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EMD-SDP特征融合的CNN轴承保持架故障诊断研究
被引量:
10
1
作者
郑一珍
牛蔺楷
+2 位作者
熊晓燕
祁宏伟
谢宏浩
《机电工程》
CAS
北大核心
2021年第1期81-87,共7页
针对滚动轴承保持架故障振动信号存在的不稳定性、无冲击特性和故障特征难以获取等问题,提出了一种基于EMD-SDP特征融合的CNN轴承保持架故障诊断方法。采用了SDP信息融合方法对保持架故障振动信号的EMD固有模态分量进行了特征信息融合,...
针对滚动轴承保持架故障振动信号存在的不稳定性、无冲击特性和故障特征难以获取等问题,提出了一种基于EMD-SDP特征融合的CNN轴承保持架故障诊断方法。采用了SDP信息融合方法对保持架故障振动信号的EMD固有模态分量进行了特征信息融合,展示了不同保持架故障振动信号的时频特性;分析了滚动轴承保持架不同故障状态下的SDP特征图像差异;之后,结合CNN模型进行了SDP图像识别,设计出了一种基于EMD与SDP特征融合的CNN轴承保持架故障诊断方法模型;最后,通过旋转机械故障试验台,对轴承保持架故障进行了模拟实验。研究结果表明:该方法能够实现99%以上的故障识别率,进一步验证了通过深度学习算法自适应提取SDP信息融合图像特征的方法,可有效应用于轴承保持架故障诊断中。
展开更多
关键词
保持架故障诊断
经验模态分解
对称点模式
卷积神经网络
特征融合
下载PDF
职称材料
基于全息SDP的船舶推进轴系轴承故障诊断研究
被引量:
3
2
作者
廖志强
贾宝柱
《中国舰船研究》
CSCD
北大核心
2022年第6期88-95,共8页
[目的]针对船舶推进轴系轴承的故障诊断问题,提出一种基于全息对称点图形(SDP)和相似性识别的可视化诊断方法。[方法]首先,多方位采集轴承振动信号,全面监测轴承发生故障时的规律性冲击在时域和频域中引起的非平稳性变化特征;然后,基于...
[目的]针对船舶推进轴系轴承的故障诊断问题,提出一种基于全息对称点图形(SDP)和相似性识别的可视化诊断方法。[方法]首先,多方位采集轴承振动信号,全面监测轴承发生故障时的规律性冲击在时域和频域中引起的非平稳性变化特征;然后,基于SDP对称点分布原理,将多个维度信号的时域和频谱融合至同一个二维图形,以放大信号之间的差异性;最后,基于相似性识别方法对轴承进行简易诊断。[结果]轴承故障实验平台的验证结果表明,该方法可以实现多个信号的有效图形融合,全面展示设备信号的状态特征,从而准确地诊断故障。[结论]研究成果可为船舶推进轴系轴承的可视化故障简易诊断提供参考。
展开更多
关键词
船舶推进轴系轴承
故障诊断
全息对称点图形
相似性识别
下载PDF
职称材料
基于SDP图像与VGG网络的旋转机械转子故障诊断研究
被引量:
7
3
作者
武海彬
卜明龙
+1 位作者
刘圆圆
郝惠敏
《机电工程》
CAS
北大核心
2020年第9期1069-1074,共6页
针对传统故障诊断方法对旋转机械转子故障状态识别精度较低的问题,提出了一种基于对称点模式图像特征信息融合与深度学习相结合的旋转机械转子故障诊断方法。采用SDP信息融合技术,对转子故障状态下的多通道振动信号进行了信息融合,通过...
针对传统故障诊断方法对旋转机械转子故障状态识别精度较低的问题,提出了一种基于对称点模式图像特征信息融合与深度学习相结合的旋转机械转子故障诊断方法。采用SDP信息融合技术,对转子故障状态下的多通道振动信号进行了信息融合,通过SDP图形特征可简单直观地区分不同转子故障振动状态;结合深度学习VGG网络自适应提取了SDP图像的特征信息,对不同故障转化的SDP图像实现了准确的诊断识别,进而判别了其故障类型;通过变速器机械故障模拟实验验证了所提出方法的有效性,并与传统机器学习方法极限学习机(ELM)进行了比较。研究结果表明:基于SDP图像与VGG网络的旋转机械转子故障诊断方法解决了转子故障振动信号中存在的高复杂、非线性和不稳定问题,与传统机器学习方法ELM相比具有更高的识别精度。
展开更多
关键词
深度学习
VGG网络
sdp
图像
多通道信息融合
转子故障诊断
极限学习机
下载PDF
职称材料
题名
基于EMD-SDP特征融合的CNN轴承保持架故障诊断研究
被引量:
10
1
作者
郑一珍
牛蔺楷
熊晓燕
祁宏伟
谢宏浩
机构
太原理工大学机械与运载工程学院
太原理工大学新型传感器与智能控制教育部重点实验室
出处
《机电工程》
CAS
北大核心
2021年第1期81-87,共7页
基金
国家自然科学基金资助项目(51705351)
山西省研究生创新资助项目(2020sy546)。
文摘
针对滚动轴承保持架故障振动信号存在的不稳定性、无冲击特性和故障特征难以获取等问题,提出了一种基于EMD-SDP特征融合的CNN轴承保持架故障诊断方法。采用了SDP信息融合方法对保持架故障振动信号的EMD固有模态分量进行了特征信息融合,展示了不同保持架故障振动信号的时频特性;分析了滚动轴承保持架不同故障状态下的SDP特征图像差异;之后,结合CNN模型进行了SDP图像识别,设计出了一种基于EMD与SDP特征融合的CNN轴承保持架故障诊断方法模型;最后,通过旋转机械故障试验台,对轴承保持架故障进行了模拟实验。研究结果表明:该方法能够实现99%以上的故障识别率,进一步验证了通过深度学习算法自适应提取SDP信息融合图像特征的方法,可有效应用于轴承保持架故障诊断中。
关键词
保持架故障诊断
经验模态分解
对称点模式
卷积神经网络
特征融合
Keywords
cage fault diagnosis
empirical modal decomposition(EMD)
symmetry
dot
pattern
(
sdp
)
convolutional neural network(CNN)
feature fusion
分类号
TH133 [机械工程—机械制造及自动化]
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于全息SDP的船舶推进轴系轴承故障诊断研究
被引量:
3
2
作者
廖志强
贾宝柱
机构
广东海洋大学船舶与海运学院
出处
《中国舰船研究》
CSCD
北大核心
2022年第6期88-95,共8页
基金
国家自然科学基金资助项目(52071090)
广东省普通高校重点领域(新一代信息技术)专项计划资助项目(2020ZDZX3063)
广东海洋大学科研启动经费资助项目(060302132101)。
文摘
[目的]针对船舶推进轴系轴承的故障诊断问题,提出一种基于全息对称点图形(SDP)和相似性识别的可视化诊断方法。[方法]首先,多方位采集轴承振动信号,全面监测轴承发生故障时的规律性冲击在时域和频域中引起的非平稳性变化特征;然后,基于SDP对称点分布原理,将多个维度信号的时域和频谱融合至同一个二维图形,以放大信号之间的差异性;最后,基于相似性识别方法对轴承进行简易诊断。[结果]轴承故障实验平台的验证结果表明,该方法可以实现多个信号的有效图形融合,全面展示设备信号的状态特征,从而准确地诊断故障。[结论]研究成果可为船舶推进轴系轴承的可视化故障简易诊断提供参考。
关键词
船舶推进轴系轴承
故障诊断
全息对称点图形
相似性识别
Keywords
ship propulsion shafting bearing
fault diagnosis
holographic
symmetry
dot
pattern
(
sdp
)
similarity recognition
分类号
U672.74 [交通运输工程—船舶及航道工程]
下载PDF
职称材料
题名
基于SDP图像与VGG网络的旋转机械转子故障诊断研究
被引量:
7
3
作者
武海彬
卜明龙
刘圆圆
郝惠敏
机构
太原理工大学机械与运载工程学院
出处
《机电工程》
CAS
北大核心
2020年第9期1069-1074,共6页
基金
山西省重点研发计划(高新领域)项目(201903D121002)
山西省重点研发计划(国际科技合作)项目(201603D421009)。
文摘
针对传统故障诊断方法对旋转机械转子故障状态识别精度较低的问题,提出了一种基于对称点模式图像特征信息融合与深度学习相结合的旋转机械转子故障诊断方法。采用SDP信息融合技术,对转子故障状态下的多通道振动信号进行了信息融合,通过SDP图形特征可简单直观地区分不同转子故障振动状态;结合深度学习VGG网络自适应提取了SDP图像的特征信息,对不同故障转化的SDP图像实现了准确的诊断识别,进而判别了其故障类型;通过变速器机械故障模拟实验验证了所提出方法的有效性,并与传统机器学习方法极限学习机(ELM)进行了比较。研究结果表明:基于SDP图像与VGG网络的旋转机械转子故障诊断方法解决了转子故障振动信号中存在的高复杂、非线性和不稳定问题,与传统机器学习方法ELM相比具有更高的识别精度。
关键词
深度学习
VGG网络
sdp
图像
多通道信息融合
转子故障诊断
极限学习机
Keywords
deep learning
visual geometry group(VGG)network
symmetry
dot
pattern
(
sdp
)images
multi-channel information fusion
rotor fault diagnosis
extreme learning machine(ELM)
分类号
TH132.46 [机械工程—机械制造及自动化]
TH113.1 [机械工程—机械设计及理论]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于EMD-SDP特征融合的CNN轴承保持架故障诊断研究
郑一珍
牛蔺楷
熊晓燕
祁宏伟
谢宏浩
《机电工程》
CAS
北大核心
2021
10
下载PDF
职称材料
2
基于全息SDP的船舶推进轴系轴承故障诊断研究
廖志强
贾宝柱
《中国舰船研究》
CSCD
北大核心
2022
3
下载PDF
职称材料
3
基于SDP图像与VGG网络的旋转机械转子故障诊断研究
武海彬
卜明龙
刘圆圆
郝惠敏
《机电工程》
CAS
北大核心
2020
7
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