基于Hankel矩阵的奇异值分解(Singular value decomposition,SVD)方法在信号处理、故障诊断领域得到了广泛应用。其降噪性能受选取的重构分量、Hankel矩阵结构、分析的数据点数的影响,对此进行了系统的研究,提出了基于相关奇异值比的SVD...基于Hankel矩阵的奇异值分解(Singular value decomposition,SVD)方法在信号处理、故障诊断领域得到了广泛应用。其降噪性能受选取的重构分量、Hankel矩阵结构、分析的数据点数的影响,对此进行了系统的研究,提出了基于相关奇异值比的SVD(Correlated singular value ratio SVD,C-SVR SVD)方法,并成功应用于轴承故障诊断。首先,针对SVD的重构分量的确定问题,提出了奇异值比(Singular value ratio,SVR)和互相关系数相结合的方法;其次,对Hankel矩阵的结构进行研究,提出了基于SVR和峭度指标的结构优化方法。然后,对分析的数据点数进行了分析讨论,给定了约束。最后,将C-SVR SVD方法应用于轴承故障仿真信号和实际轴承故障案例分析,验证了C-SVR SVD方法的有效性和优越性。展开更多
随着现代工业技术的不断进步与发展,机械设备的工作环境越来越复杂化,一旦其零/部件出现故障,将会面临巨大损失,及时有效地发现并处理设备故障有着重要的意义。通过定期的状态监测,预测机器的潜在故障是目前广泛用于重要机械设备维护的...随着现代工业技术的不断进步与发展,机械设备的工作环境越来越复杂化,一旦其零/部件出现故障,将会面临巨大损失,及时有效地发现并处理设备故障有着重要的意义。通过定期的状态监测,预测机器的潜在故障是目前广泛用于重要机械设备维护的主要手段。奇异值分解(Singular Value Decomposition, SVD)理论由于其特有的降噪性质在信号处理、故障诊断领域得到了广泛应用。系统地介绍了基于SVD理论的机械故障诊断方法及其相关改进方法,及其在信号降噪、信号分离等方面的应用,归纳并总结了基于SVD理论的机械故障诊断的研究成果,最后分析了目前奇异值分解理论在机械故障诊断应用中面临的问题与挑战,以期为研究人员提供参考。展开更多
文摘蜣螂优化器(dung beetle optimizer,DBO)是一种有效的元启发式算法。蜣螂优化算法虽然具有寻优能力强,收敛速度快的特点,但同时也存在全局探索和局部开发能力不平衡,容易陷入局部最优,且全局探索能力较弱的缺点。提出了一种改进的DBO算法来解决全局优化问题,命名为MSADBO。受改进正弦算法(improved sine algorithm,MSA)的启发,赋予蜣螂MSA的全局探索和局部开发能力,扩大其搜索范围,提高全局探索能力,减少陷入局部最优的可能性。同时加入了混沌映射初始化和变异算子进行扰动。为了验证MSADBO的有效性,对该算法采用23个基准测试函数进行了测试,并与其他知名的元启发式算法进行了比较。结果表明,该算法具有良好的性能。为了进一步阐述MSADBO算法的实际应用潜力,将该算法成功地应用于3个工程设计问题。实验结果表明,所提出的MSADBO算法可以有效地处理实际应用问题。
文摘基于Hankel矩阵的奇异值分解(Singular value decomposition,SVD)方法在信号处理、故障诊断领域得到了广泛应用。其降噪性能受选取的重构分量、Hankel矩阵结构、分析的数据点数的影响,对此进行了系统的研究,提出了基于相关奇异值比的SVD(Correlated singular value ratio SVD,C-SVR SVD)方法,并成功应用于轴承故障诊断。首先,针对SVD的重构分量的确定问题,提出了奇异值比(Singular value ratio,SVR)和互相关系数相结合的方法;其次,对Hankel矩阵的结构进行研究,提出了基于SVR和峭度指标的结构优化方法。然后,对分析的数据点数进行了分析讨论,给定了约束。最后,将C-SVR SVD方法应用于轴承故障仿真信号和实际轴承故障案例分析,验证了C-SVR SVD方法的有效性和优越性。
文摘随着现代工业技术的不断进步与发展,机械设备的工作环境越来越复杂化,一旦其零/部件出现故障,将会面临巨大损失,及时有效地发现并处理设备故障有着重要的意义。通过定期的状态监测,预测机器的潜在故障是目前广泛用于重要机械设备维护的主要手段。奇异值分解(Singular Value Decomposition, SVD)理论由于其特有的降噪性质在信号处理、故障诊断领域得到了广泛应用。系统地介绍了基于SVD理论的机械故障诊断方法及其相关改进方法,及其在信号降噪、信号分离等方面的应用,归纳并总结了基于SVD理论的机械故障诊断的研究成果,最后分析了目前奇异值分解理论在机械故障诊断应用中面临的问题与挑战,以期为研究人员提供参考。
