检索结果-维普期刊中文期刊服务平台

基于双树复小波和奇异差分谱的齿轮故障诊断研究被引量：13: 1; 作者胥永刚孟志鹏 +1 位作者陆明付胜《振动与冲击》 EI CSCD 北大核心 2014年第1期11-16,23,共7页; 针对齿轮故障振动信号的非平稳特性和包含强烈噪声,很难提取故障特征频率的情况,提出了基于双树复小波和奇异差分谱的故障诊断方法。首先将非平稳的故障振动信号通过双树复小波分解为几个不同频段的分量;由于噪声的影响,从各个分量的频... 展开更多; 关键词双树复小波 HANKEL矩阵奇异值奇异差分谱故障诊断 dual-tree complex wavelet transform (DT-CWT ) singular value decomposition (SVD); 在线阅读下载PDF 职称材料

基于多输入层卷积神经网络的滚动轴承故障诊断模型被引量：42: 2; 作者昝涛王辉 +2 位作者刘智豪王民高相胜《振动与冲击》 EI CSCD 北大核心 2020年第12期142-149,163,共9页; 针对滚动轴承信号易受噪声干扰和智能诊断模型鲁棒性差的问题,在一维卷积网络的基础上,提出基于多输入层卷积神经网络的滚动轴承故障诊断模型。相比传统卷积神经网络诊断模型,该模型具有多个输入层,初始输入层为原始信号,以最大化地发... 展开更多; 关键词深度学习卷积神经网络滚动轴承故障诊断; 在线阅读下载PDF 职称材料

基于MDS和神经网络的滚动轴承故障诊断方法被引量：5: 3; 作者马朝永黄攀 +1 位作者胥永刚付胜《噪声与振动控制》 CSCD 2017年第4期171-174,共4页; 针对滚动轴承的智能诊断问题,提出基于多维尺度分析(Multidimensional Scaling,简称MDS)和神经网络的滚动轴承故障诊断方法。该方法首先提取原始信号常用的时域统计指标,再将包含故障信息的统计指标进行MDS降维处理,减少后续模式识别难... 展开更多; 关键词振动与波滚动轴承多维尺度分析神经网络故障诊断; 在线阅读下载PDF 职称材料

基于遗传编程的无量纲指标在行星齿轮箱故障诊断中的应用被引量：4: 4; 作者胥永刚马伟峰 +1 位作者马朝永付胜《噪声与振动控制》 CSCD 2017年第4期175-179,共5页; 针对传统的信号处理方法较难获取行星齿轮箱故障特征和有量纲指标在变工况情况下诊断失效的问题,提出将无量纲指标应用于行星齿轮箱故障诊断的方法。首先分别计算行星齿轮箱在不同故障模式下振动信号的七个无量纲指标,然后用遗传编程的... 展开更多; 关键词振动与波行星齿轮箱遗传编程无量纲指标复合诊断指标模式识别; 在线阅读下载PDF 职称材料

形态分量分析和谱峭度在轴承故障诊断中的应用被引量：2: 5; 作者马朝永张学飞胥永刚《噪声与振动控制》 CSCD 2016年第4期169-173,197,共6页; 滚动轴承发生故障时,其振动信号往往包含多种振动分量,主要由轴承自身固有振动引起的谐振分量、点蚀或裂纹等故障产生的冲击分量和其他的干扰分量组成。实现故障信号中各分量的有效分离非常有利于轴承的故障诊断。针对此问题,提出形态... 展开更多; 关键词振动与波滚动轴承故障诊断形态分量分析谱峭度; 在线阅读下载PDF 职称材料

双树复小波和双谱在轴承故障诊断中的应用被引量：6: 6; 作者侯少飞李彦生 +1 位作者胥永刚马朝永《噪声与振动控制》 CSCD 2016年第5期133-138,共6页; 针对非线性、非平稳且包含强烈的噪声的轴承故障振动信号难以有效提取故障特征信息进行故障识别的问题,提出基于双树复小波变换和双谱的故障诊断方法。首先利用双树复小波变换将故障轴承振动信号分解为若干个不同频带的分量,选择出包含... 展开更多; 关键词振动与波双树复小波双谱希尔伯特包络滚动轴承故障诊断; 在线阅读下载PDF 职称材料

题名基于双树复小波和奇异差分谱的齿轮故障诊断研究被引量：13: 1; 作者胥永刚孟志鹏陆明付胜; 机构北京工业大学机电学院先进制造技术北京市重点实验室; 出处《振动与冲击》 EI CSCD 北大核心 2014年第1期11-16,23,共7页; 基金国家自然科学基金(51075009) 北京市优秀人才培养资助计划(2011D005015000006); 文摘针对齿轮故障振动信号的非平稳特性和包含强烈噪声,很难提取故障特征频率的情况,提出了基于双树复小波和奇异差分谱的故障诊断方法。首先将非平稳的故障振动信号通过双树复小波分解为几个不同频段的分量;由于噪声的影响,从各个分量的频谱中难以准确地得到故障频率。然后对包含故障特征的分量构建Hankel矩阵并进行奇异值分解,求奇异值差分谱曲线,确定奇异值个数进行SVD重构降噪,由此实现对故障特征信息的提取。最后再求希尔伯特包络谱,便能准确地得到故障频率。实验结果和工程应用表明,该方法可以有效地提取齿轮的故障特征信息,验证了方法的可行性和有效性。; 关键词双树复小波 HANKEL矩阵奇异值奇异差分谱故障诊断 dual-tree complex wavelet transform (DT-CWT ) singular value decomposition (SVD); Keywords Hankel matrix singular value difference spectrum fault diagnosis; 分类号 TH133.3 [机械工程—机械制造及自动化] TH165 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名基于多输入层卷积神经网络的滚动轴承故障诊断模型被引量：42: 2; 作者昝涛王辉刘智豪王民高相胜; 机构北京工业大学机电学院先进制造技术北京市重点实验室电火花加工技术北京市重点实验室; 出处《振动与冲击》 EI CSCD 北大核心 2020年第12期142-149,163,共9页; 基金国家自然科学基金(51575014,51875008,51505012) 北京市教委科技计划项目(KM201410005026) 国家留学基金(201806545032)。; 文摘针对滚动轴承信号易受噪声干扰和智能诊断模型鲁棒性差的问题,在一维卷积网络的基础上,提出基于多输入层卷积神经网络的滚动轴承故障诊断模型。相比传统卷积神经网络诊断模型,该模型具有多个输入层,初始输入层为原始信号,以最大化地发挥卷积网络自动学习原始信号特征的优势;同时可将谱分析数据在模型任意位置输入模型,以提升模型的识别精度和抗干扰能力。通过滚动轴承模拟试验,进行可行性和有效性验证,同时与人工神经网络(Artificial Neural Network,ANN)、支持向量机(Support Vector Machine,SVM)和典型的卷积神经模型进行对比,证明了所提出模型的优势;向测试集中加入噪声来检验模型的鲁棒性,并且运用增量学习方法提升模型在强噪声环境下的识别性能;通过滚动轴承故障实例,验证模型的识别性能和泛化能力。试验结果表明,所提出的模型提升了传统卷积模型的识别率和收敛性能,并具有较好的鲁棒性和泛化能力。; 关键词深度学习卷积神经网络滚动轴承故障诊断; Keywords deep learning convolutional neural network rolling bearing fault diagnosis; 分类号 TH212 [机械工程—机械制造及自动化] TH213.3 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名基于MDS和神经网络的滚动轴承故障诊断方法被引量：5: 3; 作者马朝永黄攀胥永刚付胜; 机构北京工业大学机电学院先进制造技术北京市重点实验室; 出处《噪声与振动控制》 CSCD 2017年第4期171-174,共4页; 基金国家自然科学基金资助项目(51375020) 北京市优秀人才培养资助项目(2011D005015000006); 文摘针对滚动轴承的智能诊断问题,提出基于多维尺度分析(Multidimensional Scaling,简称MDS)和神经网络的滚动轴承故障诊断方法。该方法首先提取原始信号常用的时域统计指标,再将包含故障信息的统计指标进行MDS降维处理,减少后续模式识别难度,最后将降维后的统计指标作为神经网络的输入参数来判断滚动轴承的故障类型。对滚动轴承正常状态、滚动体故障、外圈故障和内圈故障四种模式下的振动信号进行分析,结果表明,运用MDS进行降维预处理的神经网络故障诊断方法比没有经过预处理的故障诊断方法有更高的故障识别效率,可以准确有效识别滚动轴承的故障类型。; 关键词振动与波滚动轴承多维尺度分析神经网络故障诊断; Keywords vibration and wave rolling bearing multidimensional scaling neural network fault diagnosis; 分类号 TH165.3 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名基于遗传编程的无量纲指标在行星齿轮箱故障诊断中的应用被引量：4: 4; 作者胥永刚马伟峰马朝永付胜; 机构北京工业大学机电学院先进制造技术北京市重点实验室; 出处《噪声与振动控制》 CSCD 2017年第4期175-179,共5页; 基金国家自然科学基金资助项目(51375020) 北京市优秀人才培养资助项目(2011D005015000006); 文摘针对传统的信号处理方法较难获取行星齿轮箱故障特征和有量纲指标在变工况情况下诊断失效的问题,提出将无量纲指标应用于行星齿轮箱故障诊断的方法。首先分别计算行星齿轮箱在不同故障模式下振动信号的七个无量纲指标,然后用遗传编程的方法构建新的复合诊断指标,最后将该复合诊断指标在变载荷、变转速工况下对不同的故障模式进行区分。实验结果表明,该方法可以识别行星齿轮箱在不同工况下的故障状态,验证了其有效性。; 关键词振动与波行星齿轮箱遗传编程无量纲指标复合诊断指标模式识别; Keywords vibration and wave planetary gearbox genetic programming dimensionless parameters hybrid diagnostic parameter pattern recognition; 分类号 TH165.3 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名形态分量分析和谱峭度在轴承故障诊断中的应用被引量：2: 5; 作者马朝永张学飞胥永刚; 机构北京工业大学机电学院先进制造技术北京市重点实验室; 出处《噪声与振动控制》 CSCD 2016年第4期169-173,197,共6页; 基金国家自然科学基金资助项目(51375020) 北京市教委科研计划资助项目(KM201310005013); 文摘滚动轴承发生故障时,其振动信号往往包含多种振动分量,主要由轴承自身固有振动引起的谐振分量、点蚀或裂纹等故障产生的冲击分量和其他的干扰分量组成。实现故障信号中各分量的有效分离非常有利于轴承的故障诊断。针对此问题,提出形态分量分析和谱峭度相结合的故障诊断方法,首先用形态分量分析处理轴承故障信号,使信号中的冲击分量与谐振分量分离,再以谐振分量为对象,利用谱峭度方法对谐振分量进行滤波,对滤波结果进行Hilbert包络解调分析,然后根据包络谱诊断滚动轴承发生的故障。实验结果表明,这种方法可以提取到明显的故障特征频率,从而验证了该方法的有效性。; 关键词振动与波滚动轴承故障诊断形态分量分析谱峭度; Keywords vibration and wave rolling bearing fault diagnosis morphological component analysis fast spectral kurtosis; 分类号 TH133.3 [机械工程—机械制造及自动化] TH165 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名双树复小波和双谱在轴承故障诊断中的应用被引量：6: 6; 作者侯少飞李彦生胥永刚马朝永; 机构北京工业大学机电学院先进制造技术北京市重点实验室; 出处《噪声与振动控制》 CSCD 2016年第5期133-138,共6页; 基金国家自然科学基金资助项目(51375020) 北京市教委科研计划资助项目(KM201310005013); 文摘针对非线性、非平稳且包含强烈的噪声的轴承故障振动信号难以有效提取故障特征信息进行故障识别的问题,提出基于双树复小波变换和双谱的故障诊断方法。首先利用双树复小波变换将故障轴承振动信号分解为若干个不同频带的分量,选择出包含故障特征的分量;然后对该分量进行希尔伯特包络解调;最后对包络信号求其双谱图,从而有效地提取出故障信号的特征频率,准确地进行故障识别。滚动轴承故障实验和工程应用表明,该方法能有效地提取故障轴承的故障特征频率,并且几乎可以完全抑制噪声,验证了方法的可行性和有效性。; 关键词振动与波双树复小波双谱希尔伯特包络滚动轴承故障诊断; Keywords vibration and wave dual-tree complex wavelet transform bi-spectrum Hilbert envelope rolling bearing fault diagnosis; 分类号 TH133.3 [机械工程—机械制造及自动化] TH165 [机械工程—机械制造及自动化]; 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	基于双树复小波和奇异差分谱的齿轮故障诊断研究	胥永刚孟志鹏陆明付胜	《振动与冲击》 EI CSCD 北大核心	2014	13	在线阅读下载PDF 职称材料
2	基于多输入层卷积神经网络的滚动轴承故障诊断模型	昝涛王辉刘智豪王民高相胜	《振动与冲击》 EI CSCD 北大核心	2020	42	在线阅读下载PDF 职称材料
3	基于MDS和神经网络的滚动轴承故障诊断方法	马朝永黄攀胥永刚付胜	《噪声与振动控制》 CSCD	2017	5	在线阅读下载PDF 职称材料
4	基于遗传编程的无量纲指标在行星齿轮箱故障诊断中的应用	胥永刚马伟峰马朝永付胜	《噪声与振动控制》 CSCD	2017	4	在线阅读下载PDF 职称材料
5	形态分量分析和谱峭度在轴承故障诊断中的应用	马朝永张学飞胥永刚	《噪声与振动控制》 CSCD	2016	2	在线阅读下载PDF 职称材料
6	双树复小波和双谱在轴承故障诊断中的应用	侯少飞李彦生胥永刚马朝永	《噪声与振动控制》 CSCD	2016	6	在线阅读下载PDF 职称材料