期刊导航
期刊开放获取
cqvip
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DE-SVM的风电机组高速轴承故障诊断
被引量：
9
1
作者
叶凯
黄雪梅
+1 位作者
张磊安
范治达
《机床与液压》
北大核心
2022年第18期153-157,共5页
为减少风电机组传动链故障造成的重大损失和安全隐患,保证机组健康平稳运行,针对风电机组传动链轴承的故障诊断问题,提出一种基于差分进化算法改进支持向量机的故障诊断方法。利用集合经验模态分解方法对原始数据进行处理,提取有效的故...
为减少风电机组传动链故障造成的重大损失和安全隐患,保证机组健康平稳运行,针对风电机组传动链轴承的故障诊断问题,提出一种基于差分进化算法改进支持向量机的故障诊断方法。利用集合经验模态分解方法对原始数据进行处理,提取有效的故障特征,实现信噪分离;采用差分进化算法对支持向量机关键参数进行优化以提高模型的泛化能力和预测精度;利用训练好的模型进行故障诊断。结果表明:所提方法具有准确性和有效性。
展开更多
关键词
风电机组
滚动轴承
支持向量机
差分进化算法
故障诊断
下载PDF
职称材料
基于图正则化约束频域组稀疏模型的风电机组滚动轴承故障诊断
2
作者
李继猛
王泽
+1 位作者
史清心
孟宗
《中国机械工程》
EI
CAS
CSCD
北大核心
2024年第11期1909-1919,共11页
风电机组的非平稳运行、嘈杂环境以及强电磁干扰等影响,使得滚动轴承故障脉冲易被强噪声淹没,微弱特征难以准确识别。提出了一种图正则化约束的频域组稀疏模型,在不依赖周期先验的前提下,实现滚动轴承故障特征的有效提取。将振动信号转...
风电机组的非平稳运行、嘈杂环境以及强电磁干扰等影响,使得滚动轴承故障脉冲易被强噪声淹没,微弱特征难以准确识别。提出了一种图正则化约束的频域组稀疏模型,在不依赖周期先验的前提下,实现滚动轴承故障特征的有效提取。将振动信号转化成图信号以构造图正则化约束,利用结构化信息指导惩罚力度,提高稀疏重构的准确性;构建图正则化约束的频域组稀疏模型,给出了组内分量收缩阈值的确定方法,并利用近端映射来简化目标函数以优化求解;最后,利用构造的综合评价指标和蛾焰优化算法优化模型参数,通过对重构后时域稀疏信号的包络谱分析识别滚动轴承故障。数值仿真和实验结果表明,所提方法具有良好的抗噪性能,能够有效地提取强噪声干扰下滚动轴承的微弱故障特征。
展开更多
关键词
风电机组
滚动轴承
故障诊断
组稀疏
图正则化
下载PDF
职称材料
题名
基于DE-SVM的风电机组高速轴承故障诊断
被引量：
9
1
作者
叶凯
黄雪梅
张磊安
范治达
机构
山东理工大学机械工程学院
出处
《机床与液压》
北大核心
2022年第18期153-157,共5页
基金
国家自然科学基金面上项目(52075305)
周村区校城融合发展项目(2020ZCXCZH01)。
文摘
为减少风电机组传动链故障造成的重大损失和安全隐患,保证机组健康平稳运行,针对风电机组传动链轴承的故障诊断问题,提出一种基于差分进化算法改进支持向量机的故障诊断方法。利用集合经验模态分解方法对原始数据进行处理,提取有效的故障特征,实现信噪分离;采用差分进化算法对支持向量机关键参数进行优化以提高模型的泛化能力和预测精度;利用训练好的模型进行故障诊断。结果表明:所提方法具有准确性和有效性。
关键词
风电机组
滚动轴承
支持向量机
差分进化算法
故障诊断
Keywords
Wind turbine rolling bearing
Support vector machine(SVM)
Differential evolution(DE)algorithm
Fault diagnosis
分类号
TM614 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
基于图正则化约束频域组稀疏模型的风电机组滚动轴承故障诊断
2
作者
李继猛
王泽
史清心
孟宗
机构
燕山大学河北省测试计量技术及仪器重点实验室
出处
《中国机械工程》
EI
CAS
CSCD
北大核心
2024年第11期1909-1919,共11页
基金
国家自然科学基金(52075470)
中央引导地方科技发展资金项目(226Z2101G)。
文摘
风电机组的非平稳运行、嘈杂环境以及强电磁干扰等影响,使得滚动轴承故障脉冲易被强噪声淹没,微弱特征难以准确识别。提出了一种图正则化约束的频域组稀疏模型,在不依赖周期先验的前提下,实现滚动轴承故障特征的有效提取。将振动信号转化成图信号以构造图正则化约束,利用结构化信息指导惩罚力度,提高稀疏重构的准确性;构建图正则化约束的频域组稀疏模型,给出了组内分量收缩阈值的确定方法,并利用近端映射来简化目标函数以优化求解;最后,利用构造的综合评价指标和蛾焰优化算法优化模型参数,通过对重构后时域稀疏信号的包络谱分析识别滚动轴承故障。数值仿真和实验结果表明,所提方法具有良好的抗噪性能,能够有效地提取强噪声干扰下滚动轴承的微弱故障特征。
关键词
风电机组
滚动轴承
故障诊断
组稀疏
图正则化
Keywords
rolling bearing of wind turbine
fault diagnosis
group sparse
graph regularization
分类号
TH133 [机械工程—机械制造及自动化]
TP206 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于DE-SVM的风电机组高速轴承故障诊断
叶凯
黄雪梅
张磊安
范治达
《机床与液压》
北大核心
2022
9
下载PDF
职称材料
2
基于图正则化约束频域组稀疏模型的风电机组滚动轴承故障诊断
李继猛
王泽
史清心
孟宗
《中国机械工程》
EI
CAS
CSCD
北大核心
2024
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
