检索结果-维普期刊中文期刊服务平台

基于ACMD与K-SVD的滚动轴承微弱故障特征诊断被引量：2: 1; 作者牛柱强张玮 +2 位作者许书庆张成城胡鑫磊《轴承》北大核心 2025年第3期97-103,共7页; 针对强背景噪声下滚动轴承故障特征难以提取的问题,提出了一种基于自适应啁啾模态分解(ACMD)和K-奇异值分解(K-SVD)的故障特征提取方法。采用ACMD自适应地将原始信号分解为不同的本征模态分量,提出一种新的衡量信号故障特征的信号特征... 展开更多; 关键词滚动轴承故障诊断特征提取信号处理奇异值分解; 在线阅读下载PDF 职称材料

基于ITD-MFCC与卷积神经网络的核电电气设备异音检测技术被引量：5: 2; 作者杨磊权伟 +3 位作者李亮王镜淇高帆于轩《噪声与振动控制》 CSCD 北大核心 2023年第4期122-128,207,共8页; 针对核电设备小样本异音数据集无法训练出高效预测模型难题,提出一种基于ITD-MFCC和卷积神经网络的电气设备异音检测方法。首先,利用固有时间尺度分解(Intrinsic Time-scale Decomposition,ITD)强化信号特征,增强特征辨识度;然后,利用... 展开更多; 关键词声学异音检测固有时间尺度分解梅尔倒谱系数卷积神经网络; 在线阅读下载PDF 职称材料

基于边频能量指标与Attention-TCN的齿轮箱精确退化预测: 3; 作者徐铂雯顾明洲 +3 位作者刘尧胡剑区瑞坚王琇峰《制造技术与机床》北大核心 2025年第7期34-42,共9页; 齿轮箱作为重要的机械传动装置,其健康状态直接影响设备运行可靠性,对其开展退化状态预测具有重要意义。有效的退化指标和高精度的退化趋势预测模型是确保退化预测准确性的关键要素。传统退化指标构建方法大多基于齿轮箱总体健康状态在... 展开更多; 关键词齿轮箱退化预测边频能量注意力机制 TCN; 在线阅读下载PDF 职称材料

基于DIA的最优尺度形态滤波器及其在轴承故障诊断中应用被引量：1: 4; 作者杨滨和丹 +2 位作者祝丽莉张丽洁魏豪《噪声与振动控制》 CSCD 北大核心 2023年第5期181-187,共7页; 针对强背景噪声下无法获取滚动轴承故障特征的问题,提出一种基于最优尺度增强形态滤波器(Optimal Scale Enhanced Morphological Filter,OEMF)的滚动轴承故障特征提取方法。首先,构建一种增强差分积形态滤波算子(Enhanced Different Pro... 展开更多; 关键词故障诊断多尺度形态滤波滚动轴承振动信号特征提取; 在线阅读下载PDF 职称材料

题名基于ACMD与K-SVD的滚动轴承微弱故障特征诊断被引量：2: 1; 作者牛柱强张玮许书庆张成城胡鑫磊; 机构中核核电运行管理有限公司苏州微著设备诊断技术有限公司; 出处《轴承》北大核心 2025年第3期97-103,共7页; 基金国家自然科学基金资助项目(U2267206)。; 文摘针对强背景噪声下滚动轴承故障特征难以提取的问题,提出了一种基于自适应啁啾模态分解(ACMD)和K-奇异值分解(K-SVD)的故障特征提取方法。采用ACMD自适应地将原始信号分解为不同的本征模态分量,提出一种新的衡量信号故障特征的信号特征因子筛选包含故障信息丰富的模态分量作为训练信号,利用KSVD字典学习针对训练信号训练字典库,结合正交匹配追踪算法对原始信号进行重构得到稀疏信号,通过进一步的包络谱分析获取故障特征频率并作出故障诊断。仿真信号和试验研究表明,基于ACMD与K-SVD的方法能够有效提取强背景噪声下的滚动轴承故障特征,确定轴承故障类型。; 关键词滚动轴承故障诊断特征提取信号处理奇异值分解; Keywords rolling bearing fault diagnosis feature extraction signal processing singular value decomposition; 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ITD-MFCC与卷积神经网络的核电电气设备异音检测技术被引量：5: 2; 作者杨磊权伟李亮王镜淇高帆于轩; 机构江苏核电有限公司苏州微著设备诊断技术有限公司; 出处《噪声与振动控制》 CSCD 北大核心 2023年第4期122-128,207,共8页; 基金国家自然科学基金面上资助项目(51875434)。; 文摘针对核电设备小样本异音数据集无法训练出高效预测模型难题,提出一种基于ITD-MFCC和卷积神经网络的电气设备异音检测方法。首先,利用固有时间尺度分解(Intrinsic Time-scale Decomposition,ITD)强化信号特征,增强特征辨识度;然后,利用梅尔频率倒谱系数(Mel-frequency Cepstral Coefficients,MFCC)提取与人耳听觉特性关联的时频特征,进一步增强异音特征辨识度;最后,融合所提取特征指标,并利用卷积神经网络对融合特征进行训练,建立异响与数据特征映射关系,实现异音检测。试验结果表明:所设计的模型在小样本数据中准确率达到97.63%,相比于现有的支持向量机(Support Vector Machine,SVM)和BP神经网络模型准确率分别提升10.43%和12.86%。; 关键词声学异音检测固有时间尺度分解梅尔倒谱系数卷积神经网络; Keywords acoustics heterodyne detection intrinsic time scale decomposition Mel-frequency cepstral coefficients convolutional neural network; 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

题名基于边频能量指标与Attention-TCN的齿轮箱精确退化预测: 3; 作者徐铂雯顾明洲刘尧胡剑区瑞坚王琇峰; 机构苏州微著设备诊断有限公司中广核工程有限公司核电安全监控技术与装备国家重点实验室西安邮电大学通信与信息工程学院西安交通大学机械工程学院; 出处《制造技术与机床》北大核心 2025年第7期34-42,共9页; 基金国家自然科学基金资助项目(52375128)。; 文摘齿轮箱作为重要的机械传动装置,其健康状态直接影响设备运行可靠性,对其开展退化状态预测具有重要意义。有效的退化指标和高精度的退化趋势预测模型是确保退化预测准确性的关键要素。传统退化指标构建方法大多基于齿轮箱总体健康状态在数据上的表现,难以实现齿轮箱内部故障齿轮的精确定位。基于齿轮箱退化机理知识,提出一种基于边频能量的退化指标构建方法,与其他数据驱动的指标相比可实现齿轮箱内部故障齿轮定位,且具有更好的单调性和趋势性。融合注意力机制和时间卷积神经网络(temporal convolutional network,TCN)构建退化趋势预测模型,综合利用两者学习时序特征的能力,提高齿轮箱退化预测准确性。使用重庆大学齿轮箱退化数据集进行实验验证,结果显示所提出的预测方法相比对比模型可获得更高的预测精度。; 关键词齿轮箱退化预测边频能量注意力机制 TCN; Keywords gearbox degradation prediction side-band energy attention mechanism TCN; 分类号 TH113.1 [机械工程—机械设计及理论]; 在线阅读下载PDF 职称材料

题名基于DIA的最优尺度形态滤波器及其在轴承故障诊断中应用被引量：1: 4; 作者杨滨和丹祝丽莉张丽洁魏豪; 机构西安工程大学机电工程学院苏州微著设备诊断技术有限公司; 出处《噪声与振动控制》 CSCD 北大核心 2023年第5期181-187,共7页; 基金陕西省自然科学基础研究计划资助项目(2022JM-362) 大学生创新创业训练资助项目(202110709007)。; 文摘针对强背景噪声下无法获取滚动轴承故障特征的问题,提出一种基于最优尺度增强形态滤波器(Optimal Scale Enhanced Morphological Filter,OEMF)的滚动轴承故障特征提取方法。首先,构建一种增强差分积形态滤波算子(Enhanced Different Product Operation,EDPO)与直线型结构元素(Structuring Element,SE)相结合的增强形态滤波器;其次,构建冲击自相关度(Degree of Impact Autocorrelation,DIA)作为选取最优尺度的评判指标,并与传统的峭度(Kurtosis)指标进行比较。最后,将所提方法应用于仿真信号和牵引电机轴承故障信号中进行实验验证。结果表明,所提方法与集成经验模式分解(Ensemble Empirical Mode Decomposition,EEMD)方法相比具有更好的降噪效果,且在去除噪声干扰方面具有更好鲁棒性。; 关键词故障诊断多尺度形态滤波滚动轴承振动信号特征提取; Keywords fault diagnosis multi-scale morphological filtering rolling bearings vibration signal feature extraction; 分类号 TH133.3 [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	作者	出处	发文年	被引量	操作
1	基于ACMD与K-SVD的滚动轴承微弱故障特征诊断	牛柱强张玮许书庆张成城胡鑫磊	《轴承》北大核心	2025	2	在线阅读下载PDF 职称材料
2	基于ITD-MFCC与卷积神经网络的核电电气设备异音检测技术	杨磊权伟李亮王镜淇高帆于轩	《噪声与振动控制》 CSCD 北大核心	2023	5	在线阅读下载PDF 职称材料
3	基于边频能量指标与Attention-TCN的齿轮箱精确退化预测	徐铂雯顾明洲刘尧胡剑区瑞坚王琇峰	《制造技术与机床》北大核心	2025	0	在线阅读下载PDF 职称材料
4	基于DIA的最优尺度形态滤波器及其在轴承故障诊断中应用	杨滨和丹祝丽莉张丽洁魏豪	《噪声与振动控制》 CSCD 北大核心	2023	1	在线阅读下载PDF 职称材料