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9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：
EMD-ICA联合降噪在滚动轴承故障诊断中的应用 被引量：28
1
作者 张俊红 李林洁 +2 位作者 马文朋 李周裕 刘昱 《中国机械工程》 EI CAS CSCD 北大核心 2013年第11期1468-1472,共5页
滚动轴承早期故障信号具有能量小、频带分布宽等特征,易受到其他能量较大的振源信号的干扰,致使传统滤波降噪方法存在很大的局限性。针对这一特点,提出经验模式分解(EMD)和独立分量分析(ICA)相结合的联合降噪新方法。将单通道振动信号进... 滚动轴承早期故障信号具有能量小、频带分布宽等特征,易受到其他能量较大的振源信号的干扰,致使传统滤波降噪方法存在很大的局限性。针对这一特点,提出经验模式分解(EMD)和独立分量分析(ICA)相结合的联合降噪新方法。将单通道振动信号进行EMD分解,基于互相关准则对分解后的本征模函数进行重组,构造虚拟噪声通道,并以此作为ICA的输入矩阵,采用FastICA算法实现源信号和噪声信号的分离,从而达到降噪的目的。将该方法应用于滚动轴承故障诊断中,对降噪后的重构信号进行频谱分析,进而判断滚动轴承的运行状态。仿真和试验分析结果表明该方法有效可行。 展开更多
关键词 经验模式分解 独立分量分析 滚动轴承 故障诊断
下载PDF
全参数动态学习深度信念网络在滚动轴承寿命预测中的应用 被引量：29
2
作者 杨宇 张娜 程军圣 《振动与冲击》 EI CSCD 北大核心 2019年第10期199-205,249,共8页
相对于传统的"对信号进行特征提取+人工选择对数据敏感的特征值+预测模型"的滚动轴承寿命预测方法,深度信念网络(DBN)有显著的优势:DBN可以直接处理原始数据,让机器自动学习信号特征,从而免去了特征提取和选择的过程,提高了... 相对于传统的"对信号进行特征提取+人工选择对数据敏感的特征值+预测模型"的滚动轴承寿命预测方法,深度信念网络(DBN)有显著的优势:DBN可以直接处理原始数据,让机器自动学习信号特征,从而免去了特征提取和选择的过程,提高了预测的智能性。但是传统的DBN采用固定学习率进行网络学习,不利于寻找最优结果;基于此,提出了一种改进的深度信念网络——全参数动态学习深度信念网络(GPDLDBN),并将其应用于滚动轴承寿命预测中。GPDLDBN预测模型由多层受限玻尔兹曼机(RBM)单元组成,采用自下而上的逐层无监督贪婪算法训练参数;接着采用自上而下的监督学习算法微调整个网络参数,两个过程均采用新的全参数动态学习策略设置各参数;采用GPDLDBN预测模型对实测的滚动轴承寿命数据进行了预测,并与传统的固定学习率的DBN预测模型进行了对比分析。结果表明,GPDLDBN预测模型能够有效加快收敛速度,减少模型的训练时间,且具有更高的预测精度。 展开更多
关键词 深度学习 全参数动态学习深度信念网络(GPDLDBN) 滚动轴承 寿命预测
下载PDF
基于EMD与深度信念网络的滚动轴承故障特征分析与诊断方法 被引量：18
3
作者 俞啸 范春旸 +3 位作者 董飞 丁恩杰 吴守鹏 王昕 《机械传动》 CSCD 北大核心 2018年第6期157-163,共7页
为了实现滚动轴承故障的智能诊断,提出了一种基于经验模态分解(Empirical mode decomposition,EMD)和深度信念网络(Deep belief network,DBN)的轴承故障诊断模型。首先,采用经验模态分解对振动信号进行处理,选取有效的本征模态函数(Intr... 为了实现滚动轴承故障的智能诊断,提出了一种基于经验模态分解(Empirical mode decomposition,EMD)和深度信念网络(Deep belief network,DBN)的轴承故障诊断模型。首先,采用经验模态分解对振动信号进行处理,选取有效的本征模态函数(Intrinsic mode function,IMF)分量及其Hilbert包络谱、边际谱,计算其统计参数,构造原始特征集;然后,提出了一种基于极限学习机(Extreme learning machine,ELM)的特征选择方法 (Features selection base on ELM,FSELM),以去除原始特征集中的冗余和干扰特征,选取出故障状态敏感特征;最后,利用深度学习在高维、非线性信号处理方面的优势,完成基于DBN的故障特征自适应分析与故障状态智能识别。通过对12种轴承状态进行分类实验,表明FSELM方法能够选取出故障的敏感统计特征,DBN方法的自适应特性能够有效提高故障状态识别准确率。 展开更多
关键词 经验模态分解 极限学习机 深度信念网络 滚动轴承 故障诊断
下载PDF
基于SVD和1DCNN的滚动轴承故障诊断
4
作者 闫锋 肖成军 孙一伟 《中国民航飞行学院学报》 2024年第5期37-42,共6页
为实现轴承故障的诊断,本文提出一种基于奇异值分解(SVD)和一维卷积神经网络(1DCNN)的分类算法,即将一维信号转为二维数据并重构,建立检测模型,将重构信号和原始信号分别输入1DCNN模型检测,最后通过混淆矩阵和准确率评估模型。结果显示,... 为实现轴承故障的诊断,本文提出一种基于奇异值分解(SVD)和一维卷积神经网络(1DCNN)的分类算法,即将一维信号转为二维数据并重构,建立检测模型,将重构信号和原始信号分别输入1DCNN模型检测,最后通过混淆矩阵和准确率评估模型。结果显示,SVD结合1DCNN模型比传统1DCNN模型在不同工况下的准确率提高了1.57%和0.4%,具有一定参考价值。 展开更多
关键词 滚动轴承 故障诊断 奇异值分解 一维卷积神经网络
下载PDF
基于非线性降维和模糊均值聚类的滚动轴承的性能退化在线评估方法 被引量：5
5
作者 周建民 郭慧娟 张龙 《机械设计与研究》 CSCD 北大核心 2017年第6期86-89,共4页
为了得到滚动轴承的性能退化趋势,并且实现对滚动轴承退化指标的在线实时监测,提出基于局部线性嵌入(LLE)和模糊C均值(FCM)的滚动轴承性能退化在线评估方法,首先用自回归(AR)模型和小波包分解提取早期无故障信号和同型号同位置失效滚动... 为了得到滚动轴承的性能退化趋势,并且实现对滚动轴承退化指标的在线实时监测,提出基于局部线性嵌入(LLE)和模糊C均值(FCM)的滚动轴承性能退化在线评估方法,首先用自回归(AR)模型和小波包分解提取早期无故障信号和同型号同位置失效滚动轴承(简称同类轴承)的失效信号的特征,用LLE方法对总特征非线性降维,然后建立模糊C均值,将待测信号特征提取后通过保持模型不变连续迭代的方式输入到FCM模型中,用待测样本到正常和失效聚类中心的欧式距离作为性能退化指标,最后用滚动轴承外圈故障实例和希尔伯特包络解调验证提出方法的有效性和实用性。 展开更多
关键词 AR模型 小波包分解 LLE降维 FCM模型 滚动轴承 希尔伯特包络解调
原文传递
基于滚动轴承选型设计的程序开发 被引量：1
6
作者 蔚福强 杨文超 罗霁 《内燃机与配件》 2022年第5期1-3,共3页
计算机程序辅助机械师设计,高效、准确、全面、经济的完成设计。机械设计分为条件输入、信息检索及处理、输出三个过程,旨在降低手册对机械设计的约束、降低新产品设计周期进而提高企业竞争力。通过对滚动轴承选型实验,其能高效且准确... 计算机程序辅助机械师设计,高效、准确、全面、经济的完成设计。机械设计分为条件输入、信息检索及处理、输出三个过程,旨在降低手册对机械设计的约束、降低新产品设计周期进而提高企业竞争力。通过对滚动轴承选型实验,其能高效且准确的得到的轴承代号解集。本设计思想能够解决轴承选型设计的一般问题,能给后续基础工业软件的开发者提供一些解决问题的方法和途径。 展开更多
关键词 机械设计 滚动轴承 模块化程序设计 三大结构
下载PDF
基于matlab的滚动轴承智能监测应用实例分析
7
作者 张雅楠 《机械管理开发》 2013年第3期112-114,共3页
智能化滚动轴承状态监测利用传感器进行振动信号采集,将采集的数据形成样本;在程序中导入采集的数据样本,进行时域分析与频域分析,并且提取时域和频域的特征向量,形成训练神经网络的模式;再将数据输入人工神经网络进行训练,可以建立一... 智能化滚动轴承状态监测利用传感器进行振动信号采集,将采集的数据形成样本;在程序中导入采集的数据样本,进行时域分析与频域分析,并且提取时域和频域的特征向量,形成训练神经网络的模式;再将数据输入人工神经网络进行训练,可以建立一个识别系统判断轴承是否有故障。 展开更多
关键词 滚动轴承 状态监测 神经网络
下载PDF
基于多尺度熵和距离评估的滚动轴承故障诊断 被引量：7
8
作者 谢平 江国乾 +1 位作者 武鑫 李小俚 《计量学报》 CSCD 北大核心 2013年第6期548-553,共6页
为了解决滚动轴承非线性故障特征难以提取的问题，将多尺度熵和距离评估方法有机结合，提出一种新的滚动轴承非线性特征提取方法。首先利用多尺度熵来刻画滚动轴承振动信号在不同尺度上的细节特征；然后引入距离评估选择算法，对多尺度... 为了解决滚动轴承非线性故障特征难以提取的问题，将多尺度熵和距离评估方法有机结合，提出一种新的滚动轴承非线性特征提取方法。首先利用多尺度熵来刻画滚动轴承振动信号在不同尺度上的细节特征；然后引入距离评估选择算法，对多尺度特征进行特征评估，优化选取敏感尺度特征，并送入支持向量机实现轴承不同状态的分类。通过滚动轴承故障诊断实验对该方法进行验证，结果表明，选取敏感多尺度熵特征集对故障特征进行刻画，较单尺度特征、原始特征集和随机特征集等诊断效果更佳，提高了诊断精度。 展开更多
关键词 计量学 特征提取 多尺度熵 距离评估 故障诊断 滚动轴承
下载PDF
基于PCA-UPF的风力机轴承剩余寿命预测方法 被引量：5
9
作者 吕明珠 苏晓明 +1 位作者 陈长征 刘世勋 《太阳能学报》 EI CAS CSCD 北大核心 2021年第2期218-224,共7页
为解决风力机轴承退化指标提取困难与剩余寿命预测精度低的问题,提出一种基于主成分分析(PCA)和无迹粒子滤波(UPF)的预测方法。该方法主要包括退化指标提取和寿命预测2个步骤。在退化指标提取部分,通过PCA对轴承实时振动信号的多域原始... 为解决风力机轴承退化指标提取困难与剩余寿命预测精度低的问题,提出一种基于主成分分析(PCA)和无迹粒子滤波(UPF)的预测方法。该方法主要包括退化指标提取和寿命预测2个步骤。在退化指标提取部分,通过PCA对轴承实时振动信号的多域原始特征集进行融合,得到能够反映轴承衰退趋势的退化指标。在剩余寿命预测部分,通过对轴承历史数据的拟合分析构建退化模型,再利用UPF算法对模型参数进行更新,实现对轴承退化状态的跟踪和预测。使用实际风力机轴承监测数据对所提方法进行验证,结果表明该方法相比于传统的粒子滤波PF方法,能有效降低粒子退化程度,从而显著提高轴承剩余寿命预测精度,为大型风电机组的健康管理和可靠性评估提供参考依据。 展开更多
关键词 风力机 滚动轴承 剩余寿命预测 主成分分析 无迹粒子滤波
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