期刊文献+
共找到1,949篇文章
< 1 2 98 >
每页显示 20 50 100
基于在线振动监测技术的风电机组齿轮箱故障分析与诊断
1
作者 徐国平 沈佳涛 +1 位作者 金程玮 吴博阳 《微特电机》 2024年第6期23-25,29,共4页
风电作为最具经济性的清洁能源,在推动能源系统实现绿色低碳转型、应对气候变化、保障能源供应安全方面发挥着越来越重要的基础支撑作用。齿轮箱是风电机组中最重要的部件之一,其故障直接影响风电机组的正常运行和寿命。重点研究在线振... 风电作为最具经济性的清洁能源,在推动能源系统实现绿色低碳转型、应对气候变化、保障能源供应安全方面发挥着越来越重要的基础支撑作用。齿轮箱是风电机组中最重要的部件之一,其故障直接影响风电机组的正常运行和寿命。重点研究在线振动监测技术在风电机组齿轮箱故障诊断中的应用。通过振动监测技术获取齿轮箱振动加速度信号数据,分析该信号的频域特征和时域特征,提取出与齿轮箱故障相关的特征用于进行故障类型判断和预警,以便为后续现场人员对齿轮箱维修和保养维护工作提供参考依据。 展开更多
关键词 在线振动监测技术 齿轮 故障诊断 风电机组 频谱分析
下载PDF
齿轮箱行星轮系故障诊断与原因分析
2
作者 王子顺 汪韵朗 赵东辉 《机械传动》 北大核心 2024年第9期128-138,共11页
综合运用振动信号分析、内窥镜检查、宏观观察、金相分析、扫描电镜(Scanning Electron Microscopy,SEM)分析、能谱仪分析(Energy Dispersive Spectroscopy,EDS)和力学性能试验等多种技术手段,针对某型号风电齿轮箱出现的沿齿槽径向开... 综合运用振动信号分析、内窥镜检查、宏观观察、金相分析、扫描电镜(Scanning Electron Microscopy,SEM)分析、能谱仪分析(Energy Dispersive Spectroscopy,EDS)和力学性能试验等多种技术手段,针对某型号风电齿轮箱出现的沿齿槽径向开裂现象进行了故障诊断与原因分析。通过振动信号分析发现异常振动,并通过频谱分析和时域特征提取了确定异常振动的特征;通过内窥镜检查确认故障位置,拆解后利用SEM检测确认裂纹源存在一块大尺寸夹杂物,并通过EDS明确了夹杂物的成分;进一步分析确定齿轮贯穿性开裂的整个过程,通过综合分析确定了故障原因和位置,为设备维护提供了科学依据,并为提高生产效率、延长设备寿命、降低故障损失和维修成本提供了参考。 展开更多
关键词 风力发电机组 故障诊断 原因分析 故障闭环 齿轮开裂
下载PDF
采煤机摇臂齿轮箱故障分析及诊断技术研究
3
作者 张志年 《能源与节能》 2024年第9期171-173,共3页
摇臂齿轮箱是采煤机故障高发部件,对煤矿井下常用的7LS06采煤机摇臂齿轮箱故障位置进行了诊断,发现其减速齿轮及轴承经常发生故障,由于齿轮及轴承在正常运行状态下会产生固定的振动频率,而缺陷或故障会导致其结构发生改变,从而使原有的... 摇臂齿轮箱是采煤机故障高发部件,对煤矿井下常用的7LS06采煤机摇臂齿轮箱故障位置进行了诊断,发现其减速齿轮及轴承经常发生故障,由于齿轮及轴承在正常运行状态下会产生固定的振动频率,而缺陷或故障会导致其结构发生改变,从而使原有的振动频率发生变化,因此,现场采用振动测试平台获取采煤机齿轮箱的振动信号,将测试结果与现场监测结果进行比对分析,进一步验证了故障诊断技术的可靠性。 展开更多
关键词 采煤机 齿轮 振动参数 故障分析
下载PDF
小波分析在齿轮箱故障诊断中的应用研究
4
作者 黄辉 张冠勇 《建筑机械》 2024年第10期165-168,共4页
文章将小波分析这一时频分析方法应用到齿轮箱故障诊断领域。以JZQ250型号齿动箱为实验对象,对齿轮崩齿故障信号进行小波分解并提取故障特征信息,并对轴承外圈点蚀故障信号利用小波分析技术做功率谱分析,有效地对齿轮箱故障进行了分析... 文章将小波分析这一时频分析方法应用到齿轮箱故障诊断领域。以JZQ250型号齿动箱为实验对象,对齿轮崩齿故障信号进行小波分解并提取故障特征信息,并对轴承外圈点蚀故障信号利用小波分析技术做功率谱分析,有效地对齿轮箱故障进行了分析和诊断。 展开更多
关键词 小波分析 齿轮 故障诊断
下载PDF
风力发电机组中齿轮箱的故障诊断与分析
5
作者 张文辉 《中文科技期刊数据库(文摘版)工程技术》 2024年第3期0056-0059,共4页
风力发电机组中的齿轮箱是核心组件之一,负责将风轮的低速旋转转换为发电机所需的高速旋转。齿轮箱故障可能导致风力发电机组停机,造成巨大损失。本文分析了风力发电机组齿轮箱的常见故障,包括齿面磨损、齿轮破裂、轴承损坏、润滑油劣... 风力发电机组中的齿轮箱是核心组件之一,负责将风轮的低速旋转转换为发电机所需的高速旋转。齿轮箱故障可能导致风力发电机组停机,造成巨大损失。本文分析了风力发电机组齿轮箱的常见故障,包括齿面磨损、齿轮破裂、轴承损坏、润滑油劣化或油路堵塞,并探讨了故障诊断技术,这些技术包括振动分析、声发射技术、油液分析、温度监测和电机电流签名分析,希望通过本次的研究能够给齿轮箱故障预警和诊断提供一些参考,保障风力发电机组的稳定运行。 展开更多
关键词 齿轮故障 风力发电机组 故障诊断 振动分析
下载PDF
基于格拉姆角场与深度卷积生成对抗网络的行星齿轮箱故障诊断 被引量:2
6
作者 古莹奎 石昌武 陈家芳 《噪声与振动控制》 CSCD 北大核心 2024年第1期111-118,共8页
针对行星齿轮箱故障诊断中样本分布不均衡所引起的模型泛化能力差及诊断精度低等问题,采用格拉姆角场图像编码技术和深度卷积生成对抗网络相结合进行数据增强,融合AlexNet卷积神经网络进行故障诊断。将采集到的一维振动信号转化为格拉... 针对行星齿轮箱故障诊断中样本分布不均衡所引起的模型泛化能力差及诊断精度低等问题,采用格拉姆角场图像编码技术和深度卷积生成对抗网络相结合进行数据增强,融合AlexNet卷积神经网络进行故障诊断。将采集到的一维振动信号转化为格拉姆角场图,按比例划分训练集与测试集,将训练集样本与随机向量输入到深度卷积生成对抗网络模型中,交替训练生成器与判别器,达到纳什平衡,生成与原始样本类似的生成样本,从而实现故障样本的增广。用原始样本与生成的增广样本训练卷积神经网络分类模型,完成行星齿轮箱的故障识别。实验结果表明,所提方法能够有效提升样本不均衡条件下的行星齿轮箱故障诊断精度,使之达到99.15%,且能使收敛速度更快。 展开更多
关键词 故障诊断 格拉姆角场 深度卷积生成对抗网络 卷积神经网络 行星齿轮
下载PDF
基于多模 态集成卷积神经网络的数控机床齿轮箱故障诊断 被引量:1
7
作者 姜广君 杨永吉 王赜 《机床与液压》 北大核心 2024年第8期202-207,共6页
针对数控机床齿轮箱在实际工作环境中负载多变且噪声干扰大、传统神经网络难以充分提取信号中的故障特征等问题,提出一种多模态集成卷积神经网络(MECNN)用于数控机床齿轮箱故障诊断。该方法将多模态融合技术与多个卷积神经网络结合,利... 针对数控机床齿轮箱在实际工作环境中负载多变且噪声干扰大、传统神经网络难以充分提取信号中的故障特征等问题,提出一种多模态集成卷积神经网络(MECNN)用于数控机床齿轮箱故障诊断。该方法将多模态融合技术与多个卷积神经网络结合,利用快速傅里叶变换方法将时域信号转换成频域信号;利用时域信号和频域信号对2个卷积神经网络进行训练,使模型能够分别从时域和频域2个角度提取特征,再将浅层特征融合;最后,将融合后的特征输入到卷积神经网络中进行故障特征的深度挖掘,并进行故障诊断。使用东南大学的齿轮箱数据集进行验证,设计了2种特征融合的方法并进行了对比。实验结果表明:在噪声下,MECNN模型用于故障诊断的准确性和鲁棒性均优于单一的时域CNN和频域CNN。 展开更多
关键词 数控机床齿轮 故障诊断 多模态学习 卷积神经网络
下载PDF
变转速下基于改进多阶概率方法的风电齿轮箱故障诊断研究
8
作者 刘长良 刘少康 +2 位作者 李洋 刘帅 武英杰 《仪器仪表学报》 EI CAS CSCD 北大核心 2024年第5期208-217,共10页
阶次跟踪是一种有效的解决变转速故障诊断问题的方法,其关键前提是存在转速信号作为参考。然而,由于强背景噪声和弱谐波关系的影响,现有转速估计方法的准确性和自适应性有待进一步提高。因此,提出一种融合多传感器信号的改进多阶概率方... 阶次跟踪是一种有效的解决变转速故障诊断问题的方法,其关键前提是存在转速信号作为参考。然而,由于强背景噪声和弱谐波关系的影响,现有转速估计方法的准确性和自适应性有待进一步提高。因此,提出一种融合多传感器信号的改进多阶概率方法(MOPA)用以估计瞬时转速。首先,依据不同传感器信号的基频统一性和主导分量差异性,通过时频图瞬时切片归一化融合的方式,构建具有强谐波关系的时频图;其次,为消除时变工况下时频图中横纵方向上的间歇恒频和短时宽频背景噪声,提出滑动消噪方法;最后,基于处理后的时频图执行MOPA,实现瞬时转速自动估计,结合阶次跟踪解决风电齿轮箱变转速故障诊断问题。经实测数据验证,改进MOPA估计的瞬时频率的准确性和自适应性均优于对方法,平均绝对百分比误差为0.56%,均小于对比方法的15.73%、13.99%和1.21%。结合阶次分析诊断了变转速下风电齿轮箱异常。 展开更多
关键词 变转速 故障诊断 风电齿轮 瞬时频率 阶次跟踪
下载PDF
基于MTF-Swin Transformer的风机齿轮箱故障诊断
9
作者 张彬桥 雷钧 万刚 《可再生能源》 CAS CSCD 北大核心 2024年第5期627-633,共7页
针对风机齿轮箱实际工况复杂多变及含有强噪声,传统故障诊断方法对风机齿轮箱故障诊断识别准确率较低的问题,文章提出了MTF-Swin Transformer风机齿轮箱故障诊断模型。首先,采用马尔科夫变迁场(MTF)图形编码方法将原始一维振动时序信号... 针对风机齿轮箱实际工况复杂多变及含有强噪声,传统故障诊断方法对风机齿轮箱故障诊断识别准确率较低的问题,文章提出了MTF-Swin Transformer风机齿轮箱故障诊断模型。首先,采用马尔科夫变迁场(MTF)图形编码方法将原始一维振动时序信号转化为具有关联时间信息的二维特征图谱;然后,将特征图谱作为Swin Transformer模型的输入,基于自注意力机制进行自动特征提取;最后,实现对不同故障类型的分类。仿真结果表明,该方法对齿轮箱故障诊断准确率达到了99.48%,证明了该方法的有效性和优越性。 展开更多
关键词 马尔科夫变迁场(MTF) Swin Transformer 风机齿轮 故障诊断
下载PDF
并行RSSD和改进MOMEDA的齿轮箱故障诊断
10
作者 尹志安 孙文龙 王凯 《机械设计与制造》 北大核心 2024年第9期196-204,共9页
为了克服传统共振稀疏信号分解与矩量法的局限性,提高其提取微弱故障特征的能力,提出了一种并行双参数优化RSSD和改进MOMEDA的行星齿轮箱故障诊断方法。首先,并行双参数优化RSSD构造了与不同故障特征相匹配的小波基函数,并将复合故障信... 为了克服传统共振稀疏信号分解与矩量法的局限性,提高其提取微弱故障特征的能力,提出了一种并行双参数优化RSSD和改进MOMEDA的行星齿轮箱故障诊断方法。首先,并行双参数优化RSSD构造了与不同故障特征相匹配的小波基函数,并将复合故障信号自适应分解为不同的谐振分量,实现了复杂故障特征的解耦。其次,利用改进MOMEDA对共振分量进行去卷积滤波,有效地消除了复杂传输路径和强环境噪声的影响,增强了与弱故障相关的脉冲。最后,通过对行星齿轮箱实验平台的实际故障信号的分析,证明了提出的方法不仅具有良好的解耦性能以及提取弱故障信号能力,且能够全面、准确地提取不同类型的故障。 展开更多
关键词 共振稀疏信号分解 多点最优最小熵反褶积 行星齿轮 故障诊断
下载PDF
基于NGO-VMD和改进GoogLeNet的齿轮箱故障诊断方法
11
作者 李俊卿 刘若尧 何玉灵 《机床与液压》 北大核心 2024年第12期193-201,共9页
目前的齿轮箱故障诊断方法,在多转速工况及噪声干扰下,存在过拟合及诊断效果不佳的问题。针对此问题,提出一种北方苍鹰(NGO)算法优化变分模态分解(VMD)结合改进GoogLeNet的齿轮箱故障诊断方法。使用NGO对VMD进行参数寻优,利用优化后的VM... 目前的齿轮箱故障诊断方法,在多转速工况及噪声干扰下,存在过拟合及诊断效果不佳的问题。针对此问题,提出一种北方苍鹰(NGO)算法优化变分模态分解(VMD)结合改进GoogLeNet的齿轮箱故障诊断方法。使用NGO对VMD进行参数寻优,利用优化后的VMD去除故障信号中的噪声;对原始GoogLeNet的结构进行合理删减,并利用延迟丢弃法、可训练的ReLU函数(TReLU)对其改进;最后,将去噪后的故障信号转换为二维图作为改进GoogLeNet的输入数据进行网络的训练及分类,得到故障诊断结果。实验结果表明:与其他降噪方法相比,NGO-VMD方法的降噪效果明显,能显著提高故障诊断的准确率;与常见的卷积神经网络相比,提出的改进GoogLeNet能进一步提高故障诊断的准确率,达到了97.2%。 展开更多
关键词 变分模态分解(VMD) 北方苍鹰优化(NGO)算法 改进GoogLeNet 齿轮故障诊断
下载PDF
基于LSTM-RF的电动钻机绞车齿轮箱故障诊断
12
作者 刘光星 马一豪 《振动与冲击》 EI CSCD 北大核心 2024年第21期156-162,230,共8页
针对提高石油电动钻机绞车齿轮箱故障诊断的准确性和效率,提出了一种基于长短期记忆网络(long short-term memory,LSTM)和随机森林(random forest,RF)融合模型。首先,运用LSTM能够从大规模数据中学习复杂特征,将这些特征作为随机森林的... 针对提高石油电动钻机绞车齿轮箱故障诊断的准确性和效率,提出了一种基于长短期记忆网络(long short-term memory,LSTM)和随机森林(random forest,RF)融合模型。首先,运用LSTM能够从大规模数据中学习复杂特征,将这些特征作为随机森林的输入。然后,通过随机森林处理非线性和高维数据以及对特征的分类,以实现对齿轮不同故障状态的识别。最后,利用电动钻机绞车齿轮箱运行过程中的实时数据,建立了一个包含多种齿轮故障类型的综合数据集。试验结果表明,LSTM齿轮故障诊断准确率为94.67%,RF齿轮故障诊断准确率为94.34%,支持向量机齿轮故障诊断准确率为82.00%,K近邻齿轮故障诊断准确率88.33%,而融合模型LSTM-RF在齿轮故障诊断准确率方面达到了98.33%,克服了单一模型的局限性,提高了诊断准确性。研究表明了融合模型具有更优的电动钻机绞车齿轮箱故障诊断能力。 展开更多
关键词 电动钻机 齿轮 故障诊断 长短期记忆网络(LSTM) 随机森林(RF)算法
下载PDF
基于SDP和MCNN-LSTM的齿轮箱故障诊断方法
13
作者 吴胜利 周燚 邢文婷 《振动与冲击》 EI CSCD 北大核心 2024年第15期126-132,178,共8页
齿轮箱在长期使用过程中,不可避免地会产生齿轮故障和轴承故障,严重影响传动精度和设备运行安全。基于此,针对齿轮箱常见故障类型,研究多通道对称点图案(symmetrized dot pattern, SDP)数据处理方法,并利用最小能量误差法实现SDP关键参... 齿轮箱在长期使用过程中,不可避免地会产生齿轮故障和轴承故障,严重影响传动精度和设备运行安全。基于此,针对齿轮箱常见故障类型,研究多通道对称点图案(symmetrized dot pattern, SDP)数据处理方法,并利用最小能量误差法实现SDP关键参数的选取。结合多尺度卷积神经网络(multi-scale convolutional neural network, MCNN)的空间处理优势、长短时记忆网络(long short term memory, LSTM)的时间处理优势及其良好的抗噪性和鲁棒性,提出了一种基于SDP和MCNN-LSTM的齿轮箱故障诊断模型。同时利用东南大学齿轮箱数据集,验证了基于SDP和MCNN-LSTM的齿轮箱故障诊断方法对齿轮和轴承常见故障类型特征提取的有效性,并与现有其他故障诊断方法进行对比,结果表明了所提方法具有更高的精度。 展开更多
关键词 齿轮故障诊断 对称点图案(SDP) 最小能量误差 多尺度卷积神经网络(MCNN) 长短时记忆网络(LSTM)
下载PDF
EHDE和WHO-SVM模型在齿轮箱故障诊断中的应用
14
作者 马晓娜 周海超 《机电工程》 CAS 北大核心 2024年第4期622-632,共11页
针对现有齿轮箱故障诊断方法对数据长度敏感的缺陷,提出了一种基于增强层次多样性熵(EHDE)和野马算法(WHO)优化支持向量机(SVM)的齿轮箱故障诊断模型。首先,传统熵值特征提取方法在特征提取阶段对数据样本的长度比较敏感,为此提出了增... 针对现有齿轮箱故障诊断方法对数据长度敏感的缺陷,提出了一种基于增强层次多样性熵(EHDE)和野马算法(WHO)优化支持向量机(SVM)的齿轮箱故障诊断模型。首先,传统熵值特征提取方法在特征提取阶段对数据样本的长度比较敏感,为此提出了增强层次多样性熵,并将其作为特征提取指标用于提取齿轮箱的故障特征;其次,采用WHO算法对SVM模型的参数进行了优化,建立了参数最优的WHO-SVM分类器;最后,将故障特征样本输入至WHO-SVM分类器中进行了训练和识别,完成了样本的故障识别;利用齿轮箱数据集分别从数据长度敏感性、算法特征提取时间、模型诊断性能三种角度对EHDE、精细复合多尺度样本熵、精细复合多尺度模糊熵、精细复合多尺度排列熵、精细复合多尺度散布熵、精细复合多尺度波动散布熵进行了对比研究。研究结果表明:EHDE方法对数据长度的要求较低,在数据长度为512时即可以取得99.1%的平均识别准确率,在诊断稳定性和诊断精度方面均优于其他对比方法;在算法的泛化性实验中,EHDE方法能够以98%的准确率识别齿轮箱的不同故障类型,具有明显的泛化性和通用性。 展开更多
关键词 齿轮故障诊断 增强层次多样性熵 野马算法优化支持向量机 数据长度敏感性 算法特征提取时间 模型诊断性能
下载PDF
基于图注意力网络的风力发电机齿轮箱故障诊断
15
作者 谭启瑜 马萍 +1 位作者 张宏立 王妮妮 《太阳能学报》 EI CAS CSCD 北大核心 2024年第1期265-274,共10页
针对风力发电机齿轮箱故障振动信号的非平稳性、特征混叠和诊断正确率低等问题,提出一种基于图注意力网络(GAT)的风力发电机齿轮箱故障诊断方法。首先利用原始振动信号的频谱定义节点和边,将故障信号构造为可视图;然后将可视图数据作为... 针对风力发电机齿轮箱故障振动信号的非平稳性、特征混叠和诊断正确率低等问题,提出一种基于图注意力网络(GAT)的风力发电机齿轮箱故障诊断方法。首先利用原始振动信号的频谱定义节点和边,将故障信号构造为可视图;然后将可视图数据作为输入,在GAT中嵌入邻居自注意力机制使其自适应提取可视图信号的节点特征和结构特征;最后使用分类器对提取的节点特征进行分类识别。通过行星齿轮箱数据集和风力发电机齿轮箱数据集的实验,结果表明与机器学习、深度学习以及其他图神经网络相比,所提方法准确率更高,鲁棒性和抗噪性更好,可有效实现端到端的智能故障诊断。 展开更多
关键词 风力发电机 齿轮 故障诊断 可视图 图注意力网络
下载PDF
GADF和改进CNN的齿轮箱复杂环境下故障诊断
16
作者 刘成义 董绍江 +1 位作者 唐倩 邓文亮 《机械设计与制造》 北大核心 2024年第9期92-96,103,共6页
针对齿轮箱同时处于变负载和含有噪声的复杂环境下的故障诊断难题,提出一种基于格拉姆角差场(Gram Angle Difference Field,简称GADF)和改进的具有多注意力机制的卷积神经网络(Multiple Attention Mechanism Convolutional Neural Netwo... 针对齿轮箱同时处于变负载和含有噪声的复杂环境下的故障诊断难题,提出一种基于格拉姆角差场(Gram Angle Difference Field,简称GADF)和改进的具有多注意力机制的卷积神经网络(Multiple Attention Mechanism Convolutional Neural Network,简称MACNN)的齿轮箱故障诊断方法。首先将采集得到齿轮箱的一维振动信号的故障数据集进行预处理;然后通过格拉姆角差场将一维数据集转为二维图像数据;其次,将二维数据集数输入到改进的带有多注意力机制的卷积神经网络模型中进行训练;最后采用Softmax对齿轮箱故障数据集进行分类。通过试验验证,这里所提的方法在两个负载数据集上都可以达到99.80%以上,改进之后的模型训练效率更高、耗时更短,同时这里所提方法也优于一些已经发表的齿轮箱故障诊断的方法,此外本方法对齿轮箱在同时处于变负载和噪声的复杂环境中,依然有着较强的故障诊断能力。 展开更多
关键词 齿轮故障诊断 格拉姆角差场 注意力机制 卷积神经网络
下载PDF
基于自适应变分模态分解的齿轮箱故障诊断
17
作者 谢锋云 汪淦 +2 位作者 赏鉴栋 樊秋阳 朱海燕 《推进技术》 EI CAS CSCD 北大核心 2024年第9期218-227,共10页
针对航空齿轮箱故障诊断中采集到的振动信号包含复杂噪声干扰和冗余成分的问题,提出了基于自适应变分模态分解的齿轮箱故障诊断方法。利用综合评价指标完成变分模态分解(VMD)中分解层数K值的自适应选取,通过设置相关系数和能量熵的阈值... 针对航空齿轮箱故障诊断中采集到的振动信号包含复杂噪声干扰和冗余成分的问题,提出了基于自适应变分模态分解的齿轮箱故障诊断方法。利用综合评价指标完成变分模态分解(VMD)中分解层数K值的自适应选取,通过设置相关系数和能量熵的阈值,筛选同时大于阈值的分量作为包含主要能量且与原信号更加相似的分量进行重构,实现信号的降噪和特征增强。利用结合精细复合多尺度散布熵(RCMDE)对降噪后的信号进行特征提取,充分提取反映振动信号不同时间尺度复杂程度的非线性特征组成特征向量。使用粒子群算法(PSO)优化的核极限学习机(KELM)对所提取的特征进行识别。通过实验验证,该模型10次测试的平均准确率可达95.04%。与其他特征提取和模式识别方法进行对比,所提方法具有更高的诊断准确率,为航空齿轮箱的故障诊断提供了新的方法。 展开更多
关键词 航空齿轮 故障诊断 信号降噪 自适应变分模态分解 粒子群算法 核极限学习机
下载PDF
基于希尔伯特变换的风电机组齿轮箱故障诊断方法研究
18
作者 高宏伟 李新成 +4 位作者 何晓宁 刘长安 王瀚驰 李文成 张宝慧 《机床与液压》 北大核心 2024年第9期215-220,共6页
齿轮箱作为风电机组关键部件,由于运行环境以及工况的复杂性,易出现故障,严重威胁机组安全稳定运行。因此,对齿轮箱进行故障诊断对确保风电机组稳定运行具有重要意义。在介绍齿轮箱结构特点、故障模式、振动监测的基础上,结合齿轮箱结... 齿轮箱作为风电机组关键部件,由于运行环境以及工况的复杂性,易出现故障,严重威胁机组安全稳定运行。因此,对齿轮箱进行故障诊断对确保风电机组稳定运行具有重要意义。在介绍齿轮箱结构特点、故障模式、振动监测的基础上,结合齿轮箱结构特点,给出齿轮与轴承故障特征频率的计算方法。同时采用希尔伯特变换与倒谱分析相结合的方法对齿轮箱振动数据进行分析,提取故障特征频率。经实例验证,该方法能够准确得到齿轮箱故障频率的同时定位齿轮箱故障,实现风电机组齿轮箱的故障诊断。 展开更多
关键词 齿轮 风电机组 故障诊断 振动监测
下载PDF
STFT结合2D CNN-SVM的齿轮箱故障诊断方法
19
作者 谢锋云 汪淦 +3 位作者 王玲岚 李刚 朱海燕 谢三毛 《噪声与振动控制》 CSCD 北大核心 2024年第4期103-109,共7页
为提高齿轮箱故障诊断的有效性和故障识别的准确率,提出一种基于短时傅里叶变换(Short-term Fourier transform,STFT)、二维卷积神经网络(Two-dimensional Convolutional Neural Network,2D CNN)和支持向量机(Support Vector Machine,S... 为提高齿轮箱故障诊断的有效性和故障识别的准确率,提出一种基于短时傅里叶变换(Short-term Fourier transform,STFT)、二维卷积神经网络(Two-dimensional Convolutional Neural Network,2D CNN)和支持向量机(Support Vector Machine,SVM)相结合的齿轮箱故障识别方法。搭建JZQ250型定轴齿轮箱实验平台,利用加速度传感器获得齿轮箱振动信号,并对振动信号进行短时傅里叶变换得到二维时频图,然后将时频图输入到2D CNN中进行特征信息提取,通过2D CNN前向传播和反向传播对不同类别故障时频图信息进行训练,建立不同类别特征之间更深层次的联系,通过训练集和验证集loss曲线、准确率曲线和t-SNE可视化(t-Distributed Stochastic Neighbor Embedding,t-SNE)多种方法来反映模型训练程度,最后由SVM对故障类型进行识别。通过将所提出的方法与FFT-2D CNN、1D CNN-SVM和2D CNN-SVM对齿轮箱故障识别结果进行对比,本方法故障识别准确率最高,达到97.94%,且提出的方法具有很好的鲁棒性。 展开更多
关键词 故障诊断 齿轮 短时傅里叶变换 二维卷积神经网络 支持向量机
下载PDF
基于循环卷积生成对抗网络的风机齿轮箱故障诊断 被引量:2
20
作者 赵承利 张璐 钟麦英 《山东科技大学学报(自然科学版)》 CAS 北大核心 2024年第1期109-118,共10页
风机齿轮箱是风力涡轮传动系统中的关键部分,其故障发生随机、故障样本数量不足,严重影响故障诊断的准确性。针对此问题,提出一种基于循环卷积生成对抗网络的风机齿轮箱故障诊断方法。首先,构建基于循环卷积生成对抗网络的样本生成模型... 风机齿轮箱是风力涡轮传动系统中的关键部分,其故障发生随机、故障样本数量不足,严重影响故障诊断的准确性。针对此问题,提出一种基于循环卷积生成对抗网络的风机齿轮箱故障诊断方法。首先,构建基于循环卷积生成对抗网络的样本生成模型,利用卷积网络和循环网络作为生成器增强样本间的时间相关性;借助Wasserstein距离与梯度惩罚项改进目标函数,并通过博弈对抗机制优化生成器和判别器,提高模型的泛化能力。然后,结合真实样本和生成样本,设计基于堆叠去噪自编码器的故障诊断方法,实现齿轮箱的故障诊断。最后,利用风力涡轮传动系统数据集验证所提出的风机齿轮箱故障诊断方法的性能。结果显示,所提方法能够有效平衡故障样本数据集,进一步提高风机齿轮箱故障诊断的准确率。 展开更多
关键词 故障诊断 风机齿轮 生成对抗网络 循环卷积网络 样本生成
下载PDF
上一页 1 2 98 下一页 到第
使用帮助 返回顶部