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596篇文章
< 1 2 … 30 >
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：
齿轮箱典型故障振动特征与诊断策略 被引量：101
1
作者 丁康 朱小勇 陈亚华 《振动与冲击》 EI CSCD 北大核心 2001年第3期7-12,共6页
准确地提取各种典型故障的特征是进行齿轮箱故障诊断的关键。通过大量的实验 ,对齿轮箱中的齿形误差、齿轮均匀磨损、箱体共振、轴轻度弯曲、断齿、轴不平衡、轴严重弯曲、轴向窜动、轴承疲劳剥落和点蚀等九种典型故障进行分析 ,总结其... 准确地提取各种典型故障的特征是进行齿轮箱故障诊断的关键。通过大量的实验 ,对齿轮箱中的齿形误差、齿轮均匀磨损、箱体共振、轴轻度弯曲、断齿、轴不平衡、轴严重弯曲、轴向窜动、轴承疲劳剥落和点蚀等九种典型故障进行分析 ,总结其振动信号的时频域特征 ,并在此基础上提出采用基于建档案的两时域 (原始时域和包络时域 )三频域 (频谱、细化谱、解调谱 )的诊断方法 ,为齿轮箱智能诊断系统的研制打下良好的基础。 展开更多
关键词 齿轮箱 故障诊断 特征提取 信号分析 振动特征 振动理论 时域分析 频域分析
下载PDF
基于粒子群优化BP神经网络的风电机组齿轮箱故障诊断方法 被引量：117
2
作者 龙泉 刘永前 杨勇平 《太阳能学报》 EI CAS CSCD 北大核心 2012年第1期120-125,共6页
提出了一种基于粒子群优化BP神经网络风电机组齿轮箱故障诊断方法。粒子群算法不需要计算梯度,可以兼顾全局寻优和局部寻优。利用粒子群算法对BP网络权值和偏置进行优化,减少了BP神经网络算法陷入局部最优解的风险,提高了神经网络的训... 提出了一种基于粒子群优化BP神经网络风电机组齿轮箱故障诊断方法。粒子群算法不需要计算梯度,可以兼顾全局寻优和局部寻优。利用粒子群算法对BP网络权值和偏置进行优化,减少了BP神经网络算法陷入局部最优解的风险,提高了神经网络的训练效率,加快了网络的收敛速度。考虑风电齿轮箱振动信号的不确定性、非平稳性和复杂性,提取功率谱熵、小波熵、峭度、偏度、关联维数和盒维数作为故障特征。经测试,算法诊断结果正确,表明了PSO优化BP神经网络用于风电机组齿轮箱故障诊断的有效性和实用性。 展开更多
关键词 风电机组 齿轮箱 故障诊断 粒子群优化算法 BP神经网络 故障特征
下载PDF
基于经验模式分解(EMD)的齿轮箱齿轮故障诊断技术研究 被引量：53
3
作者 陈忠 郑时雄 《振动工程学报》 EI CSCD 北大核心 2003年第2期229-232,共4页
简述了齿轮箱传统信号分析技术与经验模式分解 (EMD)技术的异同 ,并详细论述了 EMD的分解原理和富立叶变换的关系。针对齿轮箱振动加速度数据 ,运用 EMD分解技术 ,得到 IMF(Intrinsic Mode Function)模式分量 ,提出了基于 IMF及功率谱 (... 简述了齿轮箱传统信号分析技术与经验模式分解 (EMD)技术的异同 ,并详细论述了 EMD的分解原理和富立叶变换的关系。针对齿轮箱振动加速度数据 ,运用 EMD分解技术 ,得到 IMF(Intrinsic Mode Function)模式分量 ,提出了基于 IMF及功率谱 (PSD)的 IMFPSD2 16指标和基于 IMF及滤波统计的 IMFFL T指标 ,并验证了它们的有效性。运用这些指标正确明显地分辨出齿轮箱齿轮失效。 展开更多
关键词 齿轮箱 故障诊断 经验模式分解 内在模式函数 非线性信号 信号分析
下载PDF
齿轮箱故障诊断技术现状及展望 被引量：37
4
作者 魏秀业 潘宏侠 《测试技术学报》 2006年第4期368-376,共9页
从齿轮箱故障机理研究、信号处理技术、故障诊断方法等方面对齿轮箱诊断技术的现状进行了讨论.列举并分析了小波分析、模态分析、粗糙集理论、群体智能理论、生物免疫机理等理论在齿轮箱故障诊断中的应用,展望了齿轮箱故障诊断技术的发... 从齿轮箱故障机理研究、信号处理技术、故障诊断方法等方面对齿轮箱诊断技术的现状进行了讨论.列举并分析了小波分析、模态分析、粗糙集理论、群体智能理论、生物免疫机理等理论在齿轮箱故障诊断中的应用,展望了齿轮箱故障诊断技术的发展.对现有齿轮箱诊断技术研究急待解决的问题提出了看法. 展开更多
关键词 齿轮箱 故障诊断 频谱分析 小波分析 神经网络 群体智能
下载PDF
风力发电系统故障诊断方法综述 被引量：46
5
作者 沈艳霞 李帆 《控制工程》 CSCD 北大核心 2013年第5期789-795,共7页
风力发电系统往往安装在偏僻的、难以接近的或者气候不适合人类长期逗留的地域,传统的计划维修和事后维修方式不能满足要求。为保证风力发电系统可靠稳定运行,降低系统的维护成本,对其进行状态监测与故障诊断是十分必要的。论文针对风... 风力发电系统往往安装在偏僻的、难以接近的或者气候不适合人类长期逗留的地域,传统的计划维修和事后维修方式不能满足要求。为保证风力发电系统可靠稳定运行,降低系统的维护成本,对其进行状态监测与故障诊断是十分必要的。论文针对风力发电系统中的主要部件,即齿轮箱、发电机、电力电子装置、叶片等的故障,对现有故障诊断方法进行了分类与综述,为提高对风力发电系统的可靠性、降低成本,促进其工程化进程提供了有效的参考。 展开更多
关键词 风力发电系统 齿轮箱 发电机 电力电子装置 故障诊断
下载PDF
局部均值分解和排列熵在行星齿轮箱故障诊断中的应用 被引量：44
6
作者 丁闯 张兵志 +1 位作者 冯辅周 江鹏程 《振动与冲击》 EI CSCD 北大核心 2017年第17期55-60,共6页
目前行星齿轮箱已经在军用和民用装备中广泛应用,研究行星齿轮箱的故障诊断方法意义重大。针对行星齿轮箱在运行时产生的非线性非平稳振动,且故障特征信号微弱等问题,提出一种结合局部均值分解和排列熵的行星齿轮箱故障诊断方法。利用... 目前行星齿轮箱已经在军用和民用装备中广泛应用,研究行星齿轮箱的故障诊断方法意义重大。针对行星齿轮箱在运行时产生的非线性非平稳振动,且故障特征信号微弱等问题,提出一种结合局部均值分解和排列熵的行星齿轮箱故障诊断方法。利用局部均值分解方法将不同状态下的振动信号分解为多个乘积函数分量,针对包含有故障信息的分量进行排列熵计算,以此判断故障类型。最后通过采集行星齿轮箱故障模拟试验台三种状态(齿轮正常、太阳轮裂纹故障及行星轮裂纹故障)的振动信号,对其进行局部均值分解和排列熵计算,验证了此方法的有效性。 展开更多
关键词 行星齿轮箱 LMD 排列熵 故障诊断
下载PDF
基于深度一维残差卷积自编码网络的齿轮箱故障诊断 被引量：39
7
作者 周兴康 余建波 《机械工程学报》 EI CAS CSCD 北大核心 2020年第7期96-108,共13页
一维振动信号常常被用于齿轮箱的监测与故障诊断中,使得能及时地对齿轮箱维护以减少损失。因此,从一维振动信号中提取出关键故障特征决定了故障诊断模型的准确性与可靠性。典型的深度神经网络(deep neural network, DNN),如卷积神经网... 一维振动信号常常被用于齿轮箱的监测与故障诊断中,使得能及时地对齿轮箱维护以减少损失。因此,从一维振动信号中提取出关键故障特征决定了故障诊断模型的准确性与可靠性。典型的深度神经网络(deep neural network, DNN),如卷积神经网络已经在故障诊断中表现出良好的性能并得到了广泛的应用,但其监督式训练方式往往需要大量的标签数据而限制了其可应用性。因此,提出一种新的深度神经网络模型,一维残差卷积自编码器(1-dimension residual convolutional auto-encoder,1DRCAE),成功应用于振动信号的无监督学习及故障特征提取,显著提高了齿轮箱的故障诊断率。首先,提出了一维卷积层与自编码器的有效集成方法,形成了深度一维卷积自编码器;其次,引入残差学习机制训练一维卷积自编码器,实现对一维振动信号有效地特征提取;最后,基于编码器提取的特征,使用少量标签数据进行分类微调实现齿轮箱故障模式识别。通过齿轮箱试验台采集的传感器数据进行实验验证表明,这种无监督学习方法具有良好的去噪能力和故障特征提取能力,其特征提取效果好于典型的深度神经网络,如深度置信网络(Deepbeliefnetwork,DBN)和堆叠自编码网络(Stackedauto-encoders,SAE),同时故障诊断效果也优于一维卷积神经网络(1-dimension convolutional neural network, 1DCNN)。 展开更多
关键词 齿轮箱故障诊断 特征学习 深度学习 卷积自编码器 残差学习
原文传递
基于经验模态分解和散度指标的风力发电机滚动轴承故障诊断方法 被引量：39
8
作者 郭艳平 颜文俊 +1 位作者 包哲静 杨强 《电力系统保护与控制》 EI CSCD 北大核心 2012年第17期83-87,93,共6页
提出了一种基于经验模态分解(Empirical Mode Decomposition,EMD)和散度指标的滚动轴承故障诊断方法。该方法首先对原始振动信号进行经验模态分解,再以峭度为准则,选取包含故障信息的特征模态函数(Intrinsic Mode Function,IMF)进行信... 提出了一种基于经验模态分解(Empirical Mode Decomposition,EMD)和散度指标的滚动轴承故障诊断方法。该方法首先对原始振动信号进行经验模态分解,再以峭度为准则,选取包含故障信息的特征模态函数(Intrinsic Mode Function,IMF)进行信号重构,并对重构后的信号进行Hilbert包络谱分析,然后提取故障特征量,最后通过计算故障特征量的J-散度(J-divergence)和KL-散度(Kullback-Leibler divergence)来判断故障类型和描述故障程度。通过从试验台采集的无故障和具有内环故障、外环故障和滚动体故障样本,以及从某风电场风力发电机齿轮箱高速输出端采集的近一年的监测数据分析结果,证明了所选故障特征量的准确性,同时也验证了所提出的基于经验模态分解和散度指标的滚动轴承故障诊断方法的有效性和准确性。 展开更多
关键词 风力发电机组 齿轮箱 滚动轴承 故障诊断 EMD 散度
下载PDF
基于EMD-SVD和CNN的旋转机械故障诊断 被引量：38
9
作者 张立智 徐卫晓 +1 位作者 井陆阳 谭继文 《振动．测试与诊断》 EI CSCD 北大核心 2020年第6期1063-1070,1228,共9页
为解决旋转机械振动信号复杂且难以提取有效故障特征的问题,提出了一种经验模态分解(empirical mode decomposition,简称EMD)、奇异值分解(singular value decomposition,简称SVD)和深度卷积网络(Convolutional Neural Network,简称CNN... 为解决旋转机械振动信号复杂且难以提取有效故障特征的问题,提出了一种经验模态分解(empirical mode decomposition,简称EMD)、奇异值分解(singular value decomposition,简称SVD)和深度卷积网络(Convolutional Neural Network,简称CNN)相结合的故障诊断方法。首先,通过EMD方法将故障信号分解成若干个固有模态分量(intrinsic mode function,简称IMF),构造时域与频域空间状态矩阵;其次,利用SVD方法对空间状态矩阵进行分解得到奇异值数组,构造时域与频域奇异值特征矩阵;最后,将提取的奇异值特征矩阵输入到CNN中进行模式识别。将该方法分别应用于滚动轴承与齿轮箱故障诊断中,在西储大学滚动轴承数据集、PHM2009直齿齿轮箱数据集上均取得了很好效果,正确率优于将原始信号直接输入到CNN中等几种对比方法,验证了该方法的优越性。 展开更多
关键词 滚动轴承 齿轮箱 故障诊断 经验模态分解 奇异值分解 深度卷积网络
下载PDF
基于时频融合和注意力机制的深度学习行星齿轮箱故障诊断方法 被引量：38
10
作者 孔子迁 邓蕾 +1 位作者 汤宝平 韩延 《仪器仪表学报》 EI CAS CSCD 北大核心 2019年第6期221-227,共7页
针对行星齿轮箱振动信号频率成分复杂和时变性强的问题,提出了基于时频融合和注意力机制的深度学习行星齿轮箱故障诊断方法。首先,采用小波包分解将原始振动信号分解到频带和时间两个维度作为输入数据;然后,使用卷积神经网络融合数据的... 针对行星齿轮箱振动信号频率成分复杂和时变性强的问题,提出了基于时频融合和注意力机制的深度学习行星齿轮箱故障诊断方法。首先,采用小波包分解将原始振动信号分解到频带和时间两个维度作为输入数据;然后,使用卷积神经网络融合数据的频带特征,使用双向门控循环单元融合时序特征;接着采用注意力结构对不同时间点的特征自适应地进行动态加权融合;最后通过分类器进行识别,实现行星齿轮箱的端对端故障诊断。实验表明,该方法对比现有的深度学习故障诊断模型具有更高准确率,能够对行星齿轮箱多种健康状态进行准确地诊断。 展开更多
关键词 行星齿轮箱 故障诊断 时频融合 注意力机制
下载PDF
基于多通道一维卷积神经网络特征学习的齿轮箱故障诊断方法 被引量：37
11
作者 叶壮 余建波 《振动与冲击》 EI CSCD 北大核心 2020年第20期55-66,共12页
为了解决单通道图像信号输入不能全面表达故障特征的问题,提出基于多通道一维卷积神经网络(Multi-Channel One-dimensional Convolutional Neural Network,MC-1DCNN)的故障特征学习方法。利用经验模态分解(Empirical Mode Decomposition... 为了解决单通道图像信号输入不能全面表达故障特征的问题,提出基于多通道一维卷积神经网络(Multi-Channel One-dimensional Convolutional Neural Network,MC-1DCNN)的故障特征学习方法。利用经验模态分解(Empirical Mode Decomposition,EMD)方法对信号进行处理,得到多通道一维信号;构建MC-1DCNN模型,对多通道一维信号进行特征提取。在MC-1DCNN的全连接层后接堆叠降噪自编码器(Stacked Denoised Autoencoder,SDAE)层,进一步进行维度缩减和特征提取并实现特征分类。通过某型号齿轮箱故障诊断实验对所提方法进行验证,实验结果表明,所提方法的特征提取能力和故障诊断效果显著优于典型的深度学习方法和机器学习分类器。 展开更多
关键词 齿轮箱故障诊断 多通道信号 卷积神经网络 堆叠降噪自编码器 特征学习
下载PDF
基于EEMD和模糊C均值聚类的风电机组齿轮箱故障诊断 被引量：35
12
作者 王军辉 贾嵘 谭泊 《太阳能学报》 EI CAS CSCD 北大核心 2015年第2期319-324,共6页
针对风电机组齿轮箱中齿轮故障特征提取与故障诊断问题,提出一种基于集合经验模式分解(EEMD)、奇异谱熵和模糊C均值聚类的故障诊断方法。首先对原始振动信号进行EEMD分解,得到各阶本征模态函数(IMF)构成的特征模式矩阵。接着对该特征模... 针对风电机组齿轮箱中齿轮故障特征提取与故障诊断问题,提出一种基于集合经验模式分解(EEMD)、奇异谱熵和模糊C均值聚类的故障诊断方法。首先对原始振动信号进行EEMD分解,得到各阶本征模态函数(IMF)构成的特征模式矩阵。接着对该特征模式矩阵求奇异谱熵值,奇异谱熵值的大小能反映部件的工作状态和故障类型。最后,将得到的奇异谱熵值矩阵进行模糊聚类分析并得到分类结果。通过对齿面磨损、齿面剥落和正常3种齿轮状态分别使用EMD法和EEMD法进行故障分类对比,结果验证了该方法的有效性和可行性,同时证明EEMD法具有更好的分类效果。 展开更多
关键词 风电机组 齿轮箱 故障诊断 集合经验模式分解 奇异谱熵 模糊C均值聚类
下载PDF
基于多通道加权卷积神经网络的齿轮箱振动信号特征提取 被引量：33
13
作者 叶壮 余建波 《机械工程学报》 EI CAS CSCD 北大核心 2021年第1期110-120,共11页
为了解决单通道振动信号输入不能全面表达故障特征信息及齿轮箱故障早期诊断问题,提出了一种新的深度神经网络(Deep neural network, DNN)模型—多通道加权卷积神经网络(Multi-channels weighted convolutional neural network,MCW-CNN)... 为了解决单通道振动信号输入不能全面表达故障特征信息及齿轮箱故障早期诊断问题,提出了一种新的深度神经网络(Deep neural network, DNN)模型—多通道加权卷积神经网络(Multi-channels weighted convolutional neural network,MCW-CNN),并应用于齿轮箱振动信号特征学习和故障诊断。首先,采用经验模态分解(Empirical mode decomposition,EMD)对振动信号进行处理,得到多通道一维信号突出振动信号的故障特征,并将其转化为多通道图像输入,从而充分发挥CNN在图像特征提取上的优良性能,将齿轮箱故障诊断问题进一步转化为CNN更为擅长的多通道图像识别问题;其次,针对各通道图像频率和带宽的不同,在卷积层采用动态感受野进行图像特征提取,全面提取多通道图像特征细节;针对各通道图像携带冲击特征的强弱不同,提出了基于峭度加权的多通道融合方法,增强了冲击特征强的通道故障特征。最后,通过故障诊断仿真试验和齿轮箱故障诊断试验验证所提方法的有效性。试验结果表明,MCW-CNN可有效提取振动信号的故障特征,识别正确率明显高于典型的深度学习方法和传统的分类器。 展开更多
关键词 齿轮箱故障诊断 多通道信号 特征学习 卷积神经网络 信息融合
原文传递
基于阶次分析技术的行星齿轮箱非平稳振动信号分析 被引量：33
14
作者 王况 王科盛 左明健 《振动与冲击》 EI CSCD 北大核心 2016年第5期140-145,195,共7页
行星齿轮箱启动、停止和负载发生变化时,转速会发生变化并使得行星齿轮箱的振动信号具有明显的非平稳特性。行星齿轮箱复杂的结构特征导致了振动信号的复杂性,使得常规的频谱和解调分析方法难以识别时变工况下的行星齿轮箱故障特征频率... 行星齿轮箱启动、停止和负载发生变化时,转速会发生变化并使得行星齿轮箱的振动信号具有明显的非平稳特性。行星齿轮箱复杂的结构特征导致了振动信号的复杂性,使得常规的频谱和解调分析方法难以识别时变工况下的行星齿轮箱故障特征频率。在行星齿轮箱故障特征频率的基础上,考虑转速变化特征,总结了行星齿轮箱太阳轮、行星轮及齿圈的故障阶次特征表。通过对行星齿轮箱变转速工况下太阳轮故障实验信号的阶次分析,实现了变转速情况下行星齿轮箱太阳轮故障诊断,并与传统的频域信号分析方法比较,体现了阶次分析技术在行星齿轮箱变工况故障诊断过程中的优势。 展开更多
关键词 阶次分析 行星齿轮箱 非平稳 故障诊断
下载PDF
基于参数自适应变分模态分解的行星齿轮箱故障诊断 被引量：33
15
作者 孙灿飞 王友仁 +1 位作者 沈勇 陈伟 《航空动力学报》 EI CAS CSCD 北大核心 2018年第11期2756-2765,共10页
针对变分模态分解需要人为设定模态数量以及在强噪声情况下容易造成分解错误的问题,提出了依据功率谱密度极值点自适应确定模态数量与中心频率的参数自适应变分模态分解方法,通过信号仿真分析验证了方法的有效性。基于参数自适应变分模... 针对变分模态分解需要人为设定模态数量以及在强噪声情况下容易造成分解错误的问题,提出了依据功率谱密度极值点自适应确定模态数量与中心频率的参数自适应变分模态分解方法,通过信号仿真分析验证了方法的有效性。基于参数自适应变分模态分解提出了一种行星齿轮箱故障诊断方法,应用于行星齿轮箱第2级太阳轮裂纹的故障诊断,行星齿轮箱传动实验台的试验结果表明:该方法能实现振动信号准确分解,有效提取和辨别出故障特征频率,实现了在强背景噪声和微弱故障信号情况下对第2级太阳轮裂纹故障的准确诊断。 展开更多
关键词 行星齿轮箱 故障诊断 参数估计 变分模态分解 频谱分析
原文传递
行星齿轮箱故障诊断的非平稳振动信号分析方法 被引量：32
16
作者 冯志鹏 范寅夕 +1 位作者 LIANG Ming 褚福磊 《中国电机工程学报》 EI CSCD 北大核心 2013年第17期105-110,19,共6页
时变工况下行星齿轮箱的振动信号具有非平稳性和调频特点,常规频谱和解调分析方法难以识别故障特征频率。研究了基于自适应多尺度线性调频小波分解的行星齿轮箱故障诊断,利用自适应多尺度线性调频小波分解方法在分析时变调频信号方面的... 时变工况下行星齿轮箱的振动信号具有非平稳性和调频特点,常规频谱和解调分析方法难以识别故障特征频率。研究了基于自适应多尺度线性调频小波分解的行星齿轮箱故障诊断,利用自适应多尺度线性调频小波分解方法在分析时变调频信号方面的优势,以及基于线性调频小波的时频分布分辨率高、无交叉项干扰的优点,分析了行星齿轮箱时变工况下的故障实验信号,识别了时变的特征频率,诊断出了齿轮故障。 展开更多
关键词 风力机 行星齿轮箱 故障诊断 非平稳 线性调频小波 时频分析
下载PDF
基于迭代广义同步压缩变换的时变工况行星齿轮箱故障诊断 被引量：31
17
作者 陈小旺 冯志鹏 LIANG Ming 《机械工程学报》 EI CAS CSCD 北大核心 2015年第1期131-137,共7页
同步压缩变换在分析频率恒定的单分量信号时改善时频可读性的效果显著,而在分析多分量频率时变信号时存在时频模糊现象,为了解决这一问题,提出迭代广义同步压缩变换方法。通过迭代广义解调分离出各单分量成分,并将时变频率变换为恒定频... 同步压缩变换在分析频率恒定的单分量信号时改善时频可读性的效果显著,而在分析多分量频率时变信号时存在时频模糊现象,为了解决这一问题,提出迭代广义同步压缩变换方法。通过迭代广义解调分离出各单分量成分,并将时变频率变换为恒定频率。应用同步压缩变换精确估计瞬时频率和时频分布幅值。将各单分量的时频分布叠加获得信号的时频分布。该方法有效改善了同步压缩变换在分析频率时变信号时的时频可读性,并且将其推广应用于多分量信号。应用该方法有效识别了时变工况下行星齿轮箱振动信号的频率组成及其时变特征,准确诊断了齿轮故障。 展开更多
关键词 行星齿轮箱 非平稳 故障诊断 广义解调 同步压缩变换
下载PDF
基于VMD-DE的坦克行星变速箱故障诊断方法研究 被引量：31
18
作者 吴守军 冯辅周 +1 位作者 吴春志 李本 《振动与冲击》 EI CSCD 北大核心 2020年第10期170-179,共10页
为了提高坦克行星变速箱齿轮故障模式识别准确率,将变分模态分解(VMD)与散布熵(DE)结合提出故障特征提取新方法。利用波形法确定VMD分解层数,VMD分解振动信号得到一组固有模态分量(IMF);根据归一化互信息准则筛选若干IMF重构信号,计算... 为了提高坦克行星变速箱齿轮故障模式识别准确率,将变分模态分解(VMD)与散布熵(DE)结合提出故障特征提取新方法。利用波形法确定VMD分解层数,VMD分解振动信号得到一组固有模态分量(IMF);根据归一化互信息准则筛选若干IMF重构信号,计算重构信号的散布熵;将重构信号散布熵作为特征值输入到粒子群优化(PSO)的多分类支持向量机(SVM)中实现故障模式识别。通过对坦克行星变速箱的正常、行星轮故障和太阳轮故障三种状态进行模式识别,分类准确率达到100%,且计算时间较短。与基于原始振动信号DE、VMD-SE(样本熵)、VMD-PE(排列熵)及EMD-DE(经验模态分解与DE结合)等方法比较,综合考虑准确率和计算时间两个因素,基于VMD-DE的方法故障诊断性能最佳。 展开更多
关键词 行星变速箱 故障诊断 变分模态分解(VMD) 散布熵(DE) 粒子群优化(PSO) 支持向量机(SVM)
下载PDF
变速箱噪声的频谱分析与故障诊断 被引量：23
19
作者 卢学军 魏智 《振动与冲击》 EI CSCD 1999年第2期75-78,共4页
应用振动、噪声信号频谱分析和相干函数分析技术，从理论上说明变速箱故障诊断的依据。检测了一台噪声严重超标的实际变速箱系统，得到其三向振动和噪声信号。综合分析了实测信号及其计算机数据处理结果，从而得出检测对象出现强烈噪声... 应用振动、噪声信号频谱分析和相干函数分析技术，从理论上说明变速箱故障诊断的依据。检测了一台噪声严重超标的实际变速箱系统，得到其三向振动和噪声信号。综合分析了实测信号及其计算机数据处理结果，从而得出检测对象出现强烈噪声的主要原因在于其中一对啮合轮发生“嗑碰” 展开更多
关键词 变速箱 噪声 振动 故障诊断 频谱分析
下载PDF
基于小波域平稳子空间分析的风力发电机齿轮箱故障诊断 被引量：29
20
作者 严如强 钱宇宁 +1 位作者 胡世杰 高晓旸 《机械工程学报》 EI CAS CSCD 北大核心 2014年第11期9-16,共8页
风力发电机齿轮箱故障信号为非平稳瞬态微弱信号,容易被齿轮啮合信号及其他噪声淹没。提出一种融合连续小波变换(Continuous wavdot transform,CWT)和平稳子空间分析(Startionary subspace analysis,SSA)的信号分解方法并应用于风力发... 风力发电机齿轮箱故障信号为非平稳瞬态微弱信号,容易被齿轮啮合信号及其他噪声淹没。提出一种融合连续小波变换(Continuous wavdot transform,CWT)和平稳子空间分析(Startionary subspace analysis,SSA)的信号分解方法并应用于风力发电机齿轮箱故障诊断中。平稳子空间分析作为一种盲源分离技术可将高维数据分解成平稳源部分和非平稳源部分,对待分析信号各分量间的独立性没有要求且不需要任何先验信息。连续小波变换则可利用其所具有的多尺度分析特性把一维时间序列转换为不同尺度下的多维时间序列。对观测得到的一维时间序列数据进行连续小波变换得到多维时间序列作为平稳子空间分析的输入,利用平稳子空间分析方法将该多维时间序列分解为平稳源信号分量和非平稳源信号分量,对非平稳源信号进行包络谱分析得到齿轮箱故障的特征频率。该小波域平稳子空间分析方法被应用于一个实际风力发电机齿轮箱振动信号的分析,试验结果表明该方法可有效地诊断出齿轮箱中的轴承故障。 展开更多
关键词 风力发电机齿轮箱 故障诊断 连续小波变换 平稳子空间分析
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 2 … 30 下一页 到第 页
使用帮助 返回顶部