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
变分模态分解与极限梯度提升树融合的高速轴向柱塞泵空化等级识别
被引量:
3
1
作者
王立尧
王远航
+4 位作者
孟苓辉
李小兵
潮群
陶建峰
刘成良
《液压与气动》
北大核心
2021年第5期62-67,共6页
针对高速轴向柱塞泵在不同空化程度下故障特征不明显导致识别准确率低的问题,提出了一种变分模态分解和极限梯度提升树融合的识别方法。在不同空化等级下进行高速轴向柱塞泵空化试验,采集壳体的振动加速度信号,对信号采用变分模态分解...
针对高速轴向柱塞泵在不同空化程度下故障特征不明显导致识别准确率低的问题,提出了一种变分模态分解和极限梯度提升树融合的识别方法。在不同空化等级下进行高速轴向柱塞泵空化试验,采集壳体的振动加速度信号,对信号采用变分模态分解方法并从中提取故障特征以构造特征数据集,最后利用极限梯度提升树进行空化等级的识别。为证明所提方法的抗噪性能,在测试集中加入了随机高斯白噪声。结果表明,加入不同信噪比的噪声后,该识别模型仍能准确地识别出高速轴向柱塞泵的空化等级。
展开更多
关键词
高速轴向柱塞泵
空化等级识别
变分模态分解
极限梯度提升树
下载PDF
职称材料
基于LSTM和CNN的高速柱塞泵故障诊断
被引量:
33
2
作者
魏晓良
潮群
+2 位作者
陶建峰
刘成良
王立尧
《航空学报》
EI
CAS
CSCD
北大核心
2021年第3期429-439,共11页
针对高速轴向柱塞泵容易发生空化,且目前空化故障诊断方法存在依赖手工特征提取、鲁棒性不高的问题,提出了一种基于长短时记忆(LSTM)和一维卷积神经网络(1D-CNN)相结合的空化故障诊断方法。搭建了柱塞泵故障实验台,采集柱塞泵在不同空...
针对高速轴向柱塞泵容易发生空化,且目前空化故障诊断方法存在依赖手工特征提取、鲁棒性不高的问题,提出了一种基于长短时记忆(LSTM)和一维卷积神经网络(1D-CNN)相结合的空化故障诊断方法。搭建了柱塞泵故障实验台,采集柱塞泵在不同空化等级下的壳体振动信号。利用LSTM和1D-CNN搭建的分类模型对不同进口压力情况下的振动信号进行空化等级识别。实验结果表明:提出的方法能够准确地识别出4类不同的空化等级,准确率高达99.5%,同时在不附加降噪方法的情况下,具有良好的鲁棒性,在0dB信噪比的情况下,识别准确率高达87.3%。
展开更多
关键词
高速轴向柱塞泵
空化等级识别
长短时记忆
卷积神经网络
故障诊断
原文传递
题名
变分模态分解与极限梯度提升树融合的高速轴向柱塞泵空化等级识别
被引量:
3
1
作者
王立尧
王远航
孟苓辉
李小兵
潮群
陶建峰
刘成良
机构
上海交通大学机械系统与振动国家重点实验室
工业和信息化部电子第五研究所
广东省电子信息产品可靠性技术重点实验室
出处
《液压与气动》
北大核心
2021年第5期62-67,共6页
基金
中国博士后科学基金(2019M660086)。
文摘
针对高速轴向柱塞泵在不同空化程度下故障特征不明显导致识别准确率低的问题,提出了一种变分模态分解和极限梯度提升树融合的识别方法。在不同空化等级下进行高速轴向柱塞泵空化试验,采集壳体的振动加速度信号,对信号采用变分模态分解方法并从中提取故障特征以构造特征数据集,最后利用极限梯度提升树进行空化等级的识别。为证明所提方法的抗噪性能,在测试集中加入了随机高斯白噪声。结果表明,加入不同信噪比的噪声后,该识别模型仍能准确地识别出高速轴向柱塞泵的空化等级。
关键词
高速轴向柱塞泵
空化等级识别
变分模态分解
极限梯度提升树
Keywords
high-speed axial piston pump
cavitation intensity identification
variational mode decomposition
XGBoost
分类号
TH137 [机械工程—机械制造及自动化]
TH322 [机械工程—机械制造及自动化]
下载PDF
职称材料
题名
基于LSTM和CNN的高速柱塞泵故障诊断
被引量:
33
2
作者
魏晓良
潮群
陶建峰
刘成良
王立尧
机构
上海交通大学机械系统与振动国家重点实验室
出处
《航空学报》
EI
CAS
CSCD
北大核心
2021年第3期429-439,共11页
基金
国家重点研发计划基金(2017YFD0700602)
中国博士后科学基金(2019M660086)。
文摘
针对高速轴向柱塞泵容易发生空化,且目前空化故障诊断方法存在依赖手工特征提取、鲁棒性不高的问题,提出了一种基于长短时记忆(LSTM)和一维卷积神经网络(1D-CNN)相结合的空化故障诊断方法。搭建了柱塞泵故障实验台,采集柱塞泵在不同空化等级下的壳体振动信号。利用LSTM和1D-CNN搭建的分类模型对不同进口压力情况下的振动信号进行空化等级识别。实验结果表明:提出的方法能够准确地识别出4类不同的空化等级,准确率高达99.5%,同时在不附加降噪方法的情况下,具有良好的鲁棒性,在0dB信噪比的情况下,识别准确率高达87.3%。
关键词
高速轴向柱塞泵
空化等级识别
长短时记忆
卷积神经网络
故障诊断
Keywords
high-speed axial piston pumps
cavitation intensity identification
long short-term memory(LSTM)
convolutional neural network(CNN)
fault diagnosis
分类号
V240.2 [航空宇航科学与技术—飞行器设计]
TH322 [机械工程—机械制造及自动化]
原文传递
题名
作者
出处
发文年
被引量
操作
1
变分模态分解与极限梯度提升树融合的高速轴向柱塞泵空化等级识别
王立尧
王远航
孟苓辉
李小兵
潮群
陶建峰
刘成良
《液压与气动》
北大核心
2021
3
下载PDF
职称材料
2
基于LSTM和CNN的高速柱塞泵故障诊断
魏晓良
潮群
陶建峰
刘成良
王立尧
《航空学报》
EI
CAS
CSCD
北大核心
2021
33
原文传递
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