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
3
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CSAEMD-KECA和角结构距离的齿轮故障识别方法
被引量:
1
1
作者
高庆云
郭力
陈长华
《机电工程》
CAS
北大核心
2023年第1期11-22,共12页
作为机械传动系统中的重要部件,齿轮经常运行在变转速变载荷工况下,直接采集到的齿轮故障信号(原始信号)往往存在强背景噪声。由于其原始信号中存在噪声信号,干扰了齿轮故障模式识别,且传统故障识别方法准确率较低,针对这一问题,提出了...
作为机械传动系统中的重要部件,齿轮经常运行在变转速变载荷工况下,直接采集到的齿轮故障信号(原始信号)往往存在强背景噪声。由于其原始信号中存在噪声信号,干扰了齿轮故障模式识别,且传统故障识别方法准确率较低,针对这一问题,提出了一种基于CSAEMD-KECA和角结构距离的齿轮故障识别方法。首先,使用互补正弦辅助经验模式分解(CSAEMD)方法对齿轮故障信号进行了分解重构,以去除信号中的噪声成分;然后,利用核熵成分分析(KECA)方法对CSAEMD分解重构后的信号进行了特征提取,选取了对样本(CSAEMD分解重构后的信号)瑞丽熵贡献值较大的3个特征向量,并将其作为投影向量,样本数据向投影向量投影形成了特征数据集;最后,搭建了故障模拟实验台,对上述方法的可行性进行了验证,采用角结构距离的聚类方法对特征数据集进行了聚类分析。研究结果表明:利用实验台数据进行的有效实验,能够准确地识别出齿轮的各种故障,其聚类准确率达到98.3%;该结果可验证基于CSAEMD-KECA和角结构距离的方法在齿轮故障识别上的有效性。
展开更多
关键词
机械传动系统
齿轮故障诊断
互补正弦辅助经验模式分解
核熵成分分析
聚类分析
信号分解重构
信号特征提取
下载PDF
职称材料
改进的正弦辅助多元经验模式分解及其在滚动轴承故障诊断中的应用
被引量:
2
2
作者
吴利锋
吕勇
+2 位作者
袁锐
朱熹
游俊
《中国机械工程》
EI
CAS
CSCD
北大核心
2022年第11期1336-1344,共9页
正弦辅助多元经验模式分解算法(SA-MEMD)通过在额外的通道中加入正弦辅助信号来减少模式混合,但该算法对噪声敏感,辅助信号的主频率比需要根据经验确定,为此,提出了一种改进的正弦辅助多元经验模式分解算法。首先使用非局部均值降噪对...
正弦辅助多元经验模式分解算法(SA-MEMD)通过在额外的通道中加入正弦辅助信号来减少模式混合,但该算法对噪声敏感,辅助信号的主频率比需要根据经验确定,为此,提出了一种改进的正弦辅助多元经验模式分解算法。首先使用非局部均值降噪对原始信号进行预处理,减少噪声对算法的干扰,其次使用短时傅里叶变换确定信号频谱范围,然后以最小集成EMD能量熵准则选择最优主频率比,最后根据正弦辅助多元经验模式分解算法的步骤进行信号处理。模拟信号和实际信号的对比分析结果证明,改进的方法可以减少传统的多元经验模式分解方法存在的模式混合现象。
展开更多
关键词
故障诊断
正弦辅助多元经验模式分解
模式混合
短时傅里叶变换
能量熵
下载PDF
职称材料
基于APIT-SA-MEMD和FLLE的齿轮故障识别
3
作者
冀浩非
刘慧玲
董加强
《机械传动》
北大核心
2022年第11期161-169,共9页
齿轮往往处于恶劣的工作环境,其振动信号具有非线性和非平稳性的特点,研究出适用于齿轮的故障诊断方法具有重要意义。针对这一问题,提出了一种基于自适应投影本质变换正弦辅助多元经验模式分解(APIT-SA-MEMD)和Floyd局部线性嵌入算法(FL...
齿轮往往处于恶劣的工作环境,其振动信号具有非线性和非平稳性的特点,研究出适用于齿轮的故障诊断方法具有重要意义。针对这一问题,提出了一种基于自适应投影本质变换正弦辅助多元经验模式分解(APIT-SA-MEMD)和Floyd局部线性嵌入算法(FLLE)的智能故障诊断方法。自适应投影本质变换多元经验模式分解存在模态混叠现象,因此,提出自适应投影本质变换正弦辅助多元经验模式分解来减轻传统经验模式分解存在的模态混叠现象。首先,采用APIT-SA-MEMD方法对齿轮振动信号进行分解,获得能够表征齿轮振动信号的IMF分量;在此基础上,提取所选取IMF分量的时域和频域特征,获得高维特征矩阵;最后,利用FLLE对高维特征矩阵进行降维和聚类分析,实现齿轮故障模式的识别。实验结果表明,提出的方法能够准确识别齿轮的不同故障类型。
展开更多
关键词
齿轮
自适应投影本质变换正弦辅助多元经验模式分解
Floyd局部线性嵌入
降维故障识别
下载PDF
职称材料
题名
基于CSAEMD-KECA和角结构距离的齿轮故障识别方法
被引量:
1
1
作者
高庆云
郭力
陈长华
机构
杭州职业技术学院
重庆交通大学机电与车辆工程学院
重庆长江轴承股份有限公司
出处
《机电工程》
CAS
北大核心
2023年第1期11-22,共12页
基金
国家自然科学基金资助项目(51775072)。
文摘
作为机械传动系统中的重要部件,齿轮经常运行在变转速变载荷工况下,直接采集到的齿轮故障信号(原始信号)往往存在强背景噪声。由于其原始信号中存在噪声信号,干扰了齿轮故障模式识别,且传统故障识别方法准确率较低,针对这一问题,提出了一种基于CSAEMD-KECA和角结构距离的齿轮故障识别方法。首先,使用互补正弦辅助经验模式分解(CSAEMD)方法对齿轮故障信号进行了分解重构,以去除信号中的噪声成分;然后,利用核熵成分分析(KECA)方法对CSAEMD分解重构后的信号进行了特征提取,选取了对样本(CSAEMD分解重构后的信号)瑞丽熵贡献值较大的3个特征向量,并将其作为投影向量,样本数据向投影向量投影形成了特征数据集;最后,搭建了故障模拟实验台,对上述方法的可行性进行了验证,采用角结构距离的聚类方法对特征数据集进行了聚类分析。研究结果表明:利用实验台数据进行的有效实验,能够准确地识别出齿轮的各种故障,其聚类准确率达到98.3%;该结果可验证基于CSAEMD-KECA和角结构距离的方法在齿轮故障识别上的有效性。
关键词
机械传动系统
齿轮故障诊断
互补正弦辅助经验模式分解
核熵成分分析
聚类分析
信号分解重构
信号特征提取
Keywords
mechanical transmission system
gearfault diagnosis
complementary
sine
assisted
empirical
mode
decomposition
(
csaemd
)
kernel entropy component analysis(KECA)
cluster analysis
signal
decomposition
and reconstruction
signal feature extraction
分类号
TH132.41 [机械工程—机械制造及自动化]
下载PDF
职称材料
题名
改进的正弦辅助多元经验模式分解及其在滚动轴承故障诊断中的应用
被引量:
2
2
作者
吴利锋
吕勇
袁锐
朱熹
游俊
机构
武汉科技大学冶金装备及其控制教育部重点试验室
武汉科技大学机械传动与制造工程湖北省重点试验室
出处
《中国机械工程》
EI
CAS
CSCD
北大核心
2022年第11期1336-1344,共9页
基金
国家自然科学基金(51875416)
湖北省自然科学基金创新群体项目(2020CFA033)
中国博士后科学基金(2020M682492)。
文摘
正弦辅助多元经验模式分解算法(SA-MEMD)通过在额外的通道中加入正弦辅助信号来减少模式混合,但该算法对噪声敏感,辅助信号的主频率比需要根据经验确定,为此,提出了一种改进的正弦辅助多元经验模式分解算法。首先使用非局部均值降噪对原始信号进行预处理,减少噪声对算法的干扰,其次使用短时傅里叶变换确定信号频谱范围,然后以最小集成EMD能量熵准则选择最优主频率比,最后根据正弦辅助多元经验模式分解算法的步骤进行信号处理。模拟信号和实际信号的对比分析结果证明,改进的方法可以减少传统的多元经验模式分解方法存在的模式混合现象。
关键词
故障诊断
正弦辅助多元经验模式分解
模式混合
短时傅里叶变换
能量熵
Keywords
fault diagnosis
sine
-
assisted
multivariate
empirical
mode
decomposition
(SA-MEMD)
modal aliasing
short-time Fourier transform
energy entropy
分类号
TH113 [机械工程—机械设计及理论]
TH133.33 [机械工程—机械制造及自动化]
下载PDF
职称材料
题名
基于APIT-SA-MEMD和FLLE的齿轮故障识别
3
作者
冀浩非
刘慧玲
董加强
机构
晋中职业技术学院机电工程学院
晋中学院机械系
合肥工业大学机械工程学院
出处
《机械传动》
北大核心
2022年第11期161-169,共9页
文摘
齿轮往往处于恶劣的工作环境,其振动信号具有非线性和非平稳性的特点,研究出适用于齿轮的故障诊断方法具有重要意义。针对这一问题,提出了一种基于自适应投影本质变换正弦辅助多元经验模式分解(APIT-SA-MEMD)和Floyd局部线性嵌入算法(FLLE)的智能故障诊断方法。自适应投影本质变换多元经验模式分解存在模态混叠现象,因此,提出自适应投影本质变换正弦辅助多元经验模式分解来减轻传统经验模式分解存在的模态混叠现象。首先,采用APIT-SA-MEMD方法对齿轮振动信号进行分解,获得能够表征齿轮振动信号的IMF分量;在此基础上,提取所选取IMF分量的时域和频域特征,获得高维特征矩阵;最后,利用FLLE对高维特征矩阵进行降维和聚类分析,实现齿轮故障模式的识别。实验结果表明,提出的方法能够准确识别齿轮的不同故障类型。
关键词
齿轮
自适应投影本质变换正弦辅助多元经验模式分解
Floyd局部线性嵌入
降维故障识别
Keywords
Gear
Adaptive projection intrinsically transformation
sine
-
assisted
multivariate
empirical
mode
decomposition
Floyd local linear embedding
Dimensionality reduction
Faults diagnosis
分类号
TH132.41 [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CSAEMD-KECA和角结构距离的齿轮故障识别方法
高庆云
郭力
陈长华
《机电工程》
CAS
北大核心
2023
1
下载PDF
职称材料
2
改进的正弦辅助多元经验模式分解及其在滚动轴承故障诊断中的应用
吴利锋
吕勇
袁锐
朱熹
游俊
《中国机械工程》
EI
CAS
CSCD
北大核心
2022
2
下载PDF
职称材料
3
基于APIT-SA-MEMD和FLLE的齿轮故障识别
冀浩非
刘慧玲
董加强
《机械传动》
北大核心
2022
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