期刊导航
期刊开放获取
河南省图书馆
退出
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
基于自适应加权多尺度组合形态滤波的轴承故障特征提取研究
被引量:
7
1
作者
韩笑乐
胡天中
余建波
《振动与冲击》
EI
CSCD
北大核心
2020年第1期245-252,共8页
针对滚动轴承振动信号在进行早期故障诊断时往往会伴随着噪声干扰的问题,提出了一种选择性自适应加权多尺度组合形态滤波(Adaptive Weighted Multi-scale Combination Morphological Filtering,AWMCMF)方法,从振动信号中提取故障特征。...
针对滚动轴承振动信号在进行早期故障诊断时往往会伴随着噪声干扰的问题,提出了一种选择性自适应加权多尺度组合形态滤波(Adaptive Weighted Multi-scale Combination Morphological Filtering,AWMCMF)方法,从振动信号中提取故障特征。首先,采用三种组合算子构成一组新的形态算子,可有效地提取出信号中的正负冲击特征;其次,基于新算子提出了加权多尺度形态滤波方法,并将Teager能量峭度作为评判指标为各尺度提供优化的权值;最后,将选择性自适应权值与多尺度算子进行加权绑定得到优化的故障特征提取结果。通过仿真信号和轴承故障振动信号的结果表明,该方法能有效地滤除噪声并提取故障特征。
展开更多
关键词
滚动轴承
故障诊断
振动信号
冲击特征
多尺度形态滤波
下载PDF
职称材料
基于多尺度分解和深度学习的锂电池寿命预测
被引量:
30
2
作者
胡天中
余建波
《浙江大学学报(工学版)》
EI
CAS
CSCD
北大核心
2019年第10期1852-1864,共13页
针对目前的剩余寿命预测(RUL)方法存在模型适应性差及预测不准确等问题,提出多尺度深度神经网络的锂电池健康退化预测模型.通过经验模态分解(EEMD)方法和相关性分析(CA),将采集到的锂电池能量数据分解为主趋势数据和波动数据;采用深度...
针对目前的剩余寿命预测(RUL)方法存在模型适应性差及预测不准确等问题,提出多尺度深度神经网络的锂电池健康退化预测模型.通过经验模态分解(EEMD)方法和相关性分析(CA),将采集到的锂电池能量数据分解为主趋势数据和波动数据;采用深度置信网络(DBN)和长短期记忆网络(LSTM),分别对主趋势与波动数据进行建模;将DBN与LSTM预测结果进行有效集成,得到锂电池的健康预测结果.实验结果表明,利用该方法能够有效地对锂电池的健康趋势进行拟合,得到准确的RUL预测结果,性能优于其他典型的预测方法.
展开更多
关键词
锂电池
剩余寿命预测(RUL)
多尺度分析
深度置信网络
长短期记忆网络(LSTM)
下载PDF
职称材料
题名
基于自适应加权多尺度组合形态滤波的轴承故障特征提取研究
被引量:
7
1
作者
韩笑乐
胡天中
余建波
机构
同济大学机械与能源工程学院
出处
《振动与冲击》
EI
CSCD
北大核心
2020年第1期245-252,共8页
基金
国家自然科学基金(51375290
71777173)
+1 种基金
中央高校基本科研业务费项目
上海科委创新科技行动计划(17511109204)资助项目
文摘
针对滚动轴承振动信号在进行早期故障诊断时往往会伴随着噪声干扰的问题,提出了一种选择性自适应加权多尺度组合形态滤波(Adaptive Weighted Multi-scale Combination Morphological Filtering,AWMCMF)方法,从振动信号中提取故障特征。首先,采用三种组合算子构成一组新的形态算子,可有效地提取出信号中的正负冲击特征;其次,基于新算子提出了加权多尺度形态滤波方法,并将Teager能量峭度作为评判指标为各尺度提供优化的权值;最后,将选择性自适应权值与多尺度算子进行加权绑定得到优化的故障特征提取结果。通过仿真信号和轴承故障振动信号的结果表明,该方法能有效地滤除噪声并提取故障特征。
关键词
滚动轴承
故障诊断
振动信号
冲击特征
多尺度形态滤波
Keywords
rolling bearings
fault diagnosis
vibration signal
impact feature
multi-scale morphological filtering
分类号
TH165.3 [机械工程—机械制造及自动化]
TN911.7 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
基于多尺度分解和深度学习的锂电池寿命预测
被引量:
30
2
作者
胡天中
余建波
机构
同济大学机械与能源工程学院
出处
《浙江大学学报(工学版)》
EI
CAS
CSCD
北大核心
2019年第10期1852-1864,共13页
基金
国家自然科学基金资助项目(51375290,71777173)
中央高校基本科研业务费资助项目
上海科委创新科技行动计划资助项目(17511109204)
文摘
针对目前的剩余寿命预测(RUL)方法存在模型适应性差及预测不准确等问题,提出多尺度深度神经网络的锂电池健康退化预测模型.通过经验模态分解(EEMD)方法和相关性分析(CA),将采集到的锂电池能量数据分解为主趋势数据和波动数据;采用深度置信网络(DBN)和长短期记忆网络(LSTM),分别对主趋势与波动数据进行建模;将DBN与LSTM预测结果进行有效集成,得到锂电池的健康预测结果.实验结果表明,利用该方法能够有效地对锂电池的健康趋势进行拟合,得到准确的RUL预测结果,性能优于其他典型的预测方法.
关键词
锂电池
剩余寿命预测(RUL)
多尺度分析
深度置信网络
长短期记忆网络(LSTM)
Keywords
lithium-ion battery
remaining useful life(RUL)
multiscale analysis
deep belief network
long short-term memory(LSTM)
分类号
TH165 [机械工程—机械制造及自动化]
TN911 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于自适应加权多尺度组合形态滤波的轴承故障特征提取研究
韩笑乐
胡天中
余建波
《振动与冲击》
EI
CSCD
北大核心
2020
7
下载PDF
职称材料
2
基于多尺度分解和深度学习的锂电池寿命预测
胡天中
余建波
《浙江大学学报(工学版)》
EI
CAS
CSCD
北大核心
2019
30
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