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tSNE-ASC特征选择和DSmT融合决策的滚动轴承声振信号故障诊断 被引量：6
1
作者 陈剑 程明 《电子测量与仪器学报》 CSCD 北大核心 2022年第4期195-204,共10页
针对滚动轴承早期故障特征微弱且难以有效辨识的问题,提出一种基于tSNE-ASC特征选择和DSmT融合决策的滚动轴承声振信号故障诊断方法。利用多个传感器采集轴承在不同故障模式下的声振信号,将每个信号通过VMD分解得到K个IMF分量;对各个IM... 针对滚动轴承早期故障特征微弱且难以有效辨识的问题,提出一种基于tSNE-ASC特征选择和DSmT融合决策的滚动轴承声振信号故障诊断方法。利用多个传感器采集轴承在不同故障模式下的声振信号,将每个信号通过VMD分解得到K个IMF分量;对各个IMF分量进行特征提取,构建各个特征的数据集矩阵;利用tSNE将各特征数据集矩阵降维至二维,计算平均轮廓系数(ASC);根据ASC大于临界值提取出声振故障信号的敏感特征;基于诊断模型实现轴承故障的初级诊断;利用DSmT将声振信号初级诊断结果进行融合决策,得出最终的诊断结论。实验结果表明:基于tSNE-ASC的特征选择方法能有效提取混合域特征中的敏感特征,在不同工况、不同诊断模型中均具有很高的诊断精度;DSmT决策融合有效降低了单一信号诊断的不确定性,在变载荷和升降速非平稳工况下均有很高的诊断精度。 展开更多
关键词 声振信号 轴承故障诊断 变分模态分解 t分布随机邻近嵌入 平均轮廓系数 DSmT融合决策
下载PDF
基于声振信号融合的设备智能诊断
2
作者 赵春旭 张学亮 +3 位作者 刘思良 戚雯雯 王村松 张泉灵 《组合机床与自动化加工技术》 北大核心 2024年第7期98-102,108,共6页
单一传感器检测易受外界干扰或自身故障等多种因素限制导致滚动轴承故障诊断结果欠佳一直是设备智能诊断领域难点问题。针对上述问题,提出了一种基于声振信号融合的智能诊断方法。首先,通过传感器配置采集滚动轴承的振动信号和声音信号... 单一传感器检测易受外界干扰或自身故障等多种因素限制导致滚动轴承故障诊断结果欠佳一直是设备智能诊断领域难点问题。针对上述问题,提出了一种基于声振信号融合的智能诊断方法。首先,通过传感器配置采集滚动轴承的振动信号和声音信号;然后,利用变分模态分解(variational mode decomposition,VMD)对振动信号和声音信号进行分解与重构;随后,将重构后的声振信号输入双通道卷积神经网络(dual-channel convolutional neural network,DCNN)实现故障特征提取与特征融合;最后,将提取和融合的故障特征输入至DCNN网络SoftMax层进行故障分类建模。结果表明,与基于单一振动信号的CNN故障诊断模型相比,提出的基于声振信号融合的故障诊断方法准确率可以达到99.3%,融合后的特征更能有效区分设备不同的故障状态。 展开更多
关键词 声振融合 故障诊断 变模态分解 滚动轴承 双通道卷积神经网络
下载PDF
融合声振信号与可见近红外透射光谱的苹果轻度霉心病检测
3
作者 谷家辉 赖丽思 +1 位作者 王凯 张慧 《食品科学》 EI CAS CSCD 北大核心 2024年第23期259-267,共9页
针对单一方法对苹果轻度霉心病检测精度较低的问题,提出基于近红外透射光谱和声振技术的异源信息融合方法,以提升对苹果轻度霉心病的判别能力。针对近红外光谱信号,首先分析不同预处理和特征提取方法对建模效果的影响,完成光谱特征波段... 针对单一方法对苹果轻度霉心病检测精度较低的问题,提出基于近红外透射光谱和声振技术的异源信息融合方法,以提升对苹果轻度霉心病的判别能力。针对近红外光谱信号,首先分析不同预处理和特征提取方法对建模效果的影响,完成光谱特征波段的选择。针对声振信号,利用YSV工程测试与信号分析软件和Pearson相关系数优选7个时域特征。随后,通过特征拼接将光谱特征波段与时域特征组成融合特征向量,分别采用卷积神经网络(convolutional neural networks,CNN)、长短时记忆网络(long short-term memory,LSTM)和CNN-LSTM基于单一源特征和融合特征构建判别模型。通过模型性能分析,融合了近红外透射光谱15个特征波段与7个时域特征的CNN-LSTM组合模型对于轻度霉心病的判别性能最优,测试集的准确率、召回率、特异性和F1分数分别达到了98.31%、97.06%、97.06%和97.90%。实验结果证明本研究提出的可见近红外透射光谱与声振信号特征融合方法可以有效提高苹果轻度霉心病的判别准确率。 展开更多
关键词 可见近红外透射光谱 声振信号 苹果霉心病 特征融合 卷积神经网络-长短时记忆网络
下载PDF
基于EMD的二次声振融合滚动轴承故障诊断
4
作者 白晓天 韩美丹 《机电产品开发与创新》 2023年第4期11-14,33,共5页
针对单一信号中所包含的故障特征信息并不全面,受测量位置的影响等降低了故障特征提取的准确性问题,提出了基于EMD的声振融合的方案:首先利用EMD方法对多源声信号进行分解,然后计算信号特征衡量指标,选取信号丰富的IMF分量,然后利用B型... 针对单一信号中所包含的故障特征信息并不全面,受测量位置的影响等降低了故障特征提取的准确性问题,提出了基于EMD的声振融合的方案:首先利用EMD方法对多源声信号进行分解,然后计算信号特征衡量指标,选取信号丰富的IMF分量,然后利用B型关联度加权法将较优的IMF分量进行一次加权融合,最后将将加权融合后的声信号与振动信号进行归一化处理,消除声振信号间的数据集差异,进行二次融合获得声振融合信号,明显提高了故障特征的信噪比。实验结果可以表明,声振融合信号显著提高了故障特征检测精度,充分显示了其在故障轴承诊断系统中的可行性。 展开更多
关键词 故障诊断 EMD 声振融合 二次融合
下载PDF
基于改进EEMD的高压断路器振声联合故障诊断方法 被引量：48
5
作者 张佩 赵书涛 +1 位作者 申路 赵现平 《电力系统保护与控制》 EI CSCD 北大核心 2014年第8期77-81,共5页
高压断路器是电力系统中关键的控制和保护设备,针对其故障诊断方法的不足之处,将振声数据级融合和特征级融合应用于高压断路器故障诊断方法。振声特征级融合诊断方法首先将采集到的声波信号通过快速核独立分量分析(Fast KICA)实现盲源... 高压断路器是电力系统中关键的控制和保护设备,针对其故障诊断方法的不足之处,将振声数据级融合和特征级融合应用于高压断路器故障诊断方法。振声特征级融合诊断方法首先将采集到的声波信号通过快速核独立分量分析(Fast KICA)实现盲源分离处理,其次利用改进集合经验模式分解(EEMD)提取振动信号和声波信号的特征向量。振声数据级融合诊断方法首先构建振声联合图像,其次利用改进的BEEMD提取特征向量。最后将两种方法提取的特征向量输入支持向量机模型(SVM)进行故障诊断,实验结果表明,所提方法诊断高压断路器故障能取得良好的效果。 展开更多
关键词 高压断路器 振声数据级融合 振声特征级融合 改进EEMD分解 改进BEEMD分解 支持向量机
下载PDF
基于EEMD的声振信号特征融合轴承故障诊断
6
作者 王瑞辰 赵京 《自动化应用》 2024年第19期13-17,共5页
针对滚动轴承故障诊断中声振信号存在非平稳、非线性的特点,同时单一的声音或振动信号所包含的故障特征信息不全面的问题,提出一种运用集合经验模态分解(EEMD)处理滚动轴承信号的方法,并提取声音、振动信号的特征量进行故障判断。首先,... 针对滚动轴承故障诊断中声振信号存在非平稳、非线性的特点,同时单一的声音或振动信号所包含的故障特征信息不全面的问题,提出一种运用集合经验模态分解(EEMD)处理滚动轴承信号的方法,并提取声音、振动信号的特征量进行故障判断。首先,利用EEMD方法,选取含有故障特征的IMF分量进行信号重构,经过快速傅里叶变换得到滚动轴承在降噪处理后的故障信息。然后,根据声音信号获得各故障的特征MFCC图和振动信号的IMF分量峭度值与能量熵,得到滚动轴承的声振信号特征。最后,基于各特征量进行融合故障判断。声振信号特征融合的故障判断正确率表明,与单一的信号故障判断方法相比,该方法能获得更丰富的故障判断信息,并且该方法比单一的声音信号故障判断方式的正确率提高了7.88%,比单一的振动信号故障判断方式的正确率提高了3.23%,验证了基于EEMD的声振信号特征融合轴承故障诊断方法的正确性。 展开更多
关键词 滚动轴承 集合经验模态分解 声振融合 故障诊断
下载PDF
基于声振信号融合的IRCMMDE离心泵损伤检测方法 被引量：2
7
作者 陆春元 焦洪宇 《机电工程》 CAS 北大核心 2023年第6期952-959,共8页
离心泵早期的损伤特征比较微弱,难以有效提取其故障特征。针对这一问题,提出了一种基于声振信号融合的改进精细复合多元多尺度散布熵(IRCMMDE)和GWO-SVM的离心泵损伤检测方法。首先,利用多个传感器收集了离心泵在不同损伤状态下的声音... 离心泵早期的损伤特征比较微弱,难以有效提取其故障特征。针对这一问题,提出了一种基于声振信号融合的改进精细复合多元多尺度散布熵(IRCMMDE)和GWO-SVM的离心泵损伤检测方法。首先,利用多个传感器收集了离心泵在不同损伤状态下的声音和振动信号,并将声音和振动信号进行了融合,以充分利用不同类型信号中所蕴含的损伤特征信息;随后,针对多元多尺度散布熵(MMDE)不稳定的缺陷,对MMDE的粗粒化处理进行了优化,提出了改进精细复合多元多尺度散布熵(IRCMMDE)的复杂性测量指标;接着,利用IRCMMDE对声振融合信号进行了损伤特征提取,构建了各个损伤状态下的特征矩阵;最后,利用灰狼算法优化的支持向量机分类器,对各个损伤状态下的特征矩阵进行了识别,得到了最终的离心泵损伤检测结论。研究结果表明:采用基于声振信号融合的离心泵损伤检测方法,其最高可达到99.2%的故障识别准确率,相比于基于MMDE和RCMMDE的损伤检测方法,其能够更准确地识别出离心泵的损伤;该方法还能有效缓解单一信号检测时的不确定性,并且在多次实验验证下,其仍具有很高的检测精度。 展开更多
关键词 声振信号融合 离心泵损伤检测 改进精细复合多元多尺度散布熵 灰狼算法 支持向量机
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