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
共找到3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：
基于ASMVMD和MOMEDA的齿轮特征提取方法
1
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
基于SCSSA-VMD-MCKD的轴承早期微弱故障异常检测方法
2
作者 陈立海 谭奥 +2 位作者 贺永辉 张笑琼 白晓龙 《机电工程》 CAS 北大核心 2024年第12期2129-2141,共13页
针对滚动轴承在强噪声干扰下早期微弱故障不易被检测的问题,提出了一种基于结合正余弦和柯西变异的麻雀智能搜索算法优化变分模态分解与最大相关峭度解卷积(SCSSA-VMD-MCKD)的轴承早期微弱故障异常检测方法。首先,采用结合正余弦和柯西... 针对滚动轴承在强噪声干扰下早期微弱故障不易被检测的问题,提出了一种基于结合正余弦和柯西变异的麻雀智能搜索算法优化变分模态分解与最大相关峭度解卷积(SCSSA-VMD-MCKD)的轴承早期微弱故障异常检测方法。首先,采用结合正余弦和柯西变异的麻雀智能搜索算法(SCSSA)优化了VMD参数α和K,进而对轴承故障信号进行了自适应分解,根据加权包络谱峰值因子指标(WEPF)筛选有效模态分量,并重构得到了重构信号;然后,采用SCSSA优化了MCKD参数T、L和M,并用优化后的MCKD方法增强了重构信号故障冲击成分;最后,对经MCKD增强后的重构信号进行了包络谱分析,提取到了轴承故障特征频率及倍频;利用轴承故障仿真信号和试验信号对该故障异常检测方法进行了验证分析。研究结果表明:该检测方法能够有效降噪并自适应增强故障冲击成分,相较于经SCSSA-VMD分解并重构的信号,故障仿真信号和实测试验信号信噪比分别提升了102.6%和81.3%,均方根误差分别降低了26.7%和33.3%;轴承内外圈故障特征频率及倍频幅值更为突出,能够实现强噪声背景下滚动轴承早期微弱故障异常检测目的,与SSA-VMD-MCKD方法相比,更能突显该方法的优越性。 展开更多
关键词 滚动轴承 故障诊断 故障冲击成分增强 结合正余弦和柯西变异的麻雀智能搜索算法 变分模态分解 最大相关峭度解卷积
在线阅读 下载PDF
基于集成包络谱的滚动轴承早期故障检测指标 被引量：5
3
作者 杨新敏 郭瑜 +1 位作者 田田 朱云贵 《振动与冲击》 EI CSCD 北大核心 2023年第10期67-73,共7页
针对常规统计指标对滚动轴承早期故障不敏感的问题,该研究基于集成包络谱(integrated envelope spectrum,IES)提出一种滚动轴承早期故障检测指标——集成包络谱谱峰因子(integrated envelope spectrum peak factor,IESPF),应用于轴承早... 针对常规统计指标对滚动轴承早期故障不敏感的问题,该研究基于集成包络谱(integrated envelope spectrum,IES)提出一种滚动轴承早期故障检测指标——集成包络谱谱峰因子(integrated envelope spectrum peak factor,IESPF),应用于轴承早期故障检测。首先,对信号进行快速谱相干(fast spectral coherence,Fast-SCoh)计算;然后,根据循环频率与谱频率的映射关系确定包含故障信息丰富的频带,并对该频带积分获得IES;最后,计算IES的最大值与其均方根值的比值,从而获得该研究所提指标IESPF,应用于轴承外圈故障检测。通过分析滚动轴承外圈模拟故障试验数据和疲劳试验数据表明,该研究所提指标对轴承外圈早期故障较敏感,适用于早期故障检测。 展开更多
关键词 滚动轴承 快速谱相干 集成包络谱(IES) 集成包络谱谱峰因子(iespf) 早期故障检测
在线阅读 下载PDF
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
使用帮助 返回顶部