期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于COA-CNN的滚动轴承故障诊断方法研究
1
作者
别锋锋
周兆龙
+3 位作者
李倩倩
丁学平
袁为栋
张瀚阳
《噪声与振动控制》
北大核心
2025年第4期136-142,共7页
滚动轴承大多处于高速、高负载的复杂工况,通常存在较强的非平稳非线性特征,使得对其振动信号分析、故障识别困难。对此,提出一种基于浣熊算法(Coati Optimization Algorithm,COA)优化卷积神经网络(Convolutional Neural Network,CNN)...
滚动轴承大多处于高速、高负载的复杂工况,通常存在较强的非平稳非线性特征,使得对其振动信号分析、故障识别困难。对此,提出一种基于浣熊算法(Coati Optimization Algorithm,COA)优化卷积神经网络(Convolutional Neural Network,CNN)的故障诊断方法。首先利用差分连续小波变换(Difference Continuous Wavelet Transform,DCWT)对原始振动信号进行预处理,获取包含完整原始特征信息的小波时频图,通过构建COA-CNN模型优化神经网络的核心参数,对所获取的时频特征信息进行识别,由此完成滚动轴承的非平稳信息的提取和模式识别。实验仿真和工程应用研究表明,在复杂工况下该方法可以有效实现滚动轴承典型故障模式的识别。
展开更多
关键词
故障诊断
滚动轴承
卷积神经网络
小波变换
时频图
模式识别
在线阅读
下载PDF
职称材料
基于IDBO-TVFEMD与改进小波阈值函数的滚动轴承复合故障诊断方法
2
作者
别锋锋
张雨婷
+4 位作者
李倩倩
丁学平
彭光成
戴雨萱
张瀚阳
《机械强度》
北大核心
2025年第10期51-62,共12页
针对滚动轴承故障的振动信号在强噪声背景下容易受到干扰不易提取的情况,提出了一种基于改进的蜣螂优化器(Improved Dung Beetle Optimizer,IDBO)算法-时变滤波经验模态分解(Time Varying Filtered Empirical Mode Decomposition,TVFEMD...
针对滚动轴承故障的振动信号在强噪声背景下容易受到干扰不易提取的情况,提出了一种基于改进的蜣螂优化器(Improved Dung Beetle Optimizer,IDBO)算法-时变滤波经验模态分解(Time Varying Filtered Empirical Mode Decomposition,TVFEMD)与新型小波阈值函数去噪相结合的故障诊断方法。首先,运用IDBO对TVFEMD中B样条阶数和带宽阈值ξ进行迭代寻优,得出最佳参数组合,然后,对原始信号进行TVFEMD,得到各本征模态函数(Intrinsic Mode Function,IMF)分量,通过相关系数准则去除其中的无关分量,重构新信号。随后,运用改进的小波阈值函数对新信号进行二次去噪处理。最后,对处理完的信号进行包络谱分析,提取其故障特征频率。通过仿真模拟信号与故障模拟试验分析研究,实现IDBOTVFEMD与改进小波阈值函数相结合的故障诊断方法和经验模态分解(Empirical Mode Decomposition,EMD)、集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)、完全集合经验模态分解去噪(Complete EEMD with Adaptive Noise,CEEMDAN)方法的对比,研究结果表明,提出的算法模型具备更好的诊断效果。
展开更多
关键词
滚动轴承
时变滤波经验模态分解
蜣螂优化器算法
小波阈值函数
在线阅读
下载PDF
职称材料
题名
基于COA-CNN的滚动轴承故障诊断方法研究
1
作者
别锋锋
周兆龙
李倩倩
丁学平
袁为栋
张瀚阳
机构
常州大学
机械
与轨道交通学院
常州大学江苏省绿色过程装备重点实验室
盐城市崇达石化机械有限公司
出处
《噪声与振动控制》
北大核心
2025年第4期136-142,共7页
基金
国家自然科学基金资助项目(52206041)
江苏省教育厅重大资助项目(19KJA430004)
常州大学教育教学研究资助项目(GJY2021025)。
文摘
滚动轴承大多处于高速、高负载的复杂工况,通常存在较强的非平稳非线性特征,使得对其振动信号分析、故障识别困难。对此,提出一种基于浣熊算法(Coati Optimization Algorithm,COA)优化卷积神经网络(Convolutional Neural Network,CNN)的故障诊断方法。首先利用差分连续小波变换(Difference Continuous Wavelet Transform,DCWT)对原始振动信号进行预处理,获取包含完整原始特征信息的小波时频图,通过构建COA-CNN模型优化神经网络的核心参数,对所获取的时频特征信息进行识别,由此完成滚动轴承的非平稳信息的提取和模式识别。实验仿真和工程应用研究表明,在复杂工况下该方法可以有效实现滚动轴承典型故障模式的识别。
关键词
故障诊断
滚动轴承
卷积神经网络
小波变换
时频图
模式识别
Keywords
fault diagnosis
rolling bearing
convolutional neural network
time-frequency map
pattern recognition
分类号
TH133.33 [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IDBO-TVFEMD与改进小波阈值函数的滚动轴承复合故障诊断方法
2
作者
别锋锋
张雨婷
李倩倩
丁学平
彭光成
戴雨萱
张瀚阳
机构
常州大学
机械
与轨道交通学院
常州大学江苏省绿色过程装备重点实验室
盐城市崇达石化机械有限公司
出处
《机械强度》
北大核心
2025年第10期51-62,共12页
基金
国家自然科学基金项目(52206041)
江苏省教育厅重大项目(19KJA430004)
+1 种基金
江苏省研究生科研与实践创新计划项目(SJCX23_1503)
江苏省大学生创新创业训练计划项目成果(202310292018Z)。
文摘
针对滚动轴承故障的振动信号在强噪声背景下容易受到干扰不易提取的情况,提出了一种基于改进的蜣螂优化器(Improved Dung Beetle Optimizer,IDBO)算法-时变滤波经验模态分解(Time Varying Filtered Empirical Mode Decomposition,TVFEMD)与新型小波阈值函数去噪相结合的故障诊断方法。首先,运用IDBO对TVFEMD中B样条阶数和带宽阈值ξ进行迭代寻优,得出最佳参数组合,然后,对原始信号进行TVFEMD,得到各本征模态函数(Intrinsic Mode Function,IMF)分量,通过相关系数准则去除其中的无关分量,重构新信号。随后,运用改进的小波阈值函数对新信号进行二次去噪处理。最后,对处理完的信号进行包络谱分析,提取其故障特征频率。通过仿真模拟信号与故障模拟试验分析研究,实现IDBOTVFEMD与改进小波阈值函数相结合的故障诊断方法和经验模态分解(Empirical Mode Decomposition,EMD)、集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)、完全集合经验模态分解去噪(Complete EEMD with Adaptive Noise,CEEMDAN)方法的对比,研究结果表明,提出的算法模型具备更好的诊断效果。
关键词
滚动轴承
时变滤波经验模态分解
蜣螂优化器算法
小波阈值函数
Keywords
Rolling bearing
Time varying filtered empirical mode decomposition
Dung beetle optimizer algorithm
Wavelet threshold function
分类号
TH133.33 [机械工程—机械制造及自动化]
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
作者
出处
发文年
被引量
操作
1
基于COA-CNN的滚动轴承故障诊断方法研究
别锋锋
周兆龙
李倩倩
丁学平
袁为栋
张瀚阳
《噪声与振动控制》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于IDBO-TVFEMD与改进小波阈值函数的滚动轴承复合故障诊断方法
别锋锋
张雨婷
李倩倩
丁学平
彭光成
戴雨萱
张瀚阳
《机械强度》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
