 为监测机床切削加工过程中刀具的非线性磨损变化,提出了一种基于小波包分解和一维卷积神经网络(1D CNN)的刀具磨损状态识别方法。采集机床主轴振动数据作为监测信号,采用经信噪比定量分析后的小波包进行预处理,然后选取小波包分解后各频带的能量特征作为1D CNN的输入,实现了对刀具磨损状态的有效识别。实验表明,该模型能够实现刀具磨损状态的准确预测,相比于BP网络、能量频谱图-Alexnet和Lstm网络模型,刀具磨损状态识别率最优,平均准确率达到98.262%。 展开更多
关键词 刀具磨损 振动信号 小波包分解 卷积神经网络
在线阅读 下载PDF
超声应力检测技术综述 被引量:3
16
作者 尚飞 孙博 +1 位作者 张宏辉 刘文婧 《声学技术》 CSCD 北大核心 2024年第2期151-162,共12页
应力检测是保证机械装置稳定可靠运行的必要手段,而考虑到机械装置结构的复杂性与工作环境的多样性,其对检测方法的要求较高。超声应力检测以其高精度、无害性、强适应性等优点在连续介质与非连续介质内外应力检测中得到了广泛的关注与... 应力检测是保证机械装置稳定可靠运行的必要手段,而考虑到机械装置结构的复杂性与工作环境的多样性,其对检测方法的要求较高。超声应力检测以其高精度、无害性、强适应性等优点在连续介质与非连续介质内外应力检测中得到了广泛的关注与应用。文章针对超声应力检测中最主要的三种方法:声弹性效应法、声反射系数法以及非线性超声检测法,结合国内外学者的研究成果,从其工作原理、发展过程与实际应用等方面分别进行综述,总结其发展现状,并对其未来发展提出展望。 展开更多
关键词 超声波技术 应力检测 声弹性效应 声反射系数 非线性超声
在线阅读 下载PDF
FPCA和径向基极限学习机的齿轮箱故障检测方法 被引量:5
17
作者 张文兴 刘文翰 王建国 《机械科学与技术》 CSCD 北大核心 2020年第12期1872-1876,共5页
为了克服在数据处理中出现的信息缺失和冗余以及在故障检测上准确率较低等缺陷,利用函数型主成分所具有的鲁棒性和稳定性强的优点来弥补极限学习机在稳定性方面的不足,结合径向基极限学习机,提出了一种基于FPCA(函数型主成分分析)-RBF(... 为了克服在数据处理中出现的信息缺失和冗余以及在故障检测上准确率较低等缺陷,利用函数型主成分所具有的鲁棒性和稳定性强的优点来弥补极限学习机在稳定性方面的不足,结合径向基极限学习机,提出了一种基于FPCA(函数型主成分分析)-RBF(径向基函数)-ELM(极限学习机)的齿轮箱故障检测方法。首先用基函数对原始数据进行预处理,然后应用FPCA提取特征信息建立RBF-ELM齿轮诊断模型,最后利用行星齿轮箱实验数据验证故障检测性能,并与FPCA、FPCA-SVDD和PCA-RBF-ELM的行星齿轮箱故障检测结果对比。结果表明:FPCA-RBF-ELM检测率最高且检测效率快,可用于行星齿轮箱的故障检测,此方法具有可行性和有效性。 展开更多
关键词 齿轮箱 故障检测 函数型 函数型主成分分析 极限学习机
在线阅读 下载PDF
一维残差卷积神经网络的刀具磨损识别方法研究 被引量:3
18
作者 杨斌 樊志刚 +2 位作者 王建国 王民 李志星 《机械科学与技术》 CSCD 北大核心 2022年第11期1746-1752,共7页
传统的机器学习方法对于刀具磨损进行监测时需要人为提取特征,并且在刀具磨损监测过程出现所需时间较长、精度低等问题。本文提出基于一维残差卷积神经网络的刀具磨损状态识别方法。对原始振动信号进行小波包阈值降噪、快速傅里叶变换... 传统的机器学习方法对于刀具磨损进行监测时需要人为提取特征,并且在刀具磨损监测过程出现所需时间较长、精度低等问题。本文提出基于一维残差卷积神经网络的刀具磨损状态识别方法。对原始振动信号进行小波包阈值降噪、快速傅里叶变换处理后,将生成的频谱数据作为残差卷积神经网络模型的输入,通过卷积连接、残差连接和融合等操作自动进行特征提取,最后与刀具磨损状态进行匹配。结果表明:与目前常用的其它神经网络相比较,本文所提出的方法在多次测试中后平均准确率提高了0.6%,训练耗时对于频谱图输入降低30%,具有流程简单、准确率更高的特点,相比于其他方法更有优势。 展开更多
关键词 振动信号 残差连接 刀具磨损 卷积神经网络
在线阅读 下载PDF
基于SCADA温度数据的风电机组发电机驱动端轴承异常识别方法 被引量:15
19
作者 张超 张少飞 《轴承》 北大核心 2022年第6期67-73,共7页
为及时识别发电机驱动端轴承的异常运行状态,利用风电机组数据采集与监视控制(SCADA)系统参数序列之间存在的内在相关性,提出一种基于协整和向量误差修正模型的发电机驱动端轴承异常识别方法。首先,对所选温度SCADA参数序列的平稳性进... 为及时识别发电机驱动端轴承的异常运行状态,利用风电机组数据采集与监视控制(SCADA)系统参数序列之间存在的内在相关性,提出一种基于协整和向量误差修正模型的发电机驱动端轴承异常识别方法。首先,对所选温度SCADA参数序列的平稳性进行检验,分析各参数的单整阶数;然后,通过协整检验来确定所选参数之间的长期均衡关系;最后,在协整关系的基础上构建适用于温度SCADA参数的向量误差修正模型,计算模型预测残差的均方根误差,使用指数加权移动平均值设定阈值对发电机驱动端轴承的运行状态进行监测。利用内蒙古某风场的一组发电机驱动端轴承故障数据进行验证,结果表明该方法能有效识别发电机驱动端轴承的异常状态,及时发现早期故障。 展开更多
关键词 滚动轴承 风力发电机组 协整 向量误差修正模型 故障识别
在线阅读 下载PDF
基于CNN-GRU模型的齿轮寿命预测 被引量:5
20
作者 张超 庞永志 +1 位作者 王巍智 吕达 《机床与液压》 北大核心 2023年第2期11-16,共6页
齿轮是机械运动中非常重要的零部件,一旦发生损坏将对机械整体造成不可估量的损失,甚至波及人身安全,因此提前预知齿轮的剩余寿命非常重要。随着深度学习的快速发展,可以采用深度学习对齿轮进行剩余使用寿命的预测。卷积神经网络(CNN)... 齿轮是机械运动中非常重要的零部件,一旦发生损坏将对机械整体造成不可估量的损失,甚至波及人身安全,因此提前预知齿轮的剩余寿命非常重要。随着深度学习的快速发展,可以采用深度学习对齿轮进行剩余使用寿命的预测。卷积神经网络(CNN)具有权值共享和局部感知的优点,但是在处理时间序列上,CNN还有一定的缺陷;门控循环单元(GRU)可以处理时间序列在长距离上依赖不足的问题且结构简单。为了既可以具有权值共享的特点又可以解决时间序列的问题,提出CNN-GRU模型来对齿轮进行寿命预测。实验结果表明:使用该方法后准确率和训练速度都得到了提升,具有一定的应用价值。 展开更多
关键词 齿轮 卷积神经网络 门控循环单元 剩余使用寿命 超参数
在线阅读 下载PDF
上一页 1 2 下一页 到第
使用帮助 返回顶部