检索结果-维普期刊中文期刊服务平台

基于深度学习的核电站泵类电机故障诊断方法被引量：5: 1; 作者尹文哲夏虹 +3 位作者朱少民王志超张汲宇姜莹莹《哈尔滨工程大学学报》 CSCD 北大核心 2024年第12期2350-2357,共8页; 为了准确识别核电站泵类电机的运行状态以及增强故障诊断系统的鲁棒性,本文提出了一种基于深度学习的故障诊断方法。利用多个传感器采集鼠笼式三相异步电机不同位置处的振动信号对电机状态进行分析,采用变分模态分解和短时傅里叶变换对... 展开更多; 关键词核电站电机故障诊断深度学习时频分析残差神经网络变分模态分解短时傅里叶变换; 在线阅读下载PDF 职称材料

基于CNN-SVM的核电厂轴承故障诊断方法被引量：26: 2; 作者尹文哲夏虹 +4 位作者彭彬森朱少民王志超张汲宇姜莹莹《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2023年第3期410-417,共8页; 为提升核电厂旋转机械部件的故障诊断准确率,以及增强诊断模型泛化能力,本文提出了一种基于卷积神经网络和支持向量机的滚动轴承故障诊断方法。对轴承原始振动信号进行连续小波变换,得到其时频图;然后,使用预训练好的卷积基对小波时频... 展开更多; 关键词核电厂滚动轴承故障诊断深度学习卷积神经网络支持向量机粒子群优化数据驱动; 在线阅读下载PDF 职称材料

改进变分模态分解的核电厂轴承故障诊断被引量：8: 3; 作者朱少民夏虹 +3 位作者王志超彭彬森姜莹莹张汲宇《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2021年第10期1550-1556,共7页; 轴承是核电厂旋转机械的重要支撑部件,为了提高轴承早期故障的检测能力,本文提出了一种基于人工蜂群优化的参数自适应变分模态分解故障特征提取方法。利用峭度和相关系数构建加权峭度指标;以最大加权峭度指标为目标函数,利用人工蜂群算... 展开更多; 关键词轴承变分模态分解人工蜂群加权峭度包络谱分析核电厂信号处理特征提取故障诊断; 在线阅读下载PDF 职称材料

基于变分模态分解和希尔伯特变换的转子非平稳信号故障特征识别被引量：7: 4; 作者朱少民夏虹 +2 位作者尹文哲王志超张汲宇《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2024年第5期825-832,共8页; 为了提升传统希尔伯特黄变换在处理复杂非平稳信号时的时频分析能力,本文将变分模态分解和希尔伯特变换进行结合,提出了一种时频分析方法变分模态分解和希尔伯特变换。此外,为了对变分模态分解的模态数进行自动调整,还提出了一种基于相... 展开更多; 关键词转子非平稳信号变分模态分解希尔伯特黄变换特征识别; 在线阅读下载PDF 职称材料

自适应随机共振在信号特征提取中的应用被引量：3: 5; 作者杨波夏虹 +3 位作者尹文哲王志超张汲宇姜莹莹《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2022年第12期1750-1758,共9页; 针对强背景噪声下旋转机械振动信号特征难以提取的问题,本文提出了一种自适应多稳态欠阻尼随机共振方法应用于该信号的特征提取。本文对随机共振的机理、计算方法等理论进行了研究,通过仿真实验验证了该方法的适用性,通过采用粒子群优... 展开更多; 关键词核电厂旋转机械振动信号自适应滚动轴承随机共振粒子群优化特征提取; 在线阅读下载PDF 职称材料

题名基于深度学习的核电站泵类电机故障诊断方法被引量：5: 1; 作者尹文哲夏虹朱少民王志超张汲宇姜莹莹; 机构哈尔滨工程大学核安全与先进核能技术工业和信息化部重点实验室哈尔滨工程大学核安全与仿真技术重点学科实验室; 出处《哈尔滨工程大学学报》 CSCD 北大核心 2024年第12期2350-2357,共8页; 基金国家自然科学基金项目(U21B2083)。; 文摘为了准确识别核电站泵类电机的运行状态以及增强故障诊断系统的鲁棒性,本文提出了一种基于深度学习的故障诊断方法。利用多个传感器采集鼠笼式三相异步电机不同位置处的振动信号对电机状态进行分析,采用变分模态分解和短时傅里叶变换对电机振动信号进行处理,将获取的时频特征输入到深度残差神经网络中,以得到诊断结果,并对比了单传感器和多传感器监测策略的测试结果。结果表明:提出的方法能够准确识别电机故障,且具有良好的鲁棒性,2种监测策略的鲁棒性能差距明显;比较不同的诊断模型与本文方法表明本文方法的鲁棒性能最优。; 关键词核电站电机故障诊断深度学习时频分析残差神经网络变分模态分解短时傅里叶变换; Keywords nuclear power plant motor fault diagnosis deep learning time-frequency analysis residual neural network variational mode decomposition short-time Fourier transform; 分类号 TK05 [动力工程及工程热物理]; 在线阅读下载PDF 职称材料

题名基于CNN-SVM的核电厂轴承故障诊断方法被引量：26: 2; 作者尹文哲夏虹彭彬森朱少民王志超张汲宇姜莹莹; 机构哈尔滨工程大学核安全与先进核能技术工业和信息化部重点实验室哈尔滨工程大学核安全与仿真技术重点学科实验室; 出处《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2023年第3期410-417,共8页; 基金国家自然科学基金项目(51379046) 黑龙江省自然科学基金项目(E2017023).; 文摘为提升核电厂旋转机械部件的故障诊断准确率,以及增强诊断模型泛化能力,本文提出了一种基于卷积神经网络和支持向量机的滚动轴承故障诊断方法。对轴承原始振动信号进行连续小波变换,得到其时频图;然后,使用预训练好的卷积基对小波时频图进行特征提取,获取深层特征,并将这些深层特征正则化处理后,使用主成分分析法对其进行降维;将得到的特征数据输入到基于粒子群优化的支持向量机中,从而实现滚动轴承的故障诊断。实验结果表明:该方法对不同负载工况下的多类滚动轴承故障具有良好的诊断效果,并且在噪声干扰下也能保持较好的效果,与其他方法相比,其抗噪稳定性更好,泛化能力更强。; 关键词核电厂滚动轴承故障诊断深度学习卷积神经网络支持向量机粒子群优化数据驱动; Keywords nuclear power plant rolling bearing fault diagnosis deep learning convolutional neural network support vector machine particle swarm optimization data-driven; 分类号 TK05 [动力工程及工程热物理]; 在线阅读下载PDF 职称材料

题名改进变分模态分解的核电厂轴承故障诊断被引量：8: 3; 作者朱少民夏虹王志超彭彬森姜莹莹张汲宇; 机构哈尔滨工程大学核安全与先进核能技术工业和信息化部重点实验室哈尔滨工程大学核安全与仿真技术国防重点学科实验室; 出处《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2021年第10期1550-1556,共7页; 基金国家自然科学基金项目(51379046) 黑龙江省自然基金项目(E2017023).; 文摘轴承是核电厂旋转机械的重要支撑部件,为了提高轴承早期故障的检测能力,本文提出了一种基于人工蜂群优化的参数自适应变分模态分解故障特征提取方法。利用峭度和相关系数构建加权峭度指标;以最大加权峭度指标为目标函数,利用人工蜂群算法对变分模态分解过程中的模态数和带宽控制参数进行优化,获取最优参数组合并对轴承振动信号进行模态分解;对加权峭度指标最大的敏感模态分量进行包络谱分析并识别故障频率。通过仿真与实验验证了该方法的有效性,并通过与集成经验模态分解、局部均值分解和固定参数变分模态分解的特征提取效果进行比较,突出了该方法在轴承早期故障诊断中的优势。; 关键词轴承变分模态分解人工蜂群加权峭度包络谱分析核电厂信号处理特征提取故障诊断; Keywords bearing variational mode decomposition(VMD) artificial bee colony(ABC) weighted kurtosis index envelope spectrum analysis nuclear power plant signal processing feature extraction fault diagnosis; 分类号 TH17 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名基于变分模态分解和希尔伯特变换的转子非平稳信号故障特征识别被引量：7: 4; 作者朱少民夏虹尹文哲王志超张汲宇; 机构上海交通大学船舶海洋与建筑工程学院浙江清华柔性电子技术研究院哈尔滨工程大学核安全与先进核能技术工业和信息化部重点实验室哈尔滨工程大学核安全与仿真技术国防重点学科实验室; 出处《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2024年第5期825-832,共8页; 基金国家自然科学基金项目(U21B2083) 国防科技工业核动力技术创新中心项目(HDLCXZX-2021-ZH-019)。; 文摘为了提升传统希尔伯特黄变换在处理复杂非平稳信号时的时频分析能力,本文将变分模态分解和希尔伯特变换进行结合,提出了一种时频分析方法变分模态分解和希尔伯特变换。此外,为了对变分模态分解的模态数进行自动调整,还提出了一种基于相关系数的希尔伯特黄变换参数优化方法,有效避免了由于希尔伯特黄变换模态数设置不合理而导致的信号分解不足和分解过剩的问题。利用转子故障信号对变分模态分解和希尔伯特变换方法的时频分析能力进行了验证,并且与传统希尔伯特黄变换的对比突出了该方法在处理非平稳信号中的优势。; 关键词转子非平稳信号变分模态分解希尔伯特黄变换特征识别; Keywords rotor nonstationary signal variational mode decomposition(VMD) Hilbert-Huang transform(HHT); 分类号 TH17 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名自适应随机共振在信号特征提取中的应用被引量：3: 5; 作者杨波夏虹尹文哲王志超张汲宇姜莹莹; 机构哈尔滨工程大学核安全与先进核能技术工业和信息化部重点实验室哈尔滨工程大学核安全与仿真技术重点学科实验室; 出处《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2022年第12期1750-1758,共9页; 基金国家自然科学基金项目(U21B2083).; 文摘针对强背景噪声下旋转机械振动信号特征难以提取的问题,本文提出了一种自适应多稳态欠阻尼随机共振方法应用于该信号的特征提取。本文对随机共振的机理、计算方法等理论进行了研究,通过仿真实验验证了该方法的适用性,通过采用粒子群优化算法对随机共振系统中涉及到的参数进行自适应选择,利用该方法在滚动轴承实验数据上进行了验证。结果表明:本文所提出的方法能够有效过滤掉信号中的噪声信号,同时放大信号的特征,提高输出信号的信噪比。; 关键词核电厂旋转机械振动信号自适应滚动轴承随机共振粒子群优化特征提取; Keywords nuclear power plant rotating machinery vibration signal adaptive rolling bearing stochastic resonance particle swarm optimization feature extraction; 分类号 TL48 [核科学技术—核技术及应用]; 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	基于深度学习的核电站泵类电机故障诊断方法	尹文哲夏虹朱少民王志超张汲宇姜莹莹	《哈尔滨工程大学学报》 CSCD 北大核心	2024	5	在线阅读下载PDF 职称材料
2	基于CNN-SVM的核电厂轴承故障诊断方法	尹文哲夏虹彭彬森朱少民王志超张汲宇姜莹莹	《哈尔滨工程大学学报》 EI CAS CSCD 北大核心	2023	26	在线阅读下载PDF 职称材料
3	改进变分模态分解的核电厂轴承故障诊断	朱少民夏虹王志超彭彬森姜莹莹张汲宇	《哈尔滨工程大学学报》 EI CAS CSCD 北大核心	2021	8	在线阅读下载PDF 职称材料
4	基于变分模态分解和希尔伯特变换的转子非平稳信号故障特征识别	朱少民夏虹尹文哲王志超张汲宇	《哈尔滨工程大学学报》 EI CAS CSCD 北大核心	2024	7	在线阅读下载PDF 职称材料
5	自适应随机共振在信号特征提取中的应用	杨波夏虹尹文哲王志超张汲宇姜莹莹	《哈尔滨工程大学学报》 EI CAS CSCD 北大核心	2022	3	在线阅读下载PDF 职称材料