期刊文献+
共找到17篇文章
< 1 >
每页显示 20 50 100
基于改进变分模态提取的轴承早期故障诊断 被引量:3
1
作者 张家军 马萍 +1 位作者 彭炫 张宏立 《组合机床与自动化加工技术》 北大核心 2024年第2期146-150,共5页
针对变分模态提取(variational mode extraction,VME)在强背景噪音下初始中心频率难以确定的问题,提出了基于谱相干引导变分模态提取(SC-VME)的滚动轴承故障诊断方法。首先,引入谱相干(spectral coherence,SC)算法对信号进行处理,得到... 针对变分模态提取(variational mode extraction,VME)在强背景噪音下初始中心频率难以确定的问题,提出了基于谱相干引导变分模态提取(SC-VME)的滚动轴承故障诊断方法。首先,引入谱相干(spectral coherence,SC)算法对信号进行处理,得到由循环频率和频谱频率构成的双频域,并结合1/3-二叉树滤波器组得到改进包络谱(improved envelope spectrum,IES);然后,以轴承故障特征频率识别的局部特征能量与频带中的IES能量占比为诊断指标,构建诊断性指示图,据此确定VME期望模态的初始中心频率;最后,通过对提取的期望模态进行包络谱分析,实现滚动轴承早期故障诊断。通过仿真和试验信号分析,结果表明所提SC-VME方法准确性更高、用时更短、效果更优。 展开更多
关键词 滚动轴承 谱相干 分模态提取 早期故障诊断
下载PDF
基于变分模态提取的动力响应重构方法研究
2
作者 余恒 殷红 彭珍瑞 《噪声与振动控制》 CSCD 北大核心 2024年第3期43-49,共7页
基于经验模态分解的响应重构方法依赖于参数繁多的带通滤波器,且不适用于具有密集模态的结构,因此,提出一种基于变分模态提取的动力响应重构方法。首先,在时域内使用变分模态提取将由传感器测得的动力响应分解为各阶模态响应;随后,通过... 基于经验模态分解的响应重构方法依赖于参数繁多的带通滤波器,且不适用于具有密集模态的结构,因此,提出一种基于变分模态提取的动力响应重构方法。首先,在时域内使用变分模态提取将由传感器测得的动力响应分解为各阶模态响应;随后,通过根据有限元建模或模态试验导出的模态转换矩阵计算得到响应未知位置的各阶模态响应,再根据模态叠加法完成其余位置动力响应的重构;最后,对非密集模态的悬臂梁和密集模态的3层剪切框架进行数值模拟,并通过简支梁进行试验分析,验证了所提方法的有效性和较好的鲁棒性。 展开更多
关键词 振动与波 密集模态 分模态提取 动力响应重构 模态转换矩阵 模态叠加法
下载PDF
基于迭代增强变分模态提取的滚动轴承复合故障诊断
3
作者 张家军 马萍 +1 位作者 张海 张宏立 《振动与冲击》 EI CSCD 北大核心 2024年第7期255-265,共11页
针对变分模态提取对多分量复合故障提取能力不足,且存在中心频率和平衡因子两个超参数优化等问题,提出了一种迭代增强变分模态提取(iterative enhanced variational mode extraction,IEVME)的滚动轴承复合故障诊断新方法。首先,提出引... 针对变分模态提取对多分量复合故障提取能力不足,且存在中心频率和平衡因子两个超参数优化等问题,提出了一种迭代增强变分模态提取(iterative enhanced variational mode extraction,IEVME)的滚动轴承复合故障诊断新方法。首先,提出引入中心频率趋势收敛现象优化VME的初始中心频率,使其能自适应寻找合适的初始中心频率进行提取并加入新的收敛准则对信号进行迭代提取的迭代变分模态提取方法(iterative variational mode extraction,IVME);然后,通过优化IVME的平衡因子得到多个分量信号,再利用图拉普拉斯能量指数选取最优分量进行重构;接着,为全面提取复合故障信号中的主要周期,提出了结合加强运算减去运算的增强最小噪声幅值解卷积(enhanced minimum noise amplitude deconvolution,EMNAD)方法,以降低噪声并增强相对较弱的周期信号;最后,通过融合平方包络谱实现对滚动轴承的复合故障诊断。将所提方法应用到滚动轴承复合故障诊断中,通过仿真和实例信号验证所提IEVME方法的有效性和鲁棒性,并将所提方法与现有多种方法进行对比,结果表明所提IEVME方法准确性更高,效果更优。 展开更多
关键词 滚动轴承 迭代增强变分模态提取(IEVME) 增强最小噪声幅值解卷积(EMNAD) 复合故障诊断
下载PDF
基于SFLA优化变分模态提取的滚动轴承故障诊断
4
作者 张怀彬 陈志刚 +1 位作者 杨远鹏 王衍学 《振动与冲击》 EI CSCD 北大核心 2024年第10期132-139,173,共9页
为解决变分模态提取(variational mode extraction, VME)在分解轴承故障信号过程中近似中心频率和惩罚因子的选择过于依赖专家经验的问题,提出混合蛙跳算法(shuffled frog leaping algorithm, SFLA)与VME相结合的滚动轴承故障诊断方法... 为解决变分模态提取(variational mode extraction, VME)在分解轴承故障信号过程中近似中心频率和惩罚因子的选择过于依赖专家经验的问题,提出混合蛙跳算法(shuffled frog leaping algorithm, SFLA)与VME相结合的滚动轴承故障诊断方法。首先,为解决单一指标作为目标函数提取特征时信息不全面的问题,结合信息熵(information entropy, IE)、包络谱峭度和相关系数建立新的参数优化指标—KIC;然后,将KIC的极小值作为SFLA的目标函数自适应地选取VME期望模态的中心频率和惩罚因子;最后,通过包络解调分析期望模态进行故障诊断。仿真信号与轴承试验台相关数据集的分析结果表明,所提出的SFLA-VME方法能够准确地提取出期望模态并诊断轴承故障。 展开更多
关键词 滚动轴承 分模态提取 混合蛙跳算法 包络谱峭度 信息熵
下载PDF
S变换引导变分模态提取的旋转机械故障诊断方法 被引量:7
5
作者 郭远晶 金晓航 +1 位作者 魏燕定 杨友东 《振动工程学报》 EI CSCD 北大核心 2022年第5期1289-1298,共10页
针对信号变分模态分解(VMD)存在分解层数难以确定、目标模态难以选取的问题,介绍了一种信号分解方法——变分模态提取(VME),且提出了基于S变换(ST)与VME的旋转机械故障诊断方法。VME将信号分解成两层——期望模态和残余信号,并基于一个... 针对信号变分模态分解(VMD)存在分解层数难以确定、目标模态难以选取的问题,介绍了一种信号分解方法——变分模态提取(VME),且提出了基于S变换(ST)与VME的旋转机械故障诊断方法。VME将信号分解成两层——期望模态和残余信号,并基于一个新的准则:期望模态与残余信号之间具有最小的频谱重叠。为了使VME得到的期望模态包含充分的故障特征,采用S变换对信号进行处理,确定故障特征所在的频段,据此选取VME期望模态的中心频率初始值。为了从期望模态中提取出故障特征频率,采用平方包络谱(SES)对期望模态进行分析。仿真信号与实际振动信号的分析结果表明,所提出的ST‐VME方法能够成功提取出有价值的期望模态和准确的故障特征频率,实现旋转机械故障诊断,且与VMD相比,ST‐VME方法的目标性更强,实施更容易。 展开更多
关键词 故障诊断 旋转机械 分模态提取 S变换 平方包络谱
下载PDF
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:8
6
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
下载PDF
基于弹性变分模态提取的时间相关单光子计数信号去噪 被引量:12
7
作者 汪书潮 苏秀琴 +4 位作者 朱文华 陈松懋 张振扬 徐伟豪 王定杰 《物理学报》 SCIE EI CAS CSCD 北大核心 2021年第17期153-162,共10页
单光子激光雷达的回波信号具有极低的信噪比,有效地消除噪声和提取出回波信号特征是提升单光子激光雷达测距精度的关键,变分模态分解算法需要使用者依据经验确定分解本征模态函数数量,不具有适用性和通用性.为此,本文基于时间相关单光... 单光子激光雷达的回波信号具有极低的信噪比,有效地消除噪声和提取出回波信号特征是提升单光子激光雷达测距精度的关键,变分模态分解算法需要使用者依据经验确定分解本征模态函数数量,不具有适用性和通用性.为此,本文基于时间相关单光子计数信号特点,提出了在变分模态分解中让信号按照指定频率进行聚类分解的变分约束条件,并采用弹性网回归重构不适定问题的求解模型,提出了弹性变分模态提取算法.实验结果表明,在波段850 nm、平均发射功率为25 nW、背景噪声平均功率为19.51μW的条件下,利用该方法,得到了时间相关单光子计数信号重建精度的均方根误差为1.414 ns.同时在不同的累积时间下,能够稳定且快速地提取出回波信号特征,有效地提高了算法的去噪能力和特征提取的性能. 展开更多
关键词 弹性变分模态提取 时间相关单光子计数 去噪 特征提取
下载PDF
瑞雷波频散曲线的分模态提取与联合反演 被引量:2
8
作者 刘志友 李子伟 钟明峰 《工程地球物理学报》 2012年第5期600-606,共7页
瑞雷波在层状介质中传播具有频散特性,利用地震记录中的面波信息,提取面波的频散曲线,反演可以建立近地表的横波速度结构模型。本文建立了一个理论地质模型,理论合成面波地震记录,研究了频率波数域中面波频散曲线的分模态提取,并利用等... 瑞雷波在层状介质中传播具有频散特性,利用地震记录中的面波信息,提取面波的频散曲线,反演可以建立近地表的横波速度结构模型。本文建立了一个理论地质模型,理论合成面波地震记录,研究了频率波数域中面波频散曲线的分模态提取,并利用等厚分层阻尼最小二乘反演方法对面波各模态的频散曲线进行了分模态反演和联合反演。反演结果表明:瑞雷波基阶频散曲线的浅层(<10m)反演结果与理论模型吻合最好,一阶高阶频散曲线在15-30m的反演结果与理论模型吻合最好,联合反演在整个深度范围内都可以很好的吻合理论模型,且反演结果的相对误差要低于分模态反演。 展开更多
关键词 瑞雷波 频散曲线 频率波数域 分模态提取 联合反演
下载PDF
基于表面辐射声信号的柴油机进气及齿轮故障诊断
9
作者 李斌 林杰威 +3 位作者 朱小龙 林耕毅 张益铭 张俊红 《排灌机械工程学报》 CSCD 北大核心 2024年第8期843-850,共8页
利用声振信号进行发动机故障诊断过程中,部分故障激励仅在发动机表面特定位置的振动中有较强响应,振动测点要求高,需要接触测量,部分场景难以实现.为此,提出了一种以表面辐射声为媒介、以自适应变分模态提取(adaptive variational mode ... 利用声振信号进行发动机故障诊断过程中,部分故障激励仅在发动机表面特定位置的振动中有较强响应,振动测点要求高,需要接触测量,部分场景难以实现.为此,提出了一种以表面辐射声为媒介、以自适应变分模态提取(adaptive variational mode extraction,AVME)进行预处理的柴油机进气故障和齿轮故障诊断方法.开展了某直列六缸重型柴油机的进气滤清器堵塞、气门间隙异常和正时齿轮损伤3类故障状态的台架试验,获取了不同故障程度下发动机表面辐射噪声.基于改进的AVME方法,实现噪声信号本征模函数(intrinsic mode function,IMF)的最优分解,通过计算IMF与原信号间的互相关系数,提取高相关IMF构成故障诊断输入.经预处理后,声信号故障特征得到有效增强,再输入到麻雀搜索算法优化支持向量机模型(support vector machine model optimized by sparrow search algorithm,SSA-SVM),进行特征参量和模型参数协同优化可以获得更好的诊断精度.试验验证表明,无需在半消声室测试,仅使用单通道声信号对3类11种程度的进气系统和齿轮故障进行诊断,前端噪声准确率最高(98.89%),顶部噪声准确率最低(88.78%);使用前、顶、后三通道噪声数据后,诊断精度可提升至99.57%.研究结论为基于声信号等非接触测量的发动机故障诊断提供了参考. 展开更多
关键词 柴油机 声信号 故障诊断 自适应变分模态提取 支持向量机
下载PDF
基于IPIO-VME与ConvNeXt-Encoder-GRU的轴承剩余寿命预测
10
作者 黄博昊 董红涛 +3 位作者 赵晖 卫若茜 陈敬川 何澳 《机电工程》 CAS 北大核心 2024年第4期570-582,共13页
基于振动信号的轴承剩余寿命(RUL)预测在工业安全生产中具有重要意义,但该领域目前存在着模型构建难度较高、预测精度较低的问题;为完成自适应的特征模态提取和去噪工作,简化模型构建过程,提升预测效果,提出了基于改进鸽群算法的变分模... 基于振动信号的轴承剩余寿命(RUL)预测在工业安全生产中具有重要意义,但该领域目前存在着模型构建难度较高、预测精度较低的问题;为完成自适应的特征模态提取和去噪工作,简化模型构建过程,提升预测效果,提出了基于改进鸽群算法的变分模态提取(IPIO-VME)算法和基于ConvNeXt-Encoder-门控循环单元(GRU)的轴承剩余寿命预测方法。首先,鸽群算法高效准确,适用于VME的参数选择,但容易陷入局部最优,因此利用自适应惯性权重、收缩包围机制、莱维飞行等方法对鸽群算法进行了改进,以提高收敛速度和全局收敛能力;然后,为实现自适应的模态提取目的,设计了IPIO-VME算法的目标函数,能够针对VME算法和轴承振动信号的特点,有效提取轴承振动特征;最后,针对模型构建繁琐、精度低的问题,提出了ConvNeXt-Encoder-GRU模型,采用间隔与连续采样的数据集构建方法,并使用联合振动数据和特征曲线的方法进行了寿命预测模型的构建,通过ConvNeXt模块提取振动特征,然后使用Transformer的Encoder模块提取趋势特征,并利用GRU进行了融合;还对该算法和预测模型进行了实验对比验证。研究结果表明:改进鸽群算法具有更快的收敛速度和更好的全局收敛能力,在测试函数下,经过1000次迭代,其精度最高能达到1.23×10-9;ConvNeXt-Encoder-GRU模型具备较高预测准确性,在西安交通大学-长兴昇阳科技有限公司(XJTU-SY)轴承数据集上的LogCosh指标可以达到0.0013,优于单一模型。该研究结果对轴承的故障特征提取和剩余寿命预测研究具有一定的指导意义。 展开更多
关键词 滚动轴承 剩余使用寿命预测 改进鸽群算法 分模态提取 ConvNeXt 门控循环单元
下载PDF
OVME结合SMHD的风电机组变桨轴承损伤识别
11
作者 唐贵基 薛贵 王晓龙 《动力工程学报》 CAS CSCD 北大核心 2023年第8期1039-1046,共8页
针对风电机组变桨轴承的损伤识别问题,提出一种优化变分模态提取结合稀疏最大谐波噪声比解卷积的新颖损伤识别方法,旨在从复合信号中提取特定信号分量。首先,以能量特征指标为适应度函数,利用白鲨优化算法对变分模态提取算法的最优影响... 针对风电机组变桨轴承的损伤识别问题,提出一种优化变分模态提取结合稀疏最大谐波噪声比解卷积的新颖损伤识别方法,旨在从复合信号中提取特定信号分量。首先,以能量特征指标为适应度函数,利用白鲨优化算法对变分模态提取算法的最优影响参数组合进行搜索,确定变分模态提取的平衡因子和中心频率的最优值;其次,利用变分模态提取从振动信号中提取特定信号分量,并对提取的信号分量进行稀疏最大谐波噪声比解卷积处理,提高信号的信噪比,得到解卷积信号;最后,对解卷积信号进行包络谱分析,从中提取轴承损伤特征频率。结果表明:该方法能准确识别风电机组变桨轴承的损伤特征,具有一定的实际工程参考价值。 展开更多
关键词 风电机组 变桨轴承 损伤识别 白鲨优化 分模态提取 稀疏最大谐波噪声比解卷积
下载PDF
基于VME-M1DCNN-LSTM的齿轮异常状态智能识别
12
作者 杜文友 王宇琦 +2 位作者 崔霄 徐伟 崔建国 《沈阳航空航天大学学报》 2023年第5期50-55,共6页
针对工程实际中齿轮振动信号受噪声污染严重导致其异常状态难以准确识别的问题,提出了一种基于变分模态提取(variational mode extraction,VME)和多尺度一维卷积(multiscale one-dimensional convolution,M1DCNN)融合长短时记忆神经网络... 针对工程实际中齿轮振动信号受噪声污染严重导致其异常状态难以准确识别的问题,提出了一种基于变分模态提取(variational mode extraction,VME)和多尺度一维卷积(multiscale one-dimensional convolution,M1DCNN)融合长短时记忆神经网络(long short-term memory,LSTM)的齿轮异常状态智能识别新方法。首先,采用VME方法分别对采集到的齿轮处于正常状态、轮齿碎裂、齿轮断齿、齿根裂纹以及齿轮磨损等5种状态的原始振动信号进行预处理,去除原始振动信号中的噪声干扰,提取齿轮不同状态的主模态分量作为齿轮状态的特征信息;其次,由提取的齿轮状态主模态分量构建训练数据集与测试数据集;最后,设计了M1DCNN-LSTM异常状态识别模型,并采用所构建的数据集对设计的异常状态识别模型进行了测试试验验证。结果表明,所提出的方法可以很好地实现齿轮异常状态智能识别效能,异常状态识别准确率达99.25%,明显高于其他相关齿轮异常状态识别方法。 展开更多
关键词 齿轮 异常状态识别 分模态提取 多尺度一维卷积 长短时记忆神经网络
下载PDF
An extraction method for pressure beat vibration characteristics of hydraulic drive system based on variational mode decomposition 被引量:2
13
作者 QIAN Duo-zhou GU Li-chen +1 位作者 YANG Sha MA Zi-wen 《Journal of Measurement Science and Instrumentation》 CAS CSCD 2020年第3期228-235,共8页
In the pump-controlled motor hydraulic transmission system,when the pressure pulsation frequencies seperately generated by the pump and the motor are close to each other,the hydraulic system will generate a strong pre... In the pump-controlled motor hydraulic transmission system,when the pressure pulsation frequencies seperately generated by the pump and the motor are close to each other,the hydraulic system will generate a strong pressure beat vibration phenomenon,which will seriously affect the smooth running of the hydraulic system.However,the modulated pressure signal also carries information related to the operating state of the hydraulic system,and a accurate extraction of pressure vibration characteristics is the key to obtain the operating state information of the hydraulic system.In order to extract the pressure beat vibration signal component effectively from the multi-component time-varying aliasing pressure signal and reconstruct the time domain characteristics,an extraction method of the pressure beat vibration characteristics of the hydraulic transmission system based on variational mode decomposition(VMD)is proposed.The experimental results show that the VMD method can accurately extract the pressure beat vibration characteristics from the high-pressure oil pressure signal of the hydraulic system,and the extraction effect is preferable to that of the traditional signal processing methods such as empirical mode decomposition(EMD). 展开更多
关键词 hydraulic drive system pressure beat vibration variational mode decomposition(VMD) characteristic extraction
下载PDF
The Use of MCRD Technique in Mode Shapes Extraction
14
作者 Ahmed. A. Elshafey Mahmoud R. Haddara H. Marzouk 《Journal of Civil Engineering and Architecture》 2010年第7期26-33,共8页
The random decrement technique is an averaging technique that can be used to extract the free decay response of the structure from its random stationary vibratory response. The free decay response can then be used to ... The random decrement technique is an averaging technique that can be used to extract the free decay response of the structure from its random stationary vibratory response. The free decay response can then be used to identify the vibratory characteristics of the structure. The main advantage of the technique is that the identification of the parameters of the structure is achieved without previous knowledge of the excitation forces. This paper extends the random decrement technique to obtain the mode shapes of the structure using the concept of a multichannel random decrement technique (MCRD). This technique is based on extracting simultaneous random decrement records from measurements made at several points on the structure. The method is very efficient and simple. Numerical examples are solved and compared with the exact mode shapes extracted using classical modal analysis. An excellent agreement between the extracted modes shapes using the MCRD and those obtained from the classical modal analysis techniques is achieved. The vibration of an offshore structure excited by white noise excitation is used to illustrate the method. 展开更多
关键词 Mode shapes multichannel random decrement free decay
下载PDF
基于故障特征系数的IGWO-VME方法及其在轮对轴承故障诊断中的应用
15
作者 李翠省 刘永强 +2 位作者 廖英英 王俊锋 刘文朋 《铁道学报》 EI CAS 2024年第12期49-57,共9页
针对加速度传感器采集的信号中包含多种干扰成分,导致轴承早期故障特征难以准确获取问题,提出一种基于自适应变分模态提取(VME)的故障诊断方法。VME算法是一种从多分量信号中提取单一分量的有效技术方法,提取结果与惩罚因子和初始中心... 针对加速度传感器采集的信号中包含多种干扰成分,导致轴承早期故障特征难以准确获取问题,提出一种基于自适应变分模态提取(VME)的故障诊断方法。VME算法是一种从多分量信号中提取单一分量的有效技术方法,提取结果与惩罚因子和初始中心频率密切相关。为自适应获取这些关键参数,利用改进灰狼优化器(IGWO)优化VME。考虑故障特征系数(FFC)具有明确的指向性,可以准确评估信号中特定故障的含量,因此建立适应度函数引导IGWO进行全局寻优。通过一个数值模拟信号和两个轮对轴承实验信号的分析,验证IGWO-VME方法的有效性。与自适应变分模态分解(AVMD)和快速谱峭度图(FK)的对比分析表明,IGWO-VME方法具有更强的故障特征提取能力,是一种更为先进的轮对轴承故障诊断方法。 展开更多
关键词 分模态提取 惩罚因子 初始中心频率 改进灰狼优化器 故障特征系数
下载PDF
基于JS-VME-DBN和MS-UMAP的行星齿轮箱故障诊断方法 被引量:2
16
作者 戚晓利 程主梓 +1 位作者 崔创创 杨艳 《航空动力学报》 EI CAS CSCD 北大核心 2024年第3期231-243,共13页
为了解决行星齿轮箱振动信号存在噪声干扰和特征提取困难的问题,提出一种基于水母搜索优化变分模态提取(JS-VME)、深度置信网络(DBN)和监督型马氏距离的均匀流形逼近与投影算法(MSUMAP)的行星齿轮箱故障诊断方法。采集行星齿轮箱的振动... 为了解决行星齿轮箱振动信号存在噪声干扰和特征提取困难的问题,提出一种基于水母搜索优化变分模态提取(JS-VME)、深度置信网络(DBN)和监督型马氏距离的均匀流形逼近与投影算法(MSUMAP)的行星齿轮箱故障诊断方法。采集行星齿轮箱的振动信号,利用JS-VME对其进行预处理,获得相关性较强的期望IMF(intrinsic mode function)分量;然后将该IMF分量应用DBN提取特征向量,构建高维故障特征集;采用MS-UMAP进行维数约减,获得低维、敏感的故障特征;将低维故障特征集应用水母搜索优化核极限学习机(JS-KELM)判别故障类型。行星齿轮箱故障诊断实验结果表明:与UMAP、t-SNE、Isomap、LPP、WIsomap、LLE、LTSA和MDS等方法相比,MS-UMAP算法对JS-VME-DBN的特征提取结果有着最佳的降维效果,所提方法对行星齿轮箱的裂纹、磨损和缺齿等故障的识别率达到了100%,具有一定的有效性。 展开更多
关键词 故障诊断 行星齿轮箱 分模态提取(VME) 深度置信网络(DBN) 均匀流行逼近与投影算法(UMAP) 核极限学习机(KELM)
原文传递
Intrinsic mode characteristic analysis and extraction in underwater cylindrical shell acoustic radiation 被引量:4
17
作者 LIU QingYu FANG ShiLiang +3 位作者 CHENG Qiang CAO Jin AN Liang LUO XinWei 《Science China(Physics,Mechanics & Astronomy)》 SCIE EI CAS 2013年第7期1339-1345,共7页
Target dimension is important information in underwater target classification. An intrinsic mode characteristic extraction method in underwater cylindrical shell acoustic radiation was studied in this paper based on t... Target dimension is important information in underwater target classification. An intrinsic mode characteristic extraction method in underwater cylindrical shell acoustic radiation was studied in this paper based on the mechanism of shell vibration to gain the information about its dimension instead of accurate inversion processing. The underwater cylindrical shell vibration and acoustic radiation were first analyzed using mode decomposition to solve the wave equation. The characteristic of acoustic radiation was studied with different cylindrical shell lengths, radii, thickness, excitation points and fine structures. Simulation results show that the intrinsic mode in acoustic radiation spectrum correlates closely with the geometry dimensions of cylindrical shells. Through multifaceted analysis, the strongest intrinsic mode characteristic extracted from underwater shell acoustic radiated signal was most likely relevant to the radiated source radius. Then, partial information about unknown source dimension could be gained from intrinsic mode characteristic in passive sonar applications for underwater target classification. Experimental data processing results verified the effectiveness of the method in this paper. 展开更多
关键词 cylindrical shell mode decomposition acoustic radiation characteristic
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部