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
共找到6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：
双通道特征融合CNN-GRU齿轮箱故障诊断 被引量：19
1
作者 张龙 甄灿壮 +3 位作者 易剑昱 蔡秉桓 徐天鹏 尹文豪 《振动与冲击》 EI CSCD 北大核心 2021年第19期239-245,294,共8页
旋转部件是否发生局部故障,关键是判断其振动信号在空间上是否出现周期性冲击以及周期大小。卷积神经网络(CNN)善于挖掘数据空间上的局部重要的信息特征,具有“端对端”的优势,从而克服了人工提取特征的缺陷;由于振动信号在时间维度上... 旋转部件是否发生局部故障,关键是判断其振动信号在空间上是否出现周期性冲击以及周期大小。卷积神经网络(CNN)善于挖掘数据空间上的局部重要的信息特征,具有“端对端”的优势,从而克服了人工提取特征的缺陷;由于振动信号在时间维度上也蕴含着丰富的信息,而长短时记忆网络(LSTM)善于从动态变化的序列数据中学习到时间上的关联性;门控递归单元(GRU)属于LSTM的变种,但相对于LSTM结构更加简洁,参数的数量更少,因此将CNN的空间处理能力和GRU时序处理能力的优势结合,提出一种双通道特征融合CNN-GRU齿轮箱故障诊断方法;即采用并列式结构令CNN与GRU双通道同时提取齿轮箱原始振动信号的故障特征,然后将双通道提取的特征向量合并成一个融合特征向量,输入到SoftMax进行故障分类。该方法可以直接从原始振动信号自适应提取到空间和时序的融合特征,实现了“端对端”的故障诊断。用齿轮实测数据和西储大学轴承数据进行验证,试验结果表明,所提方法识别准确率较高,具有实用性和可行性。 展开更多
关键词 齿轮箱 卷积神经网络(CNN) 门控递归单元(GRU) 故障诊断
下载PDF
基于深度时频特征的机车轴承故障诊断 被引量：16
2
作者 张龙 甄灿壮 +3 位作者 熊国良 王朝兵 徐天鹏 涂文兵 《交通运输工程学报》 EI CSCD 北大核心 2021年第6期247-258,共12页
针对现有机车轴承诊断方法存在故障特征提取不理想、诊断精度低等问题,提出了一种基于深度时频特征的机车轴承故障诊断新方法;利用双通道一维和二维卷积神经网络(CNN)分别对输入的一维原始信号和连续小波变换(CWT)提取的二维时频信号进... 针对现有机车轴承诊断方法存在故障特征提取不理想、诊断精度低等问题,提出了一种基于深度时频特征的机车轴承故障诊断新方法;利用双通道一维和二维卷积神经网络(CNN)分别对输入的一维原始信号和连续小波变换(CWT)提取的二维时频信号进行深度特征提取;为使输入的一维原始信号简单而有效地反映出信号在时域的全局特征,上通道使用一维CNN,为使输入的二维时频域信号能多角度地反映出信号的细微局部变化,下通道使用二维CNN;在融合层中将上下通道特征自动融合成一个新的深度时频特征,并将提取到的深度融合时频特征经归一化指数函数进行故障分类识别;在此基础上,分析了某局机务段实测的7种机车轴承数据,验证了本文方法的实际工程应用价值。研究结果表明:基于深度时频特征的机车轴承故障诊断方法对7种机车轴承故障的平均诊断精度达到了100%,与一维CNN模型、二维CNN模型和支持向量机(SVM)模型相比,平均诊断精度分别提高了0.7%、1.9%和2.2%;本文方法提取的深度时频特征中每类故障分布间隔规则有序,类内间距很小,而单个一维CNN模型和二维CNN模型提取的特征的每类故障分布间隔不规则,类内间距较大,说明基于深度时频特征的机车轴承故障诊断方法提取深度特征的能力优越,是一种解决机车轴承故障诊断问题的有效模型。 展开更多
关键词 机车工程 轴承 连续小波变换 卷积神经网络 故障诊断
原文传递
基于改进谱峭度与一维卷积神经网络的轴承故障诊断 被引量：14
3
作者 张龙 徐天鹏 +3 位作者 王朝兵 吴荣真 甄灿壮 闫乐玮 《机械设计与研究》 CSCD 北大核心 2021年第4期99-105,共7页
由于轴承所处工况的复杂性,其振动信号中包含了各种噪声和干扰,导致传统信号处理方法效果不理想。因此,很多研究将信号处理方法与神经网络相结合对故障进行诊断,卷积神经网络(CNN)因其对图像具有独特的特征提取能力而被引入故障诊断领... 由于轴承所处工况的复杂性,其振动信号中包含了各种噪声和干扰,导致传统信号处理方法效果不理想。因此,很多研究将信号处理方法与神经网络相结合对故障进行诊断,卷积神经网络(CNN)因其对图像具有独特的特征提取能力而被引入故障诊断领域。而通过信号处理构造的图像可能存在信息冗余问题,将信息冗余图像直接作为网络输入会增加其复杂度。针对上述问题提出了一种基于改进谱峭度与一维CNN的故障分类方法。改进谱峭度方法克服了非高斯噪声和偶然性冲击的影响,能很快地选择正确的滤波频带。考虑到构造谱峭度图的原理,将谱峭度图转换成一维序列信号,作为一维CNN输入进行故障分类,相比于直接将谱峭度图输入二维CNN中,该方法去除了图像的冗余信息,减少了网络结构参数,降低了网络复杂度。通过二组数据分析验证了该文方法的有效性和泛化性。 展开更多
关键词 一维卷积神经网络 谱峭度图 故障诊断 特征提取
原文传递
基于CEEMDAN多尺度排列熵的轴承故障智能识别Fisher-GG聚类方法 被引量：12
4
作者 熊国良 甄灿壮 +1 位作者 张龙 徐天鹏 《噪声与振动控制》 CSCD 2020年第6期1-7,28,共8页
针对滚动轴承振动信号的非线性、非平稳性以及复杂性,利用自适应噪声完备集合经验模态分解(Complete ensemble empirical decomposition with adaptive noise,CEEMDAN)的自适应降噪优势,结合多尺度排列熵(Multiscale permutation entrop... 针对滚动轴承振动信号的非线性、非平稳性以及复杂性,利用自适应噪声完备集合经验模态分解(Complete ensemble empirical decomposition with adaptive noise,CEEMDAN)的自适应降噪优势,结合多尺度排列熵(Multiscale permutation entropy,MPE)可以反映时间序列在不同尺度上的随机程度以及有效检测到时间序列动力学突变情况等特点,提出一种基于CEEMDAN、多尺度排列熵、Fisher比、GG(Gath-Geva,GG)聚类算法相结合的轴承故障智能识别方法。首先采用CEEMDAN算法对滚动轴承原始信号进行分解,得到若干个含有故障信息的振动信号固有模态函数(Intrinsic mode function,IMF)分量;其次采用峭度准则筛选出一个最优模态分量,并计算其多尺度排列熵值(Multi-scale permutation entropy,MPE);最后,利用Fisher比对MPE特征进行选择,将最终选择的MPE组成特征向量输入到GG聚类模型中,实现滚动轴承故障的智能识别。与其它聚类模型组合方法进行比较的结果证明所提方法在滚动轴承故障识别中的有效性和优越性。 展开更多
关键词 故障诊断 滚动轴承 自适应噪声完备集合经验模态分解 多尺度熵 Fisher比 GG聚类
下载PDF
基于卷积门控循环网络的齿轮箱故障诊断 被引量：7
5
作者 张龙 徐天鹏 +2 位作者 王朝兵 易剑昱 甄灿壮 《吉林大学学报（工学版）》 EI CAS CSCD 北大核心 2022年第2期368-376,共9页
为充分利用信号的时序相关性特征,增强模型对数据信息的全面挖掘能力,以进一步提高卷积神经网络(CNN)诊断精度,本文将CNN与善于处理数据时序相关性特征的门控循环单元(GRU)相结合,提出了一种新的齿轮箱故障诊断模型。CNN通过端对端的方... 为充分利用信号的时序相关性特征,增强模型对数据信息的全面挖掘能力,以进一步提高卷积神经网络(CNN)诊断精度,本文将CNN与善于处理数据时序相关性特征的门控循环单元(GRU)相结合,提出了一种新的齿轮箱故障诊断模型。CNN通过端对端的方式提取数据空间特征,并将提取的特征作为GRU的输入进一步提取时空特征,最后将GRU提取的时空特征作为SoftMax的输入进行故障识别。两组齿轮箱实验数据分析结果显示:平均故障诊断精度分别可达99.86%和99.85%,与其它现有模型的结果对比体现了本文模型的有效性和优越性。 展开更多
关键词 机械设计制造及其自动化 卷积神经网络 门控循环单元 时空特征 故障诊断
原文传递
小波滤波与最大相关峭度解卷积参数同步优化的轴承故障诊断 被引量：6
6
作者 张龙 蔡秉桓 +4 位作者 熊国良 刘志刚 邹孟 吴荣真 甄灿壮 《振动工程学报》 EI CSCD 北大核心 2021年第6期1313-1322,共10页
针对共振解调中带通滤波残留的带内噪声影响故障诊断效果的问题,目前主要的解决办法是增加后处理步骤对带内噪声进行二次消除。但存在的主要问题是前后处理步骤的参数各自独立优化,且优化指标未考虑滚动轴承故障冲击周期性发生的特点,... 针对共振解调中带通滤波残留的带内噪声影响故障诊断效果的问题,目前主要的解决办法是增加后处理步骤对带内噪声进行二次消除。但存在的主要问题是前后处理步骤的参数各自独立优化,且优化指标未考虑滚动轴承故障冲击周期性发生的特点,从而难于保障诊断的总体效果。提出了一种结合Morlet小波滤波预处理和最大相关峭度解卷(MCKD)后处理的滚动轴承故障复合诊断方法。采用小生境遗传算法(NGAs)对Morlet小波滤波器中心频率和带宽、MCKD滤波器长度和周期进行同步联合优化,以考虑轴承故障冲击周期发生特点的相关峭度(CK)为优化指标,实现前后两个处理步骤的参数同步自适应优化。轴承故障仿真信号和实验台信号分析验证了所提方法的有效性和优越性。 展开更多
关键词 故障诊断 轴承 相关峭度 MORLET小波 小生境遗传算法
下载PDF
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
使用帮助 返回顶部