参数智能优化变分模态分解的输电短路信号提取

1

作者 裴东锋 刘勇 +2 位作者 李勇 苗靓 侯帅 《制造业自动化》 2024年第4期87-92,101,共7页

输电短路信号因非线性含噪难以准确提取,影响后续故障诊断正确率。为此,提出参数智能优化变分模态分解的输电短路信号提取方法。引入峰值密度实时监测粒子群种群密度,设计权重自适应更新策略,以避免种群多样性缺失导致算法陷入局部最优... 输电短路信号因非线性含噪难以准确提取,影响后续故障诊断正确率。为此,提出参数智能优化变分模态分解的输电短路信号提取方法。引入峰值密度实时监测粒子群种群密度,设计权重自适应更新策略,以避免种群多样性缺失导致算法陷入局部最优;然后,建立变分模态分解(Variational Mode Decomposition,简称VMD)算法优化求解的适应度函数,并采用上述改进粒子群算法实现VMD参数智能优化下的输电短路信号提取。采用典型测试函数验证了改进粒子群算法具有比其他算法更好的搜索速度和稳定性,并进一步验证了提出的参数智能优化变分模态分解方法可以较好提取非线性含噪输电短路信号,可提高故障诊断正确率。 展开更多

关键词 变分模态分解 参数优化 粒子群优化 惯性权重 输电短路 信号提取

在线阅读 下载PDF 职称材料

基于尝试变分模态分解的滚动轴承故障特征提取方法

2

作者 石开 杨福恒 +3 位作者 薛慧聪 张荫彬 龚廷恺 何陈诚 《失效分析与预防》 2024年第6期435-444,共10页

针对变分模态分解(VMD)在提取轴承微弱故障特征时参数难以选取的问题,提出了尝试变分模态分解(AVMD)方法。该方法以各模态中心频率确定惩罚系数,再以脉冲-峭度指标衡量模态所含的故障信息,通过迭代方式确定模态个数,最后对分解后的主模... 针对变分模态分解(VMD)在提取轴承微弱故障特征时参数难以选取的问题,提出了尝试变分模态分解(AVMD)方法。该方法以各模态中心频率确定惩罚系数,再以脉冲-峭度指标衡量模态所含的故障信息,通过迭代方式确定模态个数,最后对分解后的主模态包络解调完成故障特征提取。采用该方法及经验模态分解(EMD)、集成经验模态分解(EEMD)、VMD对轴承外圈、内圈和滚动体故障信号进行对比分析。结果表明:AVMD方法能够提取滚动轴承微弱故障特征,且能自适应地确定模态个数和惩罚系数;与EMD、EEMD相比,故障频率谱线更加清晰;与VMD相比,计算效率提升1倍,且建议方法敏感于轴承微弱故障特征,提升了VMD分解过程的可靠性和自适应性。 展开更多

关键词 尝试变分模态分解 特征提取 滚动轴承 参数优化 故障诊断

在线阅读 下载PDF 职称材料

基于自适应变分模态提取的低速重载滚动轴承故障诊断方法 被引量：10

3

作者 俞惠惠 郑近德 +2 位作者 潘海洋 童靳于 刘庆运 《振动与冲击》 EI CSCD 北大核心 2022年第11期65-71,113,共8页

变分模态提取(variational mode extraction,VME)作为一种以极低计算度提取特定信号模态的新方法,其通过设置期望模态中心频率来获得固有模态函数。但是,VME只能针对一个中心频率提取一个分量,无法实现多分量信号的自适应分解。对此,通... 变分模态提取(variational mode extraction,VME)作为一种以极低计算度提取特定信号模态的新方法,其通过设置期望模态中心频率来获得固有模态函数。但是,VME只能针对一个中心频率提取一个分量,无法实现多分量信号的自适应分解。对此,通过依据信号数据长度与带宽自适应设置多分量模态中心频率参数,把信号分解问题转化为多模态优化问题,在此基础上,提出了一种自适应变分模态提取(adaptive variational mode extraction,AVME)方法。此外,为解决单一指标无法衡量最优解调分量全面信息特征的问题,提出将峭度、相关系数和正交性进行融合来凸显及筛选有用分量进行解调和诊断。通过对滚动轴承故障仿真信号和实测信号进行分析,将所提的方法与现有多种信号分解方法对比,结果表明了该方法在计算耗时上和降噪方面的有效性。 展开更多

关键词 自适应变分模态提取(AWME) 融合指标优选 滚动轴承 故障诊断

在线阅读 下载PDF 职称材料

变分模态分解方法在轴承故障诊断中的应用研究进展 被引量：4

4

作者 陆志杰 王志良 +3 位作者 鄢小安 刘德利 孙见君 马晨波 《润滑与密封》 CAS CSCD 北大核心 2024年第9期178-190,共13页

作为旋转机械的核心和易发生故障的部件,滚动轴承及其故障诊断是目前研究的热点和前沿。有效的特征提取方法对于滚动轴承故障诊断至关重要,其中变分模态分解算法(VMD)因对复杂信号具有较强的分析能力和自适应性,应用潜力较好。对VMD的... 作为旋转机械的核心和易发生故障的部件,滚动轴承及其故障诊断是目前研究的热点和前沿。有效的特征提取方法对于滚动轴承故障诊断至关重要,其中变分模态分解算法(VMD)因对复杂信号具有较强的分析能力和自适应性,应用潜力较好。对VMD的基本原理及其优势、VMD在轴承故障特征提取方面的应用、VMD参数优化方法以及最新进展进行归纳总结,针对VMD参数优化问题,从适应度函数构造和群智能算法改进上,提出一种新的解决方法,并探讨VMD在诊断滚动轴承早期微弱故障和复合故障等方面的不足之处,最后从理论研究和工程应用的角度,展望VMD未来的发展方向,可为从事滚动轴承故障诊断的相关研究人员提供参考。 展开更多

关键词 滚动轴承 故障诊断 特征提取 变分模态分解算法 参数优化

在线阅读 下载PDF 职称材料

基于自适应变分模态分解的桥梁振动信号降噪 被引量：3

5

作者 殷鹏程 熊芳来 +2 位作者 单德山 曹阳梅 张二华 《石家庄铁道大学学报（自然科学版）》 2023年第3期23-29,36,共8页

针对实际桥梁结构振动响应信号易受环境噪声的影响,而降噪效果较好的VMD方法存在本征模态函数分解数量难以确定的问题,提出了一种改进的变分模态分解(Variational Mode Decomposition)方法--自适应变分模态分解方法(Adaptive VMD,AVMD)... 针对实际桥梁结构振动响应信号易受环境噪声的影响,而降噪效果较好的VMD方法存在本征模态函数分解数量难以确定的问题,提出了一种改进的变分模态分解(Variational Mode Decomposition)方法--自适应变分模态分解方法(Adaptive VMD,AVMD),实现了桥梁振动响应信号的自适应降噪。在传统VMD方法的基础上,通过结合EMD方法和主成分分析,解决了VMD方法中本征模态函数分解数量难以确定的问题,并引入多尺度小波分解技术,对受噪声污染的信号进行多尺度分解、优选与重构,进而实现复杂桥梁结构振动信号的降噪。以一座大型悬索桥为工程背景,对桥梁实测振动响应数据进行了降噪与模态参数提取。结果表明,AVMD方法解决了传统VMD方法中本征模态函数分量难以确定的问题,降噪信号所识别出的桥梁结构虚假频率比原始信号所识别出的虚假频率减少了58.82%。 展开更多

关键词 结构健康监测 自适应 变分模态分解 信号降噪 模态参数识别

在线阅读 下载PDF 职称材料

香农熵改进的变分模态分解与故障特征提取 被引量：4

6

作者 方桂花 杜壮 高旭 《机械科学与技术》 CSCD 北大核心 2020年第7期1022-1027,共6页

为了解决变分模态分解(VMD)的分解层数K选定困难的问题,提出了利用归一化香农熵对变分模态分解进行参数优化,从而可以自适应地确定分解层数K,可以避免信号过分解与欠分解。首先在程序中预先设定分解层数,让程序进行预分解;计算分解后各... 为了解决变分模态分解(VMD)的分解层数K选定困难的问题,提出了利用归一化香农熵对变分模态分解进行参数优化,从而可以自适应地确定分解层数K,可以避免信号过分解与欠分解。首先在程序中预先设定分解层数,让程序进行预分解;计算分解后各本征模态函数(IMF)频带的香农熵,再将香农熵归一化处理,以归一化熵值大小作为循环停止条件来进行自适应确定分解层数K;最后对各IMF分量进行包络分析,提取信号中的故障特征频率。将该方法利用仿真信号和实际故障数据进行分析验证,结果表明该方法既能够自适应地确定K值,同时其分解出的各IMF分量均出现规律性故障振动信号或转频的倍频,证明了这种故障特征提取方法是有效的。 展开更多

关键词 变分模态分解 香农熵 特征提取 参数优化

在线阅读 下载PDF 职称材料

基于PAVME的柴油机传动机构异常振动诊断研究

7

作者 周启迪 张忠伟 +3 位作者 王根全 王延荣 张利敏 许春光 《振动与冲击》 北大核心 2025年第1期143-150,共8页

柴油机传动机构振动信号具有强耦合、强冲击及强干扰特征,准确的信号特征提取是振动源识别及抑制的关键。针对变分模态提取(variational mode extraction,VME)方法在处理柴油机振动信号存在自适应性及准确性不足的问题,本研究以振动信... 柴油机传动机构振动信号具有强耦合、强冲击及强干扰特征,准确的信号特征提取是振动源识别及抑制的关键。针对变分模态提取(variational mode extraction,VME)方法在处理柴油机振动信号存在自适应性及准确性不足的问题,本研究以振动信号的峰值频率为中心频率的初始值,考虑分解信号与原始信号的相关性,以分解分量的峰峰值、均方根值及峰值因子为判定指标,提出一种参数自适应变分模态提取(parameter adaptive variational mode extraction,PAVME)算法,并通过构建强干扰环境下柴油机振动特征的模拟信号验证了该方法的准确性和鲁棒性。基于PAVME和功率谱密度函数(power spectral density function,PSD)识别出齿轮箱异常振动源为齿轮啮合激励。综合激励源和传递路径两个维度考虑,最后提出了通过轴系扭振控制进行传动机构振动抑制的方案。 展开更多

关键词 参数自适应变分模态提取(pavme) 振动 柴油机 传动机构

在线阅读 下载PDF 职称材料

基于自适应变分模态分解的佤语孤立词共振峰估计 被引量：1

8

作者 杨建香 佘玉梅 +3 位作者 傅美君 和丽华 解雪琴 潘文林 《云南民族大学学报（自然科学版）》 CAS 2019年第3期297-305,共9页

基于变分模态分解算法实现对语音共振峰的提取,针对其存在共振峰合并和虚假峰值2个主要问题,通过对分解模态数、平衡约束参数的分析,提出了自适应变分模态分解法.并从的正交性、能量保存度2个方面证明了该方法的可行性;最后,利用该方法... 基于变分模态分解算法实现对语音共振峰的提取,针对其存在共振峰合并和虚假峰值2个主要问题,通过对分解模态数、平衡约束参数的分析,提出了自适应变分模态分解法.并从的正交性、能量保存度2个方面证明了该方法的可行性;最后,利用该方法实现对佤语共振峰的估计.实验结果表明,基于自适应变分模态分解对佤语孤立词的共振峰估计平均正确率可达85.50%. 展开更多

关键词 变分模态分解法(VMD) 本征模态函数(IMF) 分解模态数(K) 平衡约束参数(α) 自适应变分模态分解法(AVMD)

在线阅读 下载PDF 职称材料

自适应模态总数变分模态分解方法及其性能评估 被引量：3

9

作者 王锦鸿 李鸿光 +1 位作者 张文笛 陈亚农 《振动与冲击》 EI CSCD 北大核心 2023年第10期251-262,共12页

VMD方法目前广泛应用于转子系统故障诊断以及二维图像分解等领域,但传统VMD算法需要预先给出模态总数,且VMD对信号能量较弱的非中心频段存在重构效果差,含噪声下提取能力差,容易遗漏故障特征等问题;基于上述问题对VMD修改了信号的约束准... VMD方法目前广泛应用于转子系统故障诊断以及二维图像分解等领域,但传统VMD算法需要预先给出模态总数,且VMD对信号能量较弱的非中心频段存在重构效果差,含噪声下提取能力差,容易遗漏故障特征等问题;基于上述问题对VMD修改了信号的约束准则,并引入信号未处理以及残差信号的多元约束目标,使模态总数可通过收敛得到;对模拟内圈轴承信号和试验信号的时频域重构分析以及分解模态信号的分析,对比三种算法的在非中心频段的重构效果以及特征提取能力的优劣。 展开更多

关键词 自适应变分模态分解 重构与特征提取 故障诊断

在线阅读 下载PDF 职称材料

基于参数自适应SVR和VMD-TCN的水电机组劣化趋势预测 被引量：3

10

作者 王淑青 柯洋洋 +2 位作者 胡文庆 罗平章 李青珏 《中国农村水利水电》 北大核心 2024年第4期193-198,204,共7页

针对水电机组难以利用实时监测数据对机组劣化状态进行有效评估,以及水电机组不同运行工况对运行状态指标趋势预测模型参数影响显著的问题,提出一种基于参数自适应支持向量回归机(SVR)、变分模态分解(VMD)和时间卷积网络(TCN)的水电机... 针对水电机组难以利用实时监测数据对机组劣化状态进行有效评估,以及水电机组不同运行工况对运行状态指标趋势预测模型参数影响显著的问题,提出一种基于参数自适应支持向量回归机(SVR)、变分模态分解(VMD)和时间卷积网络(TCN)的水电机组劣化趋势预测方法;首先按照功率和水头将机组运行工况细化为若干典型工况,在此基础上采用改进天鹰算法建立SVR模型,对各个工况下的预测参数进行寻优,建立起工况与最优参数的数据;再通过神经网络对工况和最优预测参数进行拟合,构建出映射两者复杂关系的非线性函数,然后将构建出的映射关系加入到传统的SVR中,实现适应于水电机组工况变化的自适应SVR健康模型;其次,根据健康模型输出的标准值和监测数据,计算出劣化趋势序列;最后,考虑到劣化趋势序列的非线性因素,建立了一个基于VMD-TCN的时间序列预测模型,以实现对劣化趋势的准确预测。并设计多组对比实验,验证所提出模型的精度更高,时间更快。 展开更多

关键词 水电机组 劣化趋势预测 参数自适应 支持向量回归机 变分模态分解 时间卷积网络

在线阅读 下载PDF 职称材料

基于单通道盲源分离的结构模态参数识别 被引量：3

11

作者 甄龙信 任良 董前程 《振动与冲击》 EI CSCD 北大核心 2023年第11期252-261,294,共11页

针对基于传统盲源分离算法的结构模态参数识别需要满足传感器数目不少于源信号数目的问题,提出一种基于单通道盲源分离的结构模态参数识别方法,该方法利用单个通道信号即可完成结构模态参数识别。利用同步提取变换(synchro extracting t... 针对基于传统盲源分离算法的结构模态参数识别需要满足传感器数目不少于源信号数目的问题,提出一种基于单通道盲源分离的结构模态参数识别方法,该方法利用单个通道信号即可完成结构模态参数识别。利用同步提取变换(synchro extracting transform,SET)对单通道观测信号进行时频分析以确定变分模态分解(variational mode decomposition,VMD)参数K的取值;将观测信号利用VMD分解形成K个本征模态函数(intrinsic mode function,IMF);将K个IMF进行线性混合形成2维观测信号并与原单通道观测信号重构形成3维观测信号,利用基于信号稀疏性的源信号分离算法分离得到各单模态信号;利用单模态识别技术识别结构模态参数。仿真和实测信号数据表明所提方法的有效性。 展开更多

关键词 单通道盲源分离 同步提取变换(SET) 变分模态分解(VMD) 信号稀疏性 模态参数识别

在线阅读 下载PDF 职称材料

基于参数优化VMD的齿轮箱故障特征提取方法 被引量：22

12

作者 丁承君 付晓阳 +1 位作者 冯玉伯 张良 《机械传动》 北大核心 2020年第3期171-176,共6页

为解决齿轮箱故障振动信号信噪比低、故障特征提取难的问题,提出了基于参数优化变分模态分解(VMD)的齿轮箱故障特征提取方法。首先,以分解结果的局部极小包络熵最小为目标,利用果蝇算法搜寻VMD分解参数K和α的最优组合;将原始信号分解... 为解决齿轮箱故障振动信号信噪比低、故障特征提取难的问题,提出了基于参数优化变分模态分解(VMD)的齿轮箱故障特征提取方法。首先,以分解结果的局部极小包络熵最小为目标,利用果蝇算法搜寻VMD分解参数K和α的最优组合;将原始信号分解成若干IMF分量,从中选择包络熵较小的分量进行信号重构,并对重构信号进行包络解调运算,从重构信号的包络谱中提取故障频率特征。结果表明,利用此方法对实测信号进行处理,成功降噪、提取齿轮箱故障特征,并且比利用经验模态分解方法降噪效果更好,提取的故障特征更加明显。 展开更多

关键词 变分模态分解 参数优化 果蝇优化算法 齿轮箱 故障特征提取

在线阅读 下载PDF 职称材料

基于自适应VMD-Hilbert的球磨机负荷参数预测 被引量：2

13

作者 蔡改贫 李波波 +1 位作者 赵鑫 刘吉顺 《传感器与微系统》 CSCD 北大核心 2023年第9期133-136,共4页

提出一种自适应变分模态分解(VMD)—希尔伯特(Hilbert)边际谱样本熵和最小二乘支持向量机(LSSVM)提取球磨机振动信号组合特征并预测负荷参数的方法。首先,使用自适应VMD的振动敏感信号调制来分解振动,得到反映振动特性的本征模态函数(I... 提出一种自适应变分模态分解(VMD)—希尔伯特(Hilbert)边际谱样本熵和最小二乘支持向量机(LSSVM)提取球磨机振动信号组合特征并预测负荷参数的方法。首先,使用自适应VMD的振动敏感信号调制来分解振动,得到反映振动特性的本征模态函数(IMF)分量;之后,进行Hilbert变换,得到边际谱样本熵;最后,将其作为输入特征向量输入到LSSVM,实现球磨机负荷参数预测。试验结果表明:该方法可以有效地提取球磨机的非线性不稳定的信号特征,较为精确地预测球磨机负荷参数。 展开更多

关键词 自适应变分模态分解 希尔伯特变换 最小二乘支持向量机 球磨机负荷参数

在线阅读 下载PDF 职称材料

基于ASMVMD和MOMEDA的齿轮特征提取方法

14

作者 唐贵基 曾鹏飞 朱爽 《机电工程》 CAS 北大核心 2024年第12期2174-2184,共11页

针对齿轮信号易被强噪声干扰,导致损伤特征难以提取的问题,提出了一种基于自适应逐次多元变分模态分解(ASMVMD)和多点最优最小熵解卷积(MOMEDA)的齿轮故障特征提取方法。首先,采用加权黑猩猩优化算法对SMVMD分解参数进行了自适应寻优,以... 针对齿轮信号易被强噪声干扰,导致损伤特征难以提取的问题,提出了一种基于自适应逐次多元变分模态分解(ASMVMD)和多点最优最小熵解卷积(MOMEDA)的齿轮故障特征提取方法。首先,采用加权黑猩猩优化算法对SMVMD分解参数进行了自适应寻优,以SMVMD分解后各个通道的所有分量的平均包络谱峰值因子(Ec)之和的相反数作为寻优的适应度函数,确定了最大惩罚因子α和最大分解模态数k的最优值;然后,采用ASMVMD方法对齿轮多通道故障数据进行了自适应分解,根据Ec指标提取了各通道特定分量,并将这些分量相加,进行了信号重构;最后,采用MOMEDA解卷积处理了重构信号,进一步强化了齿轮故障的冲击特性,并利用包络谱分析解卷积信号,提取了齿轮的故障特征频率。研究结果表明:通过仿真信号和模拟实验信号的分析,可知利用ASMVMD-MOMEDA相结合的方法处理得到的信号降噪效果显著,能有效抑制无关干扰成分的影响,从包络谱中可以清晰地看到故障频率的前几阶倍频;与多元经验模态分解(MEMD)-MOMEDA相结合的方法进行对比,发现采用ASMVMD-MOMEDA方法得到的包络谱较MEMD-MOMEDA方法的谱线更加干净,各阶倍频更加明显,进一步证明ASMVMD-MOMEDA方法可以准确提取齿轮故障特征。 展开更多

关键词 齿轮损伤特征 故障特征提取 自适应逐次多元变分模态分解 多点最优最小熵解卷积 多通道 解卷积 包络谱峰值因子 信号重构

在线阅读 下载PDF 职称材料

基于改进参数优化VMD的传动链故障特征提取研究

15

作者 张旭帮 王灵梅 +3 位作者 孟恩隆 贾成真 原升耀 王平 《机械设计与制造工程》 2022年第11期109-114,共6页

针对强背景噪声环境下风电机组传动链发生故障时特征信息微弱,利用人为经验对变分模态分解(VMD)方法参数设定、故障特征提取效果不佳的问题,提出改进参数优化VMD方法提取故障特征。将信号样本熵与峭度指标相结合共同作为目标函数,通过... 针对强背景噪声环境下风电机组传动链发生故障时特征信息微弱,利用人为经验对变分模态分解(VMD)方法参数设定、故障特征提取效果不佳的问题,提出改进参数优化VMD方法提取故障特征。将信号样本熵与峭度指标相结合共同作为目标函数,通过遗传算法(GA)寻优,确定最优的VMD模态分量数及惩罚因子组合。对分解所得到的本征模态分量(IMF)进行选取重构、包络分析,判断故障类型。通过仿真、实验并与工程实际现场的齿轮箱故障数据进行对比验证,结果表明,该方法可以有效地从强噪声干扰中提取信号的故障特征。 展开更多

关键词 特征提取 故障诊断 变分模态分解 参数优化 样本熵

在线阅读 下载PDF 职称材料

直流电能表计量信号自适应降噪方法

16

作者 钟立华 潘峰 +2 位作者 杨雨瑶 李金莉 祁舒喆 《电测与仪表》 北大核心 2024年第6期181-187,共7页

直流用电负荷包含DC/DC变换器等电力电子器件,非线性特性显著,导致直流输出端电压、电流信号存在大量纹波,需通过滤波降噪处理提升直流电能计量的准确性。针对现有的滤波降噪方法参数设置缺乏优化、滤波降噪效果尚待提升问题,提出了基... 直流用电负荷包含DC/DC变换器等电力电子器件,非线性特性显著,导致直流输出端电压、电流信号存在大量纹波,需通过滤波降噪处理提升直流电能计量的准确性。针对现有的滤波降噪方法参数设置缺乏优化、滤波降噪效果尚待提升问题,提出了基于自适应变分模态分解与小波阈值去噪相结合的直流电能表计量信号降噪方法。建立输出端直流电压、电流信号变分模态分解的参数最优化模型,并联合互信息分析,实现原始信号的有效模态分量与噪声模态分量的自适应区分。在此基础上,建立以信噪比、均方根误差、平滑度、相关系数复合评价指标最优的小波阈值去噪参数最优化模型,实现噪声模态分量的最优滤波降噪。通过实测数据计算分析,验证所提方法的有效性。 展开更多

关键词 直流电能计量 自适应降噪 变分模态分解 小波阈值去噪 参数优化

在线阅读 下载PDF 职称材料

基于VMD-MCKD的微弱故障信号降噪及冲击特征增强方法

17

作者 费红博 张超 +2 位作者 吴乐 徐帅 张敬 《机电工程》 北大核心 2025年第2期237-246,共10页

针对强噪声背景下滚动轴承早期故障冲击信号微弱,故障特征难以提取的问题,提出了一种基于参数自适应变分模态分解(VMD)与最大相关峭度解卷积(MCKD)的滚动轴承故障诊断方法(微弱故障信号降噪及冲击特征增强方法)。首先,采用时频域差值信... 针对强噪声背景下滚动轴承早期故障冲击信号微弱,故障特征难以提取的问题,提出了一种基于参数自适应变分模态分解(VMD)与最大相关峭度解卷积(MCKD)的滚动轴承故障诊断方法(微弱故障信号降噪及冲击特征增强方法)。首先,采用时频域差值信息引导VMD,并引入相似系数差值和能量差值比作为迭代收敛条件,重新设定了适用于信号分解的终止准则;然后,采用改进的减法平均优化算法,对MCKD中的解卷周期T、移位数M和滤波器长度L进行了优化,确保了参数组合的最佳性;借助MCKD方法的冲击特征提取能力,精确获取了目标周期性冲击信号;最后,依托内蒙古科技大学机械工程学院配备的HZXT-DS-003型双跨转子滚动轴承试验台,构建了故障轴承数据集,对基于VMD-MCKD的滚动轴承故障诊断方法的有效性进行了验证。研究结果表明:采用该方法能有效抑制噪声,显著增强信号的周期冲击特性、故障特征频率及其倍频,从而完成了对滚动轴承早期微弱故障的准确诊断;与其他方法相比,该方法在频谱中更为突出地展现故障特征频率及其倍频峰值,且信噪比提升了78%;此外,即使在不同信噪比的噪声环境下,该方法仍能保持卓越的信号处理能力。 展开更多

关键词 滚动轴承 早期故障特征 变分模态分解 最大相关峭度解卷积 参数自适应 周期性冲击信号

在线阅读 下载PDF 职称材料

基于VMD与包络峰值提取的R波检测算法 被引量：1

18

作者 庞宇 汪立宇 陈亚军 《计算机工程与设计》 北大核心 2020年第10期2797-2802,共6页

针对心电信号QRS特征波形检测中的R波检测问题,在原始信号未经预处理的前提下,提出一种基于变分模态分解与包络峰值提取的R波检测方法。通过判定中心频率的变化自适应获取预设尺度K值,信号经变分模态分解后,提取出有效的二维本征模态分... 针对心电信号QRS特征波形检测中的R波检测问题,在原始信号未经预处理的前提下,提出一种基于变分模态分解与包络峰值提取的R波检测方法。通过判定中心频率的变化自适应获取预设尺度K值,信号经变分模态分解后,提取出有效的二维本征模态分量进行归一化、平方处理,结合平滑滤波与包络峰值提取得到R波波峰在该分量上的索引位置,设定窗口采样寻找真正的最大幅值校正索引位置以提高准确性,在原始信号上标定。使用MIT-BIH数据库仿真并将结果与其它算法进行比较,表明该算法具有更高的灵敏度、阳性准确率与准确率。 展开更多

关键词 变分模态分解 自适应K值 平滑滤波 包络峰值提取 R波定位

在线阅读 下载PDF 职称材料

航空发动机高低压转子间碰摩故障特征提取 被引量：3

19

作者 边杰 梅庆 +2 位作者 陈亚农 徐友良 彭春雷 《推进技术》 EI CAS CSCD 北大核心 2022年第2期341-348,共8页

针对变分模态分解(VMD)需要人为确定输入参数的问题,提出了一种参数自适应VMD(APVMD)方法,其通过粒子群(PSO)算法优化VMD的输入参数。使用APVMD结合切片谱的方法,对双转子航空发动机振动正常和异常状态下的实测弹性支承应变信号进行分... 针对变分模态分解(VMD)需要人为确定输入参数的问题,提出了一种参数自适应VMD(APVMD)方法,其通过粒子群(PSO)算法优化VMD的输入参数。使用APVMD结合切片谱的方法,对双转子航空发动机振动正常和异常状态下的实测弹性支承应变信号进行分析。分析结果表明,APVMD方法可以自适应地实现对实测弹性支承应变信号的分解;当发动机振动正常时,高低压转子弹性支承应变信号的APVMD模态分量中只存在高低压转子的1倍频和2倍频成分;当发动机振动异常时,低压转子弹性支承应变信号的APVMD模态分量除了包含低压转子的1倍频及倍频成分,还包含高压转子的1倍频和分频成分,以及高低压转子间的调制频率和组合频率成分;在高压转子弹性支承应变信号的APVMD模态分量中,除了高压转子的1倍频和2倍频成分,还存在高压转子的分频成分。 展开更多

关键词 航空发动机 高低压转子 振动信号分离 故障特征提取 参数自适应变分模态分解

在线阅读 下载PDF 职称材料

基于深度SSDAE网络的刀具磨损状态识别 被引量：3

20

作者 郭润兰 尉卫卫 +1 位作者 王广书 黄华 《振动．测试与诊断》 EI CSCD 北大核心 2024年第2期305-312,410,411,共10页

针对刀具磨损状态识别过程中采集数据量大、干扰信号复杂且需人为选择特征参数的问题,为提高刀具磨损状态识别模型的鲁棒性与泛化性,提出了一种数据驱动下深度堆叠稀疏降噪自编码(stacking sparse denoising auto-encoder,简称SSDAE)网... 针对刀具磨损状态识别过程中采集数据量大、干扰信号复杂且需人为选择特征参数的问题,为提高刀具磨损状态识别模型的鲁棒性与泛化性,提出了一种数据驱动下深度堆叠稀疏降噪自编码(stacking sparse denoising auto-encoder,简称SSDAE)网络的刀具磨损状态识别方法,实现隐藏在数据中深层次的数据特征自动挖掘。首先,将原始振动信号分解为一系列固有模态分量(intrinsic mode function,简称IMF),并采用皮尔逊相关系数法选取了最优固有模态来组合一个新的信号;其次,采用SSDAE网络自适应提取特征后对刀具磨损阶段进行了状态识别,识别精度达到98%;最后,对网络模型进行实验验证,并与最常用的刀具磨损状态识别方法进行了对比。实验结果表明,所提出的方法能够很好地处理非平稳振动信号,对不同刀具磨损阶段状态的识别效果良好,并具有较好的泛化性能和可靠性。 展开更多

关键词 深度堆叠稀疏自编码网络 变分模态分解 K-最近邻分类器 自适应特征提取 状态识别

在线阅读 下载PDF 职称材料