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
基于声振融合的二次EWT-CNN刀具磨损监测
1
作者
郝旺身
娄永威
+2 位作者
董辛旻
李继康
娄本池
《组合机床与自动化加工技术》
北大核心
2024年第2期8-12,共5页
为了实现加工过程中对刀具磨损状态的监测,提出一种基于协同过滤融合的方法。首先,对工作刀具振动信号和声音信号进行特征相关性分析后进行数据层融合;然后,将得到的声振融合信号进行二次经验小波变换(EWT)后去噪重构;最后,将重构信号...
为了实现加工过程中对刀具磨损状态的监测,提出一种基于协同过滤融合的方法。首先,对工作刀具振动信号和声音信号进行特征相关性分析后进行数据层融合;然后,将得到的声振融合信号进行二次经验小波变换(EWT)后去噪重构;最后,将重构信号进行信号增强并送入CNN实现特征提取及刀具故障识别。通过对不同故障类型的麻花钻头进行故障识别实验,在声音、振动以及声振融合信号和不同信号去噪重构方法的对比下,该方法对不同故障类型的钻头作出了98.96%的高识别率。验证了所提方法在刀具故障识别方面的优越性。
展开更多
关键词
声振融合信号
刀具磨损
故障识别
经验小波变换
卷积神经网络
下载PDF
职称材料
基于声振信号融合的IRCMMDE离心泵损伤检测方法
被引量:
2
2
作者
陆春元
焦洪宇
《机电工程》
CAS
北大核心
2023年第6期952-959,共8页
离心泵早期的损伤特征比较微弱,难以有效提取其故障特征。针对这一问题,提出了一种基于声振信号融合的改进精细复合多元多尺度散布熵(IRCMMDE)和GWO-SVM的离心泵损伤检测方法。首先,利用多个传感器收集了离心泵在不同损伤状态下的声音...
离心泵早期的损伤特征比较微弱,难以有效提取其故障特征。针对这一问题,提出了一种基于声振信号融合的改进精细复合多元多尺度散布熵(IRCMMDE)和GWO-SVM的离心泵损伤检测方法。首先,利用多个传感器收集了离心泵在不同损伤状态下的声音和振动信号,并将声音和振动信号进行了融合,以充分利用不同类型信号中所蕴含的损伤特征信息;随后,针对多元多尺度散布熵(MMDE)不稳定的缺陷,对MMDE的粗粒化处理进行了优化,提出了改进精细复合多元多尺度散布熵(IRCMMDE)的复杂性测量指标;接着,利用IRCMMDE对声振融合信号进行了损伤特征提取,构建了各个损伤状态下的特征矩阵;最后,利用灰狼算法优化的支持向量机分类器,对各个损伤状态下的特征矩阵进行了识别,得到了最终的离心泵损伤检测结论。研究结果表明:采用基于声振信号融合的离心泵损伤检测方法,其最高可达到99.2%的故障识别准确率,相比于基于MMDE和RCMMDE的损伤检测方法,其能够更准确地识别出离心泵的损伤;该方法还能有效缓解单一信号检测时的不确定性,并且在多次实验验证下,其仍具有很高的检测精度。
展开更多
关键词
声
振
信号
融合
离心泵损伤检测
改进精细复合多元多尺度散布熵
灰狼算法
支持向量机
下载PDF
职称材料
题名
基于声振融合的二次EWT-CNN刀具磨损监测
1
作者
郝旺身
娄永威
董辛旻
李继康
娄本池
机构
郑州大学机械与动力工程学院
出处
《组合机床与自动化加工技术》
北大核心
2024年第2期8-12,共5页
基金
国家重点研发计划项目(2016YFF0203104-5)
河南省科技攻关资助项目(202102210075)。
文摘
为了实现加工过程中对刀具磨损状态的监测,提出一种基于协同过滤融合的方法。首先,对工作刀具振动信号和声音信号进行特征相关性分析后进行数据层融合;然后,将得到的声振融合信号进行二次经验小波变换(EWT)后去噪重构;最后,将重构信号进行信号增强并送入CNN实现特征提取及刀具故障识别。通过对不同故障类型的麻花钻头进行故障识别实验,在声音、振动以及声振融合信号和不同信号去噪重构方法的对比下,该方法对不同故障类型的钻头作出了98.96%的高识别率。验证了所提方法在刀具故障识别方面的优越性。
关键词
声振融合信号
刀具磨损
故障识别
经验小波变换
卷积神经网络
Keywords
vibroacoustic fusion signal
tool wear
fault identification
empirical wavelet transform
convolutional neural networks
分类号
TH166 [机械工程—机械制造及自动化]
TG71 [金属学及工艺—刀具与模具]
下载PDF
职称材料
题名
基于声振信号融合的IRCMMDE离心泵损伤检测方法
被引量:
2
2
作者
陆春元
焦洪宇
机构
苏州市职业大学机电工程学院
常熟理工学院汽车工程学院
出处
《机电工程》
CAS
北大核心
2023年第6期952-959,共8页
基金
国家自然科学基金资助项目(51605046)
江苏政府留学奖学金资助项目(JS-2017-188)。
文摘
离心泵早期的损伤特征比较微弱,难以有效提取其故障特征。针对这一问题,提出了一种基于声振信号融合的改进精细复合多元多尺度散布熵(IRCMMDE)和GWO-SVM的离心泵损伤检测方法。首先,利用多个传感器收集了离心泵在不同损伤状态下的声音和振动信号,并将声音和振动信号进行了融合,以充分利用不同类型信号中所蕴含的损伤特征信息;随后,针对多元多尺度散布熵(MMDE)不稳定的缺陷,对MMDE的粗粒化处理进行了优化,提出了改进精细复合多元多尺度散布熵(IRCMMDE)的复杂性测量指标;接着,利用IRCMMDE对声振融合信号进行了损伤特征提取,构建了各个损伤状态下的特征矩阵;最后,利用灰狼算法优化的支持向量机分类器,对各个损伤状态下的特征矩阵进行了识别,得到了最终的离心泵损伤检测结论。研究结果表明:采用基于声振信号融合的离心泵损伤检测方法,其最高可达到99.2%的故障识别准确率,相比于基于MMDE和RCMMDE的损伤检测方法,其能够更准确地识别出离心泵的损伤;该方法还能有效缓解单一信号检测时的不确定性,并且在多次实验验证下,其仍具有很高的检测精度。
关键词
声
振
信号
融合
离心泵损伤检测
改进精细复合多元多尺度散布熵
灰狼算法
支持向量机
Keywords
acoustic vibration signal fusion
damage detection of centrifugal pump
improved refined composite multivariate multiscale dispersion entropy(IRCMMDE)
grey wolf optimizer(GWO)
support vector machine(SVM)
分类号
TH311 [机械工程—机械制造及自动化]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于声振融合的二次EWT-CNN刀具磨损监测
郝旺身
娄永威
董辛旻
李继康
娄本池
《组合机床与自动化加工技术》
北大核心
2024
0
下载PDF
职称材料
2
基于声振信号融合的IRCMMDE离心泵损伤检测方法
陆春元
焦洪宇
《机电工程》
CAS
北大核心
2023
2
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