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251篇文章
< 1 2 … 13 >
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：
基于经验模态分解和深度卷积神经网络的行星齿轮箱故障诊断方法 被引量：162
1
作者 胡茑庆 陈徽鹏 +2 位作者 程哲 张伦 张宇 《机械工程学报》 EI CAS CSCD 北大核心 2019年第7期9-18,共10页
行星齿轮箱振动信号具有非平稳特性,需要一定的先验知识和诊断专业知识设计和解释特征从而实现故障诊断。为了实现行星齿轮箱的智能诊断,提出一种基于经验模态分解(Empirical mode decomposition, EMD)和深度卷积神经网络(Deepconvoluti... 行星齿轮箱振动信号具有非平稳特性,需要一定的先验知识和诊断专业知识设计和解释特征从而实现故障诊断。为了实现行星齿轮箱的智能诊断,提出一种基于经验模态分解(Empirical mode decomposition, EMD)和深度卷积神经网络(Deepconvolutional neural network, DCNN)的智能故障诊断方法。首先对振动信号进行经验模态分解得到内禀模式函数(Intrinsicmode function, IMF);然后利用DCNN融合特征信息明显的IMF分量,并自动提取特征;最后,将特征用于分类器分类识别,从而实现行星齿轮箱故障诊断的自动化。试验结果表明:该方法能准确、有效地对行星齿轮箱的工作状态和故障类型进行分类。 展开更多
关键词 故障诊断 经验模态分解 深度卷积神经网络 行星齿轮箱
原文传递
行星齿轮箱齿轮分布式故障振动频谱特征 被引量：76
2
作者 冯志鹏 褚福磊 《中国电机工程学报》 EI CSCD 北大核心 2013年第2期118-125,21,共8页
深入透彻地了解振动信号的频谱结构,有助于通过简单易行的频谱分析对行星齿轮箱进行故障诊断。考虑齿轮制造误差和分布式故障对啮合振动的调幅调频作用、以及行星轮通过效应对振动测试信号的调幅作用,建立了行星齿轮箱正常和分布式故障... 深入透彻地了解振动信号的频谱结构,有助于通过简单易行的频谱分析对行星齿轮箱进行故障诊断。考虑齿轮制造误差和分布式故障对啮合振动的调幅调频作用、以及行星轮通过效应对振动测试信号的调幅作用,建立了行星齿轮箱正常和分布式故障状态下的振动信号模型,推导了频谱解析表达式。给出了太阳轮、行星轮和齿圈分布式故障特征频率的计算公式。通过实验信号分析验证了上述理论分析结果,基于频谱分析诊断了自然产生发展的齿轮分布式故障。 展开更多
关键词 风力机 行星齿轮箱 分布式故障 振动信号模型 特征频率 调制 频谱
下载PDF
基于改进经验小波变换的行星齿轮箱故障诊断 被引量：65
3
作者 祝文颖 冯志鹏 《仪器仪表学报》 EI CAS CSCD 北大核心 2016年第10期2193-2201,共9页
行星齿轮箱振动信号具有复杂多分量和调幅-调频的特点。幅值解调和频率解调方法能够避免传统Fourier频谱中的复杂边带分析,有效识别故障特征频率。经验小波变换通过对信号Fourier频谱的分割构造一组正交滤波器组,能提取具有紧支撑Fourie... 行星齿轮箱振动信号具有复杂多分量和调幅-调频的特点。幅值解调和频率解调方法能够避免传统Fourier频谱中的复杂边带分析,有效识别故障特征频率。经验小波变换通过对信号Fourier频谱的分割构造一组正交滤波器组,能提取具有紧支撑Fourier频谱的单分量成分,再对单分量成分运用Hilbert变换即可实现信号的解调分析。经验小波变换能够有效分离出调幅-调频成分,不存在模态混叠现象,具有完备的理论基础,自适应性好、算法简单、计算速度快。将改进的经验小波变换应用于行星齿轮箱振动信号的解调分析;提出了一种单分量个数的估算方法,解决了经验小波变换中的Fourier频谱划分问题;给出了对故障敏感的信号分量的选取方法,提高了分析的针对性。将改进方法应用于行星齿轮箱振动仿真信号和实验信号分析,验证了该方法的有效性。 展开更多
关键词 经验小波变换 行星齿轮箱 解调 频谱划分 敏感分量
下载PDF
VMD样本熵特征提取方法及其在行星变速箱故障诊断中的应用 被引量：53
4
作者 杨大为 冯辅周 +2 位作者 赵永东 江鹏程 丁闯 《振动与冲击》 EI CSCD 北大核心 2018年第16期198-205,共8页
针对行星变速箱故障特征微弱、信号传递路径复杂,传统样本熵特征难以区分其工作状态的问题,提出了结合变分模态分解(VMD)和样本熵的特征提取方法,深入研究了VMD算法中分解尺度和二次惩罚因子的优化策略,给出了基于敏感度最大原则的VMD... 针对行星变速箱故障特征微弱、信号传递路径复杂,传统样本熵特征难以区分其工作状态的问题,提出了结合变分模态分解(VMD)和样本熵的特征提取方法,深入研究了VMD算法中分解尺度和二次惩罚因子的优化策略,给出了基于敏感度最大原则的VMD分解各IMF与原信号相关系数阈值的确定方法。在行星变速箱故障模拟试验台采集不同试验工况下振动信号,考虑行星齿轮运行周期问题以获取可用数据。结果表明,与样本熵和EEMD样本熵相比,VMD样本熵具有计算效率高、对不同状态的区分能力强、采样频率对其计算结果影响小等特点,可用于行星变速箱的故障诊断。 展开更多
关键词 VMD 样本熵 故障特征提取 行星变速箱
下载PDF
行星齿轮箱故障诊断的频率解调分析方法 被引量：46
5
作者 冯志鹏 褚福磊 《中国电机工程学报》 EI CSCD 北大核心 2013年第11期112-117,18,共6页
调频部分包含齿轮故障信息,而且不受振动传递路径变化的影响。为了避免振动信号频谱的复杂边带结构以及行星轮通过效应或时变振动传递路径的影响,根据行星齿轮箱振动信号的调频特点,提出了基于经验模式分解的频率解调分析方法。提出了... 调频部分包含齿轮故障信息,而且不受振动传递路径变化的影响。为了避免振动信号频谱的复杂边带结构以及行星轮通过效应或时变振动传递路径的影响,根据行星齿轮箱振动信号的调频特点,提出了基于经验模式分解的频率解调分析方法。提出了本质模式函数的选择原则,推导了瞬时频率Fourier频谱的解析表达式,总结归纳了太阳轮、行星轮和齿圈故障振动信号瞬时频率Fourier频谱的频率结构特点。应用仿真信号和故障实验数据验证了上述理论分析结果,通过频率解调分析诊断出了太阳轮、行星轮和齿圈的局部损伤故障。 展开更多
关键词 风力机 行星齿轮箱 故障诊断 调频 解调 瞬时频率谱
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
7
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
行星齿轮箱故障诊断的扭转振动信号分析方法 被引量：33
8
作者 冯志鹏 褚福磊 《中国电机工程学报》 EI CSCD 北大核心 2013年第14期101-106,2,共6页
行星轮的通过效应或行星架和太阳轮的旋转对啮合振动产生额外的调幅作用,导致横向振动信号的频谱结构非常复杂。扭转振动信号不受这些额外调幅效应的影响,它们的频谱结构更加简单。因此,扭转振动信号分析为行星齿轮箱故障诊断提供了一... 行星轮的通过效应或行星架和太阳轮的旋转对啮合振动产生额外的调幅作用,导致横向振动信号的频谱结构非常复杂。扭转振动信号不受这些额外调幅效应的影响,它们的频谱结构更加简单。因此,扭转振动信号分析为行星齿轮箱故障诊断提供了一种有效方法。建立了行星齿轮箱扭转振动信号模型,推导了Fourier频谱、幅值解调谱和频率解调谱的解析表达式,总结了上述频谱的结构特点。应用故障实验数据验证了上述理论分析结果。 展开更多
关键词 风力机 行星齿轮箱 故障诊断 扭转振动 解调
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
9
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
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
10
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
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
11
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
12
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
13
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
行星齿轮箱故障诊断的幅值解调分析方法 被引量：27
14
作者 冯志鹏 赵镭镭 褚福磊 《中国电机工程学报》 EI CSCD 北大核心 2013年第8期107-111,18,共5页
齿轮故障的调幅调频效应以及振动传递路径的变化使得行星齿轮箱振动信号频谱具有复杂的边带结构。调幅部分包含齿轮故障信息。为了简化诊断分析,根据行星齿轮箱振动信号的调幅特点,提出了幅值解调分析方法。推导了包络谱的解析表达式,... 齿轮故障的调幅调频效应以及振动传递路径的变化使得行星齿轮箱振动信号频谱具有复杂的边带结构。调幅部分包含齿轮故障信息。为了简化诊断分析,根据行星齿轮箱振动信号的调幅特点,提出了幅值解调分析方法。推导了包络谱的解析表达式,总结归纳了太阳轮、行星轮和齿圈故障振动信号包络谱的频率结构特点。通过行星齿轮箱故障实验信号分析验证了上述理论分析结果,基于包络谱诊断出了太阳轮、行星轮和齿圈的局部损伤故障。 展开更多
关键词 风力机 行星齿轮箱 故障诊断 调幅 解调 包络谱
下载PDF
基于EMD-SVD与PNN的行星齿轮箱故障诊断研究 被引量：27
15
作者 张安安 黄晋英 +1 位作者 卫洁洁 庞宇 《机械传动》 CSCD 北大核心 2018年第12期160-165,共6页
针对行星齿轮箱振动信号故障特征提取困难的问题,提出了一种基于EMD-SVD与概率神经网络相结合的故障诊断方法。首先,利用经验模态分解方法将去噪后的振动信号自适应地分解为多个本征模函数。其次,利用相关系数和方差贡献率选取一定量的... 针对行星齿轮箱振动信号故障特征提取困难的问题,提出了一种基于EMD-SVD与概率神经网络相结合的故障诊断方法。首先,利用经验模态分解方法将去噪后的振动信号自适应地分解为多个本征模函数。其次,利用相关系数和方差贡献率选取一定量的本征模函数,并将其构成的矩阵进行奇异值分解得到特征向量。最后,将特征向量输入概率神经网络进行故障诊断。在行星齿轮箱故障诊断实验台上进行了实验,并与基于能量熵构成的特征向量进行了对比,结果验证了该方法的有效性。 展开更多
关键词 行星齿轮箱 经验模态分解 奇异值分解 概率神经网络 故障诊断
下载PDF
基于动态加权密集连接卷积网络的变转速行星齿轮箱故障诊断 被引量：27
16
作者 熊鹏 汤宝平 +1 位作者 邓蕾 赵明航 《机械工程学报》 EI CAS CSCD 北大核心 2019年第7期52-57,共6页
针对变转速工况下基于深度学习的行星齿轮箱故障诊断问题,提出动态加权密集连接卷积网络的故障诊断方法。将行星齿轮箱振动信号的小波包系数二维矩阵输入到密集连接卷积网络作为网络的初始特征图;在密集连接卷积网络的跨层连接中加入动... 针对变转速工况下基于深度学习的行星齿轮箱故障诊断问题,提出动态加权密集连接卷积网络的故障诊断方法。将行星齿轮箱振动信号的小波包系数二维矩阵输入到密集连接卷积网络作为网络的初始特征图;在密集连接卷积网络的跨层连接中加入动态加权层,形成动态加权密集连接卷积网络,加强网络的深层信息传递;通过动态加权网络层自适应提取不同频带内的故障特征信息进行行星齿轮箱故障诊断。试验表明了所提的动态加权密集连接卷积网络能有效诊断变转速行星齿轮箱故障。 展开更多
关键词 密集连接卷积网络 故障诊断 特征学习 小波包变换 行星齿轮箱
原文传递
基于改进生成对抗网络的风机行星齿轮箱故障诊断方法 被引量：26
17
作者 李东东 刘宇航 +1 位作者 赵阳 赵耀 《中国电机工程学报》 EI CSCD 北大核心 2021年第21期7496-7506,共11页
行星齿轮箱是风电机组传动系统中的重要部件,其故障发生率较高且难以直接识别故障情况,此外故障样本难以直接获取、样本环境噪声大等问题增加了故障诊断的难度。针对这些问题,提出基于贝叶斯优化及Wasserstein距离改进辅助分类生成对抗... 行星齿轮箱是风电机组传动系统中的重要部件,其故障发生率较高且难以直接识别故障情况,此外故障样本难以直接获取、样本环境噪声大等问题增加了故障诊断的难度。针对这些问题,提出基于贝叶斯优化及Wasserstein距离改进辅助分类生成对抗网络模型的齿轮箱故障诊断方法。首先,以辅助分类生成对抗网络为基础,针对振动信号时序特征构建一维卷积层替代二维卷积,提高信号特征提取效率;同时,在生成器和判别器中加入批归一化层和Dropout层,规范数据结构特征。然后,利用贝叶斯优化策略自适应调节判别器参数,提升判别器的性能,并引入Wasserstein距离改进模型的目标函数,通过博弈对抗机制同时优化生成器和判别器,显著提高模型的泛化能力和故障特征提取能力。设计行星齿轮箱在定速和变速运行下不同故障状态的实验,在不同非平衡样本集情况下,该方法可实现样本数据增强,并且保持良好的故障识别准确率,验证了该方法的先进性。 展开更多
关键词 行星齿轮箱 生成对抗网络 Wasserstein距离 贝叶斯优化 泛化能力 故障诊断
下载PDF
基于LSTM神经网络和故障特征增强的行星齿轮箱故障诊断 被引量：25
18
作者 樊家伟 郭瑜 +2 位作者 伍星 陈鑫 林云 《振动与冲击》 EI CSCD 北大核心 2021年第20期271-277,共7页
针对支持向量机、深度学习等人工智能算法在齿轮箱故障诊断应用上的不足,提出一种基于长短时记忆(long short-term memory,LSTM)神经网络和故障特征增强的行星齿轮箱故障智能诊断方法。该方法对行星齿轮箱不同局部故障振动信号进行滑动... 针对支持向量机、深度学习等人工智能算法在齿轮箱故障诊断应用上的不足,提出一种基于长短时记忆(long short-term memory,LSTM)神经网络和故障特征增强的行星齿轮箱故障智能诊断方法。该方法对行星齿轮箱不同局部故障振动信号进行滑动加窗截取,对截取的每段信号分别做快速傅里叶变换并选取包含故障特征丰富的频段实现对故障特征的增强,并以该数据作为输入对LSTM神经网络进行训练,通过训练完成的LSTM神经网络模型智能提取所选频段内的故障特征并实现行星齿轮箱不同局部故障的识别诊断。试验结果表明该方法可以有效诊断行星齿轮箱不同局部故障,并能提高网络模型的故障识别率。 展开更多
关键词 行星齿轮箱 故障特征增强 LSTM神经网络 故障诊断
下载PDF
基于LMD样本熵与ELM的行星齿轮箱故障诊断 被引量：23
19
作者 张宁 魏秀业 徐晋宏 《机械传动》 北大核心 2020年第4期152-157,共6页
为了解决行星齿轮箱故障特征提取困难的问题,考虑到行星齿轮箱振动信号的耦合、非线性的特点,提出基于局域均值分解(LMD)的样本熵和极限学习机(ELM)结合的行星齿轮箱故障诊断方法。首先,利用局域均值分解方法将振动信号自适应地分解为多... 为了解决行星齿轮箱故障特征提取困难的问题,考虑到行星齿轮箱振动信号的耦合、非线性的特点,提出基于局域均值分解(LMD)的样本熵和极限学习机(ELM)结合的行星齿轮箱故障诊断方法。首先,利用局域均值分解方法将振动信号自适应地分解为多个PF分量,结合相关系数选取包含主要故障信息的前4个PF分量。其次,应用样本熵方法进行计算,组成特征向量。最后,将特征向量输入极限学习机进行故障分类。在行星齿轮箱实验台上进行了实验,与基于概率神经网络(PNN)分类算法进行了对比,并与基于奇异值分解(SVD)构成的特征向量进行了对比,结果验证了该方法的有效性。 展开更多
关键词 行星齿轮箱 局域均值分解 样本熵 极限学习机 故障诊断
下载PDF
基于多重分形谱和支持向量机的风电机组行星齿轮箱故障诊断与研究 被引量：23
20
作者 李东东 周文磊 +1 位作者 郑晓霞 王浩 《电力系统保护与控制》 EI CSCD 北大核心 2017年第11期43-48,共6页
风电机组行星齿轮箱振动信号是一种典型的非平稳、非线性信号,传统故障检测方法对于此类信号处理能力有限。为了克服传统方法的不足,提高故障诊断能力,提出了一种基于多重分形谱和支持向量机相结合的故障检测方法。首先通过多重分形定... 风电机组行星齿轮箱振动信号是一种典型的非平稳、非线性信号,传统故障检测方法对于此类信号处理能力有限。为了克服传统方法的不足,提高故障诊断能力,提出了一种基于多重分形谱和支持向量机相结合的故障检测方法。首先通过多重分形定义求取信号的多重分形谱。然后在多重分形谱中提取八个特征量。最后将特征量作为支持向量机的输入向量,实现了在不同转速情况下对正常信号和四种太阳轮故障信号的分类与识别。实验结果证实了所提方法对行星齿轮箱信号特征进行提取是有效的,在不同转速情况下均提高了故障识别率。 展开更多
关键词 风电机组 行星齿轮箱 故障检测 多重分形谱 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 2 … 13 下一页 到第 页
使用帮助 返回顶部