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7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：
基于注意力机制的双向门控循环单元网络齿轮故障识别系统 被引量：2
1
作者 冯贤洋 何荇兮 +2 位作者 符礼丹 陆彬春 陈鸣辉 《汽车工程学报》 2023年第1期111-117,共7页
提出一种基于注意力机制(Attention Mechanism,AM)的双向门控循环神经网络模型的齿轮故障识别系统。使用基于STM32的嵌入式主控制器分别采集正常齿轮、断齿齿轮、轮齿剥落齿轮等3种故障齿轮工作时的振动传感器数据,使用基于注意力机制... 提出一种基于注意力机制(Attention Mechanism,AM)的双向门控循环神经网络模型的齿轮故障识别系统。使用基于STM32的嵌入式主控制器分别采集正常齿轮、断齿齿轮、轮齿剥落齿轮等3种故障齿轮工作时的振动传感器数据,使用基于注意力机制的双向门控循环单元网络模型进行齿轮故障识别。双向门控循环神经网络模型添加了注意力机制,保留输入特征的重要信息,不随步长增加而消失。将采集到的原始数据集按7∶2∶1的比例划分为训练集、验证集和测试集。测试集模型的齿轮故障识别准确率达到了99.67%,与GRU和Bi-GRU等模型的结果对比证明该模型的正确率更高。本系统可用于汽车变速器的监测与故障诊断。 展开更多
关键词 嵌入式 齿轮故障识别 双向门控网络 注意力机制
下载PDF
基于混合蜻蜓优化多核模糊聚类和特征子集选取的在线齿轮故障识别 被引量：4
2
作者 梁颖 马泳涛 《机械设计与制造》 北大核心 2022年第1期9-14,19,共7页
对模糊C-均值聚类算法改进及在齿轮故障高效、可靠识别中的应用进行研究,提出了一种新的计及模糊聚类和特征选取的在线齿轮故障识别方法—基于混合蜻蜓优化多核模糊聚类和特征子集选取的在线齿轮故障识别算法。设计多核函数和贪婪聚类... 对模糊C-均值聚类算法改进及在齿轮故障高效、可靠识别中的应用进行研究,提出了一种新的计及模糊聚类和特征选取的在线齿轮故障识别方法—基于混合蜻蜓优化多核模糊聚类和特征子集选取的在线齿轮故障识别算法。设计多核函数和贪婪聚类中心初始化策略,以克服模糊聚类算法对初始值敏感、高维复杂数据聚类鲁棒性差的缺陷;提出特征子集选取机制,更大限度降低数据处理维度;引入混合蜻蜓优化算法,将多核函数确定、最佳特征子集和聚类中心等效为蜻蜓个体编码,通过迭代求解最优聚类效果目标函数,在完成多核函数确定和最佳特征子集选取的同时,有效提高聚类算法求解效率;构建线下训练和线上故障识别模型,利用线下训练模式得到最佳模糊聚类个数等参数,并应用于复杂多样、高维非线性海量齿轮故障监测数据线上识别。仿真结果表明,提出的改进模糊聚类算法具有更好的聚类效果和更好的齿轮故障辨识度,高维复杂数据聚类正确率提高了约(6.5~9.3)%,齿轮故障识别检测成功率提高了约(11.1~31.7)%。 展开更多
关键词 齿轮故障识别 模糊C-均值聚类算法 特征提取 蜻蜓算法
下载PDF
基于GM(1,1)模型的齿轮故障识别预测研究 被引量：2
3
作者 赵红斌 夏蒙健 +2 位作者 张强 顾颉颖 张佳瑶 《山东科技大学学报（自然科学版）》 CAS 北大核心 2022年第5期118-128,共11页
针对齿轮故障诊断问题,提出一种基于灰色预测模型(GM(1,1))的齿轮故障识别预测方法。根据齿轮磨损情况将齿轮故障定义为4种状态:正常齿轮状态、齿根裂纹故障状态、齿面磨损故障状态和断齿故障状态。通过搭建齿轮故障诊断实验台,利用振... 针对齿轮故障诊断问题,提出一种基于灰色预测模型(GM(1,1))的齿轮故障识别预测方法。根据齿轮磨损情况将齿轮故障定义为4种状态:正常齿轮状态、齿根裂纹故障状态、齿面磨损故障状态和断齿故障状态。通过搭建齿轮故障诊断实验台,利用振动传感器采集齿轮工作过程中处于不同磨损状态时的振动加速度信号样本,利用小波降噪、小波分解重构等方法重构特征信号,得到去噪后的信号图像,进而提取振动加速度信号特征数值,并基于GM(1,1)建立齿轮故障识别预测模型。研究表明,该模型预测数值与真实值误差均值在0.56%~0.67%,相对误差均方根值在0.33%~0.43%,其中齿根裂纹状态时相对误差均值为0.67%,相对误差均方根为0.33%;断齿故障状态时相对误差均值为0.67%,相对误差均方根为0.39%;齿面磨损故障时相对误差均值为0.56%,相对误差均方根为0.43%。表明模型预测精度较高,可用于齿轮故障预测研究,为齿轮故障诊断提供了一种新的研究方法及理论依据。 展开更多
关键词 减速器齿轮 齿轮故障识别 小波包分解重构 GM(1 1)模型
下载PDF
基于局部细节谱的齿轮故障识别研究 被引量：1
4
作者 严皓 肖涵 《机械传动》 CSCD 北大核心 2018年第8期148-152,共5页
经典的递归定量分析方法(Recurrence Quantification Analysis,RQA)是通过研究递归图中递归点在水平、垂直及对角方向的分布规律,对递归图进行定量研究。提出了一种新的递归定量分析方法:局部细节谱(Local Detail Spectrum,LDS)。该方... 经典的递归定量分析方法(Recurrence Quantification Analysis,RQA)是通过研究递归图中递归点在水平、垂直及对角方向的分布规律,对递归图进行定量研究。提出了一种新的递归定量分析方法:局部细节谱(Local Detail Spectrum,LDS)。该方法更关注于递归图中有限区间内递归点局部分布规律的定量分析。将所提出的局部细节谱用于齿轮故障分类,实验证明,局部细节谱可取得较好的故障识别效果。 展开更多
关键词 递归图 局部细节谱 递归定量分析 齿轮故障识别
下载PDF
自适应局部迭代滤波在齿轮故障识别中的应用
5
作者 郭德伟 普亚松 +3 位作者 江洁 俞利宾 闵洁 张文斌 《工矿自动化》 北大核心 2021年第1期74-80,I0004,共8页
针对齿轮实测信号因受噪声干扰而不能准确反映故障特征的问题,提出将自适应局部迭代滤波应用到齿轮故障识别中,与样本熵、灰色关联度相结合实现齿轮的故障识别。利用自适应局部迭代滤波将齿轮非平稳信号分解为有限个平稳的本质模态函数... 针对齿轮实测信号因受噪声干扰而不能准确反映故障特征的问题,提出将自适应局部迭代滤波应用到齿轮故障识别中,与样本熵、灰色关联度相结合实现齿轮的故障识别。利用自适应局部迭代滤波将齿轮非平稳信号分解为有限个平稳的本质模态函数,通过计算各本质模态函数的样本熵,发现以齿轮系统的转频信号对应的本质模态函数的样本熵为界,前几个本质模态函数的样本熵能表征不同故障类型的特征;计算齿轮系统正常、齿面轻度磨损、齿面中度磨损和断齿4种工况下多个训练样本的样本熵的平均值,将其作为对应工况标准故障模式的参考值;计算待检测样本的样本熵与各状态下训练样本的样本熵平均值之间的灰色关联度,与待识别样本灰色关联度最大的标准故障模式即被认为是待识别样本的故障类型。实例分析结果表明,通过自适应迭代滤波能有效抑制模态混叠现象,发现明显的齿轮转频信号,而采用集合经验模式分解(EEMD)方法进行信号分解后,模态混叠现象比较明显,且在EEMD的分解结果中基本看不出齿轮的转频分量;4种工况的样本熵曲线形状存在明显差异,说明样本熵能有效表征齿轮故障特征的变化;灰色关联度方法能有效地将4种不同的故障类型进行分类识别,分类识别性能优于BP神经网络,对小样本数据具有较好的分类识别能力。 展开更多
关键词 齿轮故障识别 自适应局部迭代滤波 样本熵 灰色关联度 转频信号
下载PDF
基于双隐含层RWPSO-BP神经网络的齿轮箱故障诊断研究 被引量：5
6
作者 谢锋云 董建坤 +2 位作者 王二化 符羽 闫少石 《现代制造工程》 CSCD 北大核心 2021年第6期155-160,共6页
针对齿轮箱故障诊断过程中采集到的振动信号通常都比较复杂多变,随机性和偶然性也比较强的特点,提出了一种基于随机权重粒子群优化(Random Weight Particle Swarm Optimization,RWPSO)算法的双隐含层反向传播(Back Propagation,BP)神经... 针对齿轮箱故障诊断过程中采集到的振动信号通常都比较复杂多变,随机性和偶然性也比较强的特点,提出了一种基于随机权重粒子群优化(Random Weight Particle Swarm Optimization,RWPSO)算法的双隐含层反向传播(Back Propagation,BP)神经网络(RWPSO-BP)的齿轮箱故障诊断方法。对江苏千鹏诊断工程有限公司所公布的齿轮箱故障诊断实验中的原始振动数据进行多特征值提取;利用主成分分析法(Principal Component Analysis,PCA)对特征集进行降维处理,将多个变量的数据集转变为较少新变量的数据集(即主成分),把所选主成分归一化处理后利用双隐含层RWPSO-BP神经网络进行诊断分析;将分析结果与单隐含层RWPSO-BP神经网络对测试样本的识别结果作对比。最后的诊断结果为:双隐含层RWPSO-BP神经网络的误差更小,可以较为准确地对齿轮箱故障类型进行有效的识别。 展开更多
关键词 齿轮箱故障识别 双隐含层 特征提取 主成分分析 RWPSO-BP神经网络
下载PDF
基于二阶同步挤压变换的齿轮箱故障识别 被引量：3
7
作者 黄晓丹 裴帮 +2 位作者 李优华 颜世铛 王征兵 《机电工程》 CAS 北大核心 2021年第12期1605-1610,共6页
在时频分析过程中,采用传统的短时傅里叶变换与小波变换,均不能同时拥有良好的时间分辨率和频率分辨率,针对这一问题,提出了一种基于二阶同步挤压变换的齿轮箱故障识别方法。首先,在时频分析中,利用含有上、下边频带的模拟信号,对二阶... 在时频分析过程中,采用传统的短时傅里叶变换与小波变换,均不能同时拥有良好的时间分辨率和频率分辨率,针对这一问题,提出了一种基于二阶同步挤压变换的齿轮箱故障识别方法。首先,在时频分析中,利用含有上、下边频带的模拟信号,对二阶同步挤压变换的信号提取效果进行了测试;通过加入不同程度的高斯白噪声,对二阶同步挤压变换的抗噪性能进行了测试;然后,以国内某现役地铁齿轮箱实体为研究对象,通过软件构造了其计算机虚拟样机,并借助有限元软件生成了以箱体为柔性体、传动系统为刚性体的齿轮箱刚柔耦合模型,并得到了含有断齿故障的齿轮箱和正常状态齿轮箱的测点位置振动加速度信号;最后,采用二阶同步挤压变换成功地识别出了含有断齿故障状态下齿轮箱的啮合频率和边频带,以及正常齿轮运转过程中的啮合频率。研究结果表明:相较于同步挤压变换以及传统时频分析方法,二阶同步挤压变换具有更好的时频分辨率,可以为后续的地铁齿轮箱振动信号实测以及信号识别提供一种可靠的工具。 展开更多
关键词 齿轮箱故障识别 故障诊断 二阶同步挤压变换 振动信号
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