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IMF-MFDE和GRU的水电机组故障诊断
1
作者
朱文鑫
王淑青
《水电能源科学》
北大核心
2024年第4期173-177,共5页
针对水电机组振动信号非平稳、非线性及强噪声的特点,提出了一种IMF多尺度波动散布熵(MFDE)结合门控循环单元(GRU)的故障诊断方法。首先,采用跳蛛优化算法(JSOA)寻找变分模态分解(VMD)最优参数,达到振动信号最佳分解降噪效果;其次,对分...
针对水电机组振动信号非平稳、非线性及强噪声的特点,提出了一种IMF多尺度波动散布熵(MFDE)结合门控循环单元(GRU)的故障诊断方法。首先,采用跳蛛优化算法(JSOA)寻找变分模态分解(VMD)最优参数,达到振动信号最佳分解降噪效果;其次,对分解得到的本征模态函数(IMF)进行重构,计算有效IMF的多尺度波动散布熵(MFDE)作为故障特征向量;最后,将特征向量输入GRU构建水电机组故障识别器。所提方法对实际水电站机组故障样本数据的故障识别率达97.83%,验证了该方法的有效性。
展开更多
关键词
水电机组振动信号
故障诊断
跳蛛优化算法
变分模态分解
多尺度波动散布熵
下载PDF
职称材料
基于CEEMDAN-MFDE-HHO-SVM的机载燃油泵故障辨识
2
作者
刘军龙
俞凯耀
张相春
《机电工程》
CAS
北大核心
2023年第10期1616-1623,共8页
针对机载燃油泵振动信号的有效分量相互耦合、故障特征提取困难,进而导致故障识别准确率低的问题,提出了一种基于自适应噪声完备经验模态分解(CEEMDAN)、多尺度波动散布熵(MFDE)和哈里斯鹰算法(HHO)优化支持向量机(SVM)的机载燃油泵故...
针对机载燃油泵振动信号的有效分量相互耦合、故障特征提取困难,进而导致故障识别准确率低的问题,提出了一种基于自适应噪声完备经验模态分解(CEEMDAN)、多尺度波动散布熵(MFDE)和哈里斯鹰算法(HHO)优化支持向量机(SVM)的机载燃油泵故障辨识方法(CEEMDAN-MFDE-HHO-SVM)。首先,采用CEEMDAN方法对机载燃油泵振动信号进行了自适应分解,生成了一组从低频到高频分布的本征模态函数(IMF),并选择包含冲击信息较多的IMF分量进行了信号重构,得到了噪声含量较低的信号;然后,采用MFDE方法计算了低噪信号的熵值,构造了表征样本故障属性的特征矩阵;最后,采用HHO算法对SVM的关键参数进行了优化,以构造基于HHO-SVM模型的多故障分类器,对机载燃油泵的故障进行了辨识;基于实测机载燃油泵故障数据集,将CEEMDAN-MFDE-HHO-SVM方法与其他组合方法进行了对比分析。研究结果表明:该故障辨识模型的故障分类准确率达到了100%,在信号处理、熵值特征提取和分类器方面都优于其他对比方法;该模型不仅具有更高的分类准确率,而且具有更优异的效率,后续可以将其推广到其他机械设备的故障辨识中。
展开更多
关键词
泵
故障识别准确率
自适应噪声完备经验模态分解
多尺度波动散布熵
哈里斯鹰优化
支持向量机
下载PDF
职称材料
题名
基于IMF-MFDE和GRU的水电机组故障诊断
1
作者
朱文鑫
王淑青
机构
湖北工业大学电气与电子工程学院
出处
《水电能源科学》
北大核心
2024年第4期173-177,共5页
文摘
针对水电机组振动信号非平稳、非线性及强噪声的特点,提出了一种IMF多尺度波动散布熵(MFDE)结合门控循环单元(GRU)的故障诊断方法。首先,采用跳蛛优化算法(JSOA)寻找变分模态分解(VMD)最优参数,达到振动信号最佳分解降噪效果;其次,对分解得到的本征模态函数(IMF)进行重构,计算有效IMF的多尺度波动散布熵(MFDE)作为故障特征向量;最后,将特征向量输入GRU构建水电机组故障识别器。所提方法对实际水电站机组故障样本数据的故障识别率达97.83%,验证了该方法的有效性。
关键词
水电机组振动信号
故障诊断
跳蛛优化算法
变分模态分解
多尺度波动散布熵
Keywords
vibration signal of hydroelectric unit
fault diagnosis
JSOA
VMD
mfde
分类号
TV734.1 [水利工程—水利水电工程]
TK05 [动力工程及工程热物理]
下载PDF
职称材料
题名
基于CEEMDAN-MFDE-HHO-SVM的机载燃油泵故障辨识
2
作者
刘军龙
俞凯耀
张相春
机构
遵义师范学院资源与环境学院
浙江国际海运职业技术学院海洋装备工程学院
遵义师范学院生物与农业科技学院(食品科技学院)
出处
《机电工程》
CAS
北大核心
2023年第10期1616-1623,共8页
基金
浙江省高等教育研究项目(KT2022324)
遵义师范学院博士基金资助项目(遵师BS〔2018〕14号)。
文摘
针对机载燃油泵振动信号的有效分量相互耦合、故障特征提取困难,进而导致故障识别准确率低的问题,提出了一种基于自适应噪声完备经验模态分解(CEEMDAN)、多尺度波动散布熵(MFDE)和哈里斯鹰算法(HHO)优化支持向量机(SVM)的机载燃油泵故障辨识方法(CEEMDAN-MFDE-HHO-SVM)。首先,采用CEEMDAN方法对机载燃油泵振动信号进行了自适应分解,生成了一组从低频到高频分布的本征模态函数(IMF),并选择包含冲击信息较多的IMF分量进行了信号重构,得到了噪声含量较低的信号;然后,采用MFDE方法计算了低噪信号的熵值,构造了表征样本故障属性的特征矩阵;最后,采用HHO算法对SVM的关键参数进行了优化,以构造基于HHO-SVM模型的多故障分类器,对机载燃油泵的故障进行了辨识;基于实测机载燃油泵故障数据集,将CEEMDAN-MFDE-HHO-SVM方法与其他组合方法进行了对比分析。研究结果表明:该故障辨识模型的故障分类准确率达到了100%,在信号处理、熵值特征提取和分类器方面都优于其他对比方法;该模型不仅具有更高的分类准确率,而且具有更优异的效率,后续可以将其推广到其他机械设备的故障辨识中。
关键词
泵
故障识别准确率
自适应噪声完备经验模态分解
多尺度波动散布熵
哈里斯鹰优化
支持向量机
Keywords
pump
fault identification accuracy
complete ensemble empirical mode decomposition with adaptive noise(CEEMDAN)
multi-scale fluctuation dispersion entropy(
mfde
)
Harris hawk optimization(HHO)
support vector machine(SVM)
分类号
TH3 [机械工程—机械制造及自动化]
V228.1 [航空宇航科学与技术—飞行器设计]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于IMF-MFDE和GRU的水电机组故障诊断
朱文鑫
王淑青
《水电能源科学》
北大核心
2024
0
下载PDF
职称材料
2
基于CEEMDAN-MFDE-HHO-SVM的机载燃油泵故障辨识
刘军龙
俞凯耀
张相春
《机电工程》
CAS
北大核心
2023
0
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