期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
压力容器设备无损检测技术的选用原则 被引量:2
1
作者 郑华 《南方农机》 2015年第6期64-64,73,共2页
文章首先简要分析了TOFD技术的基本原理及其技术特点,并在基础上对TOFD技术在压力容器设备无损检测中的应用进行论述。期望通过本文的研究能够对压力容器检测结果准确性的提高有所帮助。
关键词 压力容器 无损检测 TOFD技术
在线阅读 下载PDF
自适应稀疏傅里叶变换在异步电机转子断条故障诊断中的应用
2
作者 陈保家 郭义鹏 +3 位作者 徐超 徐罗军 徐义 章文忠 《西安交通大学学报》 北大核心 2025年第10期54-63,共10页
针对电机转子断条故障特征微弱且受基频干扰严重,从而导致故障特征难以提取的问题,提出了自适应稀疏傅里叶变换(ASFT)方法。首先,采用稀疏傅里叶变换(SFT)去除原始信号中的基频分量,通过改进的金雕优化算法(IGEO)实现稀疏度参数K的自适... 针对电机转子断条故障特征微弱且受基频干扰严重,从而导致故障特征难以提取的问题,提出了自适应稀疏傅里叶变换(ASFT)方法。首先,采用稀疏傅里叶变换(SFT)去除原始信号中的基频分量,通过改进的金雕优化算法(IGEO)实现稀疏度参数K的自适应选择;然后,对抑制基频后的信号再次应用SFT,以精确提取转子断条的故障特征分量;最后,针对高负载工况下故障分量波动大的问题,提出了基于特征重构的提取方法。为验证所提ASFT方法的有效性,将其应用于转子断条故障仿真信号及实测信号的分析中,结果表明:在常用的方法故障频率分量受基频分量显著影响时,ASFT方法提取到的故障特征分量能量占比达100%,有效解决了转子断条故障识别难度大、隐蔽性强的问题。 展开更多
关键词 转子断条 故障诊断 稀疏傅里叶变换
在线阅读 下载PDF
基于IEWT-MOMEDA-FSC的滚动轴承故障诊断 被引量:2
3
作者 吴振雄 王林军 +2 位作者 邹腾枭 陈梦华 陈保家 《三峡大学学报(自然科学版)》 北大核心 2024年第1期92-98,共7页
针对滚动轴承故障信号常伴有噪声干扰且故障特征难以提取的问题,本文提出一种基于改进经验小波变换(IEWT)、多点优化最小熵解卷积(MOMEDA)和快速谱相关(FSC)的滚动轴承故障诊断方法.首先,将原始信号进行快速谱相关分析得到增强包络谱,... 针对滚动轴承故障信号常伴有噪声干扰且故障特征难以提取的问题,本文提出一种基于改进经验小波变换(IEWT)、多点优化最小熵解卷积(MOMEDA)和快速谱相关(FSC)的滚动轴承故障诊断方法.首先,将原始信号进行快速谱相关分析得到增强包络谱,通过增强包络谱的极值点来自适应地划分频谱,以分割的频谱为边界构建小波滤波器组将信号分解为多个IMF分量,利用相关峭度准则筛选出有效的分量进行叠加;其次,用MOMEDA对其进行降噪处理,将降噪后的信号进行快速谱相关分析,得到增强包络谱图;最后,将增强包络谱图中幅值较高的频率与故障频率对比,判定其失效形式,用所提出的方法对实测轴承故障信号进行分析验证.结果表明,所提出的方法能有效降低噪音干扰且增强信号故障冲击特性,在噪声环境下具有较强的故障特征提取能力. 展开更多
关键词 改进经验小波变换 多点最优最小熵解卷积 快速谱相关 峭度 互相关
在线阅读 下载PDF
大模数齿轮齿条副均匀磨损弯曲强度分析及验证
4
作者 徐超 徐罗军 +3 位作者 谢学武 黄罗飞 王磊 陈保家 《机床与液压》 北大核心 2024年第16期61-67,共7页
针对齿面磨损条件下大模数齿轮齿条啮合时的齿轮齿根弯曲强度问题,以三峡升船机齿轮齿条传动副为研究对象,搭建立式齿轮齿条起升机构工况模拟实验台,通过齿轮变位方法分析沿齿廓载荷、磨损后齿轮齿厚等相关参数的变化,对正常、1/12磨损... 针对齿面磨损条件下大模数齿轮齿条啮合时的齿轮齿根弯曲强度问题,以三峡升船机齿轮齿条传动副为研究对象,搭建立式齿轮齿条起升机构工况模拟实验台,通过齿轮变位方法分析沿齿廓载荷、磨损后齿轮齿厚等相关参数的变化,对正常、1/12磨损、1/6磨损和1/4磨损的齿轮齿根弯曲应力进行解析计算和实验验证。结果表明:齿轮弯曲应力随着磨损加剧和载荷的增大而增大,单齿啮合区间的弯曲应力比双齿啮合区显著增大,单齿啮合占比时间随着磨损量的增加而增加,表明齿轮磨损劣化了传动系统工况,加速了传动系统的性能退化过程。通过对单、双齿段啮合弯曲应力进行定量分析,解析计算与实验验证的误差最大值为4.02%,处于较低水平,2种方法的结果相互验证,保证了分析的正确性和精度。 展开更多
关键词 大模数齿轮齿条 齿轮变位方法 均匀磨损 弯曲应力
在线阅读 下载PDF
深度置信网络在齿轮故障诊断中的应用 被引量:33
5
作者 陈保家 刘浩涛 +3 位作者 徐超 陈法法 肖文荣 赵春华 《中国机械工程》 EI CAS CSCD 北大核心 2019年第2期205-211,共7页
针对齿轮传动系统中齿轮等零部件易出现故障或失效等问题,提出了一种基于深度学习理论的齿轮传动系统故障诊断方法。首先利用深度置信网络强大的特征自提取能力,对齿轮传动系统的振动信号进行特征提取,然后通过DBNs的复杂映射表征能力... 针对齿轮传动系统中齿轮等零部件易出现故障或失效等问题,提出了一种基于深度学习理论的齿轮传动系统故障诊断方法。首先利用深度置信网络强大的特征自提取能力,对齿轮传动系统的振动信号进行特征提取,然后通过DBNs的复杂映射表征能力对故障信号进行故障判别。诊断实例表明,若不对齿轮振动的原始时域信号进行特征提取,直接利用DBNs对其进行诊断时,故障识别正确率只能达到60%左右;如果对时域信号进行简单的傅里叶变换后,再利用DBNs对处理后的振动信号频谱进行诊断分析,正确率能达到99.7%,从而证明了所提故障诊断方法的简易性和有效性。 展开更多
关键词 齿轮传动 特征提取 深度置信网络 故障诊断
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部