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15,621篇文章
< 1 2 … 250 >
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：
工业互联网赋能的智能产线多源数据采集管理系统开发
1
作者 杨立娟 毕楚杭 +3 位作者 李晶 汤文举 李卓林 陶岳 《实验室研究与探索》 北大核心 2026年第2期77-84,共8页
为解决智能制造企业多源异构数据采集管理实际难题,并满足智能制造专业实验教学需求,开发了一套工业互联网赋能的智能产线多源数据采集与管理系统。系统采用工业互联网云边协同4层架构,设计了双数据库存储与可视化动态配置机制,封装多... 为解决智能制造企业多源异构数据采集管理实际难题,并满足智能制造专业实验教学需求,开发了一套工业互联网赋能的智能产线多源数据采集与管理系统。系统采用工业互联网云边协同4层架构,设计了双数据库存储与可视化动态配置机制,封装多种通信协议函数,并开发了包含设备参数设置、数据可视化等功能的云端管理Web界面,实现了产线多源异构数据的边缘实时采集与云端统一管理。实验测试表明,该系统模块化设计可快速部署与扩展,数据误差小、实时性好、运行稳定,能够有效支撑智能制造专业实验教学与项目制课程,具备在工业场景中推广应用的潜力。 展开更多
关键词 工业互联网 多源数据 数据采集 数据传输 云端管理
在线阅读 下载PDF
一种基于CNN两阶段辨识的轴承剩余寿命预测方法
2
作者 张远亮 张立民 《噪声与振动控制》 北大核心 2026年第1期164-170,183,共8页
轴承在性能退化过程的不同退化阶段存在样本数目不平衡以及样本数据差异。单一阶段的轴承剩余寿命预测方法忽略了轴承退化阶段对识别精度的影响,针对该问题提出一种基于CNN(Convolutional Neural Network)进行两阶段辨识的轴承剩余寿命... 轴承在性能退化过程的不同退化阶段存在样本数目不平衡以及样本数据差异。单一阶段的轴承剩余寿命预测方法忽略了轴承退化阶段对识别精度的影响,针对该问题提出一种基于CNN(Convolutional Neural Network)进行两阶段辨识的轴承剩余寿命预测方法。首先,在时域信号内利用相对有效值(Relative Root Mean Square,RRMS)进行退化阶段划分,将轴承的退化过程划分为平稳运行和加速退化两个阶段;其次,使用划分好阶段的标签数据搭建CNN退化阶段辨识模型,自适应地判别样本数据的退化状态;最后,选取不同阶段的样本训练CAE-LSTM模型,分别得到不同阶段的特征提取模型和预测模型。通过PRONOSTIA试验平台数据集和XJTU-SY数据集对所提方法进行验证。实验结果显示,相比不分段的单一阶段预测方法,该方法预测精度有一定提升,对比特征评价、CNN-LSTM和TCN-HS预测方法,该方法预测效果也更好。 展开更多
关键词 故障诊断 轴承 寿命预测 退化阶段辨识 特征提取
在线阅读 下载PDF
基于CMSATE和DTCAE的风电机组偏航轴承服役状态评估
3
作者 王晓龙 杨秀彬 +4 位作者 陆志鹏 金韩微 张博文 陶振哲 韩会龙 《动力工程学报》 北大核心 2026年第1期138-147,156,共11页
针对难以准确检测风电机组偏航轴承早期退化时刻的问题,提出了一种基于复合多尺度符号注意熵和趋势约束自编码器的服役状态评估模型。首先利用复合多尺度符号注意熵方法从偏航轴承原始振动信号中提取多尺度退化特征,然后利用趋势约束自... 针对难以准确检测风电机组偏航轴承早期退化时刻的问题,提出了一种基于复合多尺度符号注意熵和趋势约束自编码器的服役状态评估模型。首先利用复合多尺度符号注意熵方法从偏航轴承原始振动信号中提取多尺度退化特征,然后利用趋势约束自编码器将多尺度退化特征进行压缩降维,构造出能够准确反映偏航轴承服役状态的健康指标,最后结合切比雪夫不等式的自适应健康阈值策略实现偏航轴承服役状态评估。结果表明:该模型能够准确跟踪偏航轴承的运行状态,及时捕捉到初始退化时刻,实现偏航轴承服役状态的准确评估。 展开更多
关键词 偏航轴承 复合多尺度符号注意熵 趋势约束自编码器 服役状态评估
在线阅读 下载PDF
基于谱聚类的随机子空间模态参数自动识别
4
作者 胡志祥 程成 +1 位作者 胥河阳 黄磊 《工程力学》 北大核心 2026年第1期39-49,共11页
实现模态参数自动识别对于实时结构健康监测系统具有重要意义。针对随机子空间方法输出的稳定图存在大量虚假模态的不足,该文提出了基于加权距离函数的谱聚类算法,并将其应用于稳定图的自动识别,旨在提高模态识别的精确性。介绍了谱聚... 实现模态参数自动识别对于实时结构健康监测系统具有重要意义。针对随机子空间方法输出的稳定图存在大量虚假模态的不足,该文提出了基于加权距离函数的谱聚类算法,并将其应用于稳定图的自动识别,旨在提高模态识别的精确性。介绍了谱聚类算法和随机子空间方法的原理,并将加权距离函数用于计算待聚类节点的相似矩阵,综合考虑模态数据的贡献。通过模态验证准则对稳定图的模态参数进行预处理,剔除明显的虚假模态,以提高聚类效果。将该文方法应用于平面桁架模型和实测人行桥的模态参数计算,结果表明所提出的方法能有效剔除稳定图中的虚假模态,并具有良好的鲁棒性。 展开更多
关键词 结构健康监测 模态参数识别 随机子空间 谱聚类 稳定图 距离函数
在线阅读 下载PDF
多模态残差注意力网络异步电动机故障诊断
5
作者 古玉锋 燕钢强 +1 位作者 黎程山 苟瑞龙 《振动.测试与诊断》 北大核心 2026年第1期123-131,220,共10页
针对在线故障诊断中多源信息利用不足与模型识别精度不高的问题,提出了一种主成分分析(principal component analysis,简称PCA)与残差注意力网络相结合的多传感器融合故障诊断方法(multi-sensor feature fusion residual attention netw... 针对在线故障诊断中多源信息利用不足与模型识别精度不高的问题,提出了一种主成分分析(principal component analysis,简称PCA)与残差注意力网络相结合的多传感器融合故障诊断方法(multi-sensor feature fusion residual attention network,简称MSF-ResAttNet),以实现三相异步交流电动机的高精度诊断。首先,采集电动机在不同运行状态下的振动、电压及电流等多源信号;其次,利用PCA对同源传感器数据进行数据层融合,增强多源信息的关联性与稳定性;然后,将数据层融合后的特征输入结合多分支残差结构与通道-空间双重注意力机制(convolutional block attention module,简称CBAM)注意力模块的深度神经网络,实现对关键特征通道和空间位置的自适应提取与强化;最后,在电动机故障诊断实验平台上与卷积神经网络(convolutional neural network,简称CNN)、残差神经网络(residual neural network,简称ResNet)、早期融合卷积神经网络(early fusion convolutional neural network,简称EF-CNN)及多传感器融合卷积神经网络(multi-sensor feature fusion convolutional neural network,简称MSF-CNN)进行对比,并在公开数据集KAIST上进行迁移测试。结果表明,MSF-ResAttNet在实验平台的诊断准确率为99.57%,在公开数据集KAIST测试的诊断准确率为98.86%,与其他方法相比均具有一定的优势,提升了电动机故障诊断的精度,具有较强的泛化能力。 展开更多
关键词 多传感器融合 异步电动机 故障诊断 残差神经网络 注意力机制
在线阅读 下载PDF
机器学习模型在设备故障预测中的性能对比分析
6
作者 张文媛 万宇 +2 位作者 莫洪波 吴晓雪 郑芸 《计量与测试技术》 2026年第2期190-194,共5页
目的:旨在评估和比较5种常见的机器学习模型在设备故障预测任务中的性能表现,以确定最佳模型。方法:使用一个包含设备运行数据和故障记录的历史数据集,将每种模型在相同的数据集上进行训练和测试,并采用相同的特征选择和预处理进行评估... 目的:旨在评估和比较5种常见的机器学习模型在设备故障预测任务中的性能表现,以确定最佳模型。方法:使用一个包含设备运行数据和故障记录的历史数据集,将每种模型在相同的数据集上进行训练和测试,并采用相同的特征选择和预处理进行评估。结果:随机森林模型在准确率、精确度和召回率方面表现最优;深度神经网在F1分数和ROC-AUC值上表现最佳;逻辑回归和支持向量机在所有指标上的表现相对稳定但略逊一筹。 展开更多
关键词 机器学习 设备故障预测 性能对比
在线阅读 下载PDF
基于IVMD-GA-KELM的电梯曳引系统故障诊断方法
7
作者 魏义敏 张红兵 +3 位作者 刘辉 潘骏 陈文华 孙小龙 《振动.测试与诊断》 北大核心 2026年第1期139-145,221,共8页
针对电梯曳引系统运行过程中振动信号具有非线性和非平稳性、导致故障诊断精度较低的问题,提出了一种基于改进变分模态分解-遗传算法-核极限学习机(improved variational modal decomposition-genetic algorithm-kernel extreme learnin... 针对电梯曳引系统运行过程中振动信号具有非线性和非平稳性、导致故障诊断精度较低的问题,提出了一种基于改进变分模态分解-遗传算法-核极限学习机(improved variational modal decomposition-genetic algorithm-kernel extreme learning machine,简称IVMD-GA-KELM)的电梯曳引系统故障诊断方法。首先,将动态时间规整算法与残余能量熵占比指标相结合,自适应确定变分模态分解(variational modal decomposition,简称VMD)的最优分解层数K和二次惩罚因子α;其次,采用VMD将所采集到的振动信号分解成多个固有模态分量(intrinsic mode functions,简称IMF),并根据最大峭度准则选取相应故障分量构建故障特征集;然后,采用遗传算法(genetic algorithm,简称GA)优化的核极限学习机(kernel extreme learning machine,简称KELM)对故障特征进行识别与分类;最后,进行故障注入试验以验证方法有效性。研究结果表明,所提出方法能够分析复杂的振动信号,对电梯曳引系统常见故障识别准确率达到96.67%,为电梯曳引系统的故障诊断提供了一种可行方法。 展开更多
关键词 曳引系统 改进变分模态分解 故障特征提取 动态时间规整 残余能量熵
在线阅读 下载PDF
滚齿机分齿传动链高危扭振信号特征提取算法
8
作者 刘宏培 赵艳忠 《机械设计与制造》 北大核心 2026年第2期244-249,共6页
滚齿机分齿传动链包含多个齿轮、轴以及联轴器等部件,这些部件在传动过程中各自的动力学特性相互耦合,使得振动信号在传递过程中相互叠加、调制,难以区分各自的特征,从而导致高危扭振信号特征混淆度较高。因此,提出一种新的滚齿机分齿... 滚齿机分齿传动链包含多个齿轮、轴以及联轴器等部件,这些部件在传动过程中各自的动力学特性相互耦合,使得振动信号在传递过程中相互叠加、调制,难以区分各自的特征,从而导致高危扭振信号特征混淆度较高。因此,提出一种新的滚齿机分齿传动链高危扭振信号特征提取算法。结合增量编码器与扭传感器采集扭振信号,通过信号分频处理和小波包分解去除扭振信号中的噪声。使用灰狼和布谷鸟搜索算法混合优化变分模态分解方法,实现最佳惩罚因子和分解层数的确定。采用优化后的变分模态分解方法构建非约束变分模型,将去噪后的扭振信号输入到模型中,实现高危扭振信号的特征提取。测试结果表明,多模态提取算法的最高混淆度未超过10%,特征提取瞬时频率指数始终低于0.15,验证了其高危扭振特征提取方面的强大能力。 展开更多
关键词 滚齿机分齿传动链 高危扭振信号 特征提取 信号分频 优化变分模态分解
在线阅读 下载PDF
肋结构对锚杆导波传播特性的影响及缺陷检测
9
作者 万翔 段凯 +3 位作者 黄利平 陈渊 张旭辉 曹现刚 《振动.测试与诊断》 北大核心 2026年第1期83-90,217,218,共10页
针对目前基于超声导波的锚杆检测方法大多忽略锚杆表面肋结构影响的问题,研究肋结构影响下超声导波在锚杆中的传播特性,并提出一种基于能量比指标的锚杆缺陷检测方法。首先,利用半解析有限元方法研究肋结构对锚杆频散特性的影响,发现肋... 针对目前基于超声导波的锚杆检测方法大多忽略锚杆表面肋结构影响的问题,研究肋结构影响下超声导波在锚杆中的传播特性,并提出一种基于能量比指标的锚杆缺陷检测方法。首先,利用半解析有限元方法研究肋结构对锚杆频散特性的影响,发现肋结构会使检测模态L(0,1)的群速度值略微减小;其次,研究肋结构对锚杆中超声导波传播特性的影响,发现肋结构会产生均匀的反射波,当缺陷较小时,缺陷的反射波容易被肋结构的反射波所淹没;然后,提出基于能量比指标的锚杆小缺陷检测方法;最后,基于仿真和实验的方法,采用能量比指标对锚杆进行检测。研究结果表明,超声导波的能量比指标能够明显分辨出正常以及深度为1 mm和2 mm的缺陷。这说明在肋结构影响下,基于超声导波能量比指标的锚杆缺陷检测方法是可行、有效的,为锚杆检测提供了一种新的方法和思路。 展开更多
关键词 超声导波 锚杆检测 肋结构响应 能量比指标
在线阅读 下载PDF
基于Park矢量法与随机森林算法的电机故障定量诊断框架
10
作者 刘昊航 程卫东 王天杨 《机电工程》 北大核心 2026年第2期227-237,共11页
定量诊断技术对实现故障精确辨识与运维优化具有重要价值,针对使用传统特征的机器学习诊断方法因时域统计特征对工况敏感性强且频谱幅值特征提取困难、难以定量分析等问题,对其定量特征进行了研究。首先,基于故障机理与电机三相电流数... 定量诊断技术对实现故障精确辨识与运维优化具有重要价值,针对使用传统特征的机器学习诊断方法因时域统计特征对工况敏感性强且频谱幅值特征提取困难、难以定量分析等问题,对其定量特征进行了研究。首先,基于故障机理与电机三相电流数学表达式进行了Park矢量特征提取,基于Park矢量比提取了匝间短路故障特征,基于Park矢量模平方函数低次偶阶转差特征提取了转子断条故障特征;然后,进行了异步电机典型故障建模分析,分别对健康电机、匝间短路故障电机以及转子断条故障电机进行了建模;基于精细模型结果,对该特征的可行性进行了验证;最后,搭建了异步电机故障模拟试验台并获取了实测数据,结合随机森林算法,对实测信号下两种典型故障进行了定量诊断实验。研究结果表明:与传统统计特征相比,该新特征的优势在于能够解决上述两种典型故障的故障特征频率与电流基频难以区分的问题,并能够很好地对上述典型故障进行量化表征;结合随机森林分类器,该方法的定量诊断准确率可达到95%以上。该定量特征可以作为匝间短路以及转子断条故障的定量诊断指标。 展开更多
关键词 异步电机 故障诊断 定子绕组 转子断条 匝间短路 随机森林算法 低次偶阶转差特征
在线阅读 下载PDF
滑动轴承风电齿轮箱时变可靠性研究
11
作者 李垚 胡骏 +3 位作者 吴小龙 邓月 张栓 朱才朝 《太阳能学报》 北大核心 2026年第2期579-588,共10页
针对大兆瓦风力机滑动轴承齿轮箱疲劳可靠性问题,以6.2 MW浮式风电齿轮箱为研究对象,综合考虑齿轮内外部激励、随机载荷、电磁特性、滑动轴承等,建立随机风速作用下风电齿轮箱机电耦合动力学模型,研究随机风速作用下传动构件的动态特性... 针对大兆瓦风力机滑动轴承齿轮箱疲劳可靠性问题,以6.2 MW浮式风电齿轮箱为研究对象,综合考虑齿轮内外部激励、随机载荷、电磁特性、滑动轴承等,建立随机风速作用下风电齿轮箱机电耦合动力学模型,研究随机风速作用下传动构件的动态特性;采用断裂力学理论,表征传动构件在全生命周期的强度退化过程;基于可靠性设计理论和模糊可靠性理论,建立考虑许用磨损量的模糊性的滑动轴承风电齿轮箱时变可靠性模型,探究强度退化和低速级滑动轴承对风电齿轮箱时变可靠性的影响规律。通过试验对比验证,理论模型精度满足工程需求。 展开更多
关键词 海上风电机组 齿轮传动系统 可靠性分析 强度退化 失效率 滑动轴承
原文传递
融合多传感器时空特征演化与头尾部梯度竞争均衡的电机长尾数据故障诊断
12
作者 石佳 郭鹏 +3 位作者 张志瑶 王义涛 梁峻欣 蔡茗茜 《控制与决策》 北大核心 2026年第2期393-404,共12页
针对电机长尾数据故障诊断中尾部类别特征学习不足和头尾部梯度竞争失衡的问题,提出一种融合余弦退火热重启衰减学习率策略(CDLR)的时空消息传递神经网络(STMPNN)电机长尾故障诊断模型(STMPNNCDLR).首先,通过多节点拓扑结构建模多变量... 针对电机长尾数据故障诊断中尾部类别特征学习不足和头尾部梯度竞争失衡的问题,提出一种融合余弦退火热重启衰减学习率策略(CDLR)的时空消息传递神经网络(STMPNN)电机长尾故障诊断模型(STMPNNCDLR).首先,通过多节点拓扑结构建模多变量时间序列数据样本同一时间窗中不同时间阶段(子时间窗)传感器间的时空依赖关系,并设计动态时空关系加权矩阵刻画传感器特征在时间维度上的演化模式,强化头尾部类别潜在时空交互的特征表示;其次,利用STMPNN的消息传递机制实现跨子时间窗的特征更新,提升模型对局部和全局信息的感知能力;最后,通过CDLR策略周期性地重启和衰减学习率,缓解长尾分布导致的梯度竞争失衡问题,增强模型稳定性和对尾部类别的敏感性.在4组不同长尾比率的电机故障诊断实验中,所提出的方法在不牺牲头部正常类别诊断性能的前提下,对尾部故障类别展现出优异的诊断性能和稳定性,Accuracy高于94.57%,验证了该方法在解决电机长尾故障诊断问题中的有效性和优越性. 展开更多
关键词 电机 长尾故障诊断 多变量时间序列 多节点拓扑结构 时空特征演化 梯度竞争均衡
原文传递
改进NOA优化ResNet-BiLSTM的轴承剩余寿命预测
13
作者 段丁彧 李刚 齐金平 《机床与液压》 北大核心 2026年第3期215-223,共9页
在智能制造转型升级进程中,高速列车轴承的剩余使用寿命预测面临三大技术挑战:复杂工况下振动信号的非平稳特征难以表征,设备全生命周期数据稀缺导致的模型泛化瓶颈,以及传统深度学习模型参数优化效率低。为解决上述问题,提出一种改进... 在智能制造转型升级进程中,高速列车轴承的剩余使用寿命预测面临三大技术挑战:复杂工况下振动信号的非平稳特征难以表征,设备全生命周期数据稀缺导致的模型泛化瓶颈,以及传统深度学习模型参数优化效率低。为解决上述问题,提出一种改进星鸦优化算法(NOA)优化残差网络和双向长短期记忆网络(ResNet-BiLSTM)组合模型的滚动轴承剩余寿命预测方法。构建基于峭度-相关系数双准则的变分模态分解(VMD)预处理机制,对原始振动信号进行自适应分解与重构,以抑制噪声与模态混叠,准确提取退化特征。构建ResNet-BiLSTM混合深度学习模型:利用ResNet的残差块强化对时域微弱故障特征的提取能力,通过BiLSTM捕捉退化过程的长期时序依赖关系。针对模型超参数优化难题,引入融合正余弦算法(SCA)的改进星鸦优化算法(SCA-NOA),在参数空间进行高效全局搜索与局部求精。最后,在XJTU-SY和IEEE PHM 2012两个公开轴承全寿命数据集上进行实验验证。结果表明:所提模型在预测精度与泛化性上均显著优于对比模型。在XJTU-SY数据集(轴承A4)上,模型取得了最低的MAE(0.066 8)和RMSE(0.085 1),以及最高的R^(2)(0.926 6);在PHM 2012数据集(轴承B3)上同样表现最优,MAE为0.067 1,RMSE为0.081 1,R^(2)为0.924 3,证明所提模型优越的预测性能。 展开更多
关键词 滚动轴承 剩余寿命预测 改进星鸦算法 残差网络 双向长短期记忆网络
在线阅读 下载PDF
高端旋转机械剩余使用寿命预测及其不确定性量化评估方法
14
作者 崔硕 刘秀丽 +1 位作者 李相杰 吴国新 《中国机械工程》 北大核心 2026年第1期209-222,共14页
针对高端旋转机械剩余使用寿命预测中的准确性和不确定性量化问题,提出了基于变分深度高斯过程(VDGP)的预测方法。通过构建深度高斯过程更新模型实现不确定性的递推量化,并采用诱导点和变分推断提高大数据的处理能力。C-MAPSS和风机行... 针对高端旋转机械剩余使用寿命预测中的准确性和不确定性量化问题,提出了基于变分深度高斯过程(VDGP)的预测方法。通过构建深度高斯过程更新模型实现不确定性的递推量化,并采用诱导点和变分推断提高大数据的处理能力。C-MAPSS和风机行星齿轮数据集的实验表明,VDGP比高斯过程方法具有更高的预测准确度和更窄的置信区间,在C-MAPSS的FD002数据集上,均方根误差、评分函数分别比现有最佳的对比方法减小0.21%和45.3%。 展开更多
关键词 剩余使用寿命预测 变分深度高斯过程 不确定性量化 旋转机械 核函数
在线阅读 下载PDF
基于深度学习与SMOTE数据增强的旋转机械故障诊断研究
15
作者 李文赞 刘勤明 +1 位作者 叶春明 汪宇杰 《机械强度》 北大核心 2026年第2期1-11,共11页
【目的】随着工业设备自动化与智能化的发展,旋转机械的故障诊断已成为保障设备稳定运行的关键环节。传统故障诊断方法依赖人工经验和简单信号处理技术,难以应对复杂工况和多样化的故障类型。因此,提出一种基于格拉姆角场(Gram Angular ... 【目的】随着工业设备自动化与智能化的发展,旋转机械的故障诊断已成为保障设备稳定运行的关键环节。传统故障诊断方法依赖人工经验和简单信号处理技术,难以应对复杂工况和多样化的故障类型。因此,提出一种基于格拉姆角场(Gram Angular Field,GAF)图像编码和增强型门控波形网络(Gated WaveNet,GWaveNet)架构的新型故障诊断方法。【方法】首先,将原始一维轴承振动信号通过GAF编码转换为二维图像,充分保留时序依赖性和动态信号变化特征。在这一过程中,为解决数据不平衡问题,采用窗口切分、噪声增强、合成少数类过采样技术(Synthetic Minority Oversampling Technique,SMOTE)等扩增样本多样性,增强了模型的训练效果并提高了鲁棒性。其次,构建了一种增强型GWaveNet架构,结合卷积层、残差连接、多尺度特征提取机制,增强了对故障模式的辨识能力。最后,基于美国凯斯西储大学(Case Western Reserve University,CWRU)公共数据集进行试验验证。试验结果表明,所提方法能够在健康、内圈故障、外圈故障3种工况下实现高准确率的故障诊断,并在复杂工况下展示出较强的泛化能力。【结果】结果表明,所提模型在旋转机械故障诊断中具有较高的准确性和鲁棒性,能够有效应对故障类型的多样性和实际工业环境中的不确定性。 展开更多
关键词 旋转机械 故障诊断 深度学习 格拉姆角场 数据增强
在线阅读 下载PDF
联邦协作框架下的跨工况半监督剩余使用寿命预测
16
作者 李琦媛 程鑫 +3 位作者 马文清 张开淦 夏唐斌 奚立峰 《浙江大学学报(工学版)》 北大核心 2026年第1期127-137,共11页
针对不同工况下信号数据分布的差异性与隐私保护限制,设计半监督域对抗联邦协作模型(SAFCM),实现数据跨工况和隐私保护下机械设备的剩余寿命预测.设计双向注意力时序卷积网络,从通道注意力和自注意力机制2个方向进行域不变特征提取;以... 针对不同工况下信号数据分布的差异性与隐私保护限制,设计半监督域对抗联邦协作模型(SAFCM),实现数据跨工况和隐私保护下机械设备的剩余寿命预测.设计双向注意力时序卷积网络,从通道注意力和自注意力机制2个方向进行域不变特征提取;以该卷积网络作为特征提取器,构建跨工况半监督域对抗模型(COCSAM),通过域对抗学习和域距离度量在不平衡域之间实现高鲁棒性的域适应;将COCSAM集成到联邦协作框架中,搭建SAFCM,通过子模型的差异化分布和动态加权更新,实现数据隐私保护下的网络异步更新,促进数据的充分利用和高效域适应.采用2个不同应用场景下的数据集进行解释性分析和鲁棒性研究,结果证明所提模型在真实工业场景中具有稳健性和优越性. 展开更多
关键词 剩余使用寿命 半监督 域适应 跨工况 联邦学习
在线阅读 下载PDF
行星齿轮系统全生命周期动态磨损模型
17
作者 欧阳韦平 曹意翔 董兴建 《振动与冲击》 北大核心 2026年第5期200-207,216,共9页
行星齿轮系统全生命周期中的动态磨损是由齿面磨损退化与系统动力学行为之间复杂的相互作用所引起的。构建高精度的动态磨损模型,关键在于准确表征并适时更新齿面的宏观几何形貌、接触参数以及动态啮合力的变化,这也是基于模型的故障诊... 行星齿轮系统全生命周期中的动态磨损是由齿面磨损退化与系统动力学行为之间复杂的相互作用所引起的。构建高精度的动态磨损模型,关键在于准确表征并适时更新齿面的宏观几何形貌、接触参数以及动态啮合力的变化,这也是基于模型的故障诊断研究中的核心问题。为此,在传统磨损模型中进一步考虑了接触微循环中的应力与滑移速度变化,并提出一种几何自适应的轮齿承载接触分析方法。通过将轮齿承载接触分析模型与齿面磨损模型、行星齿轮系统动力学模型进行循环迭代,建立了完整的全生命周期动态磨损预测模型。基于该模型,系统研究了齿轮在全生命周期内的磨损特性,提出了齿面几何更新的策略,并开展了全生命周期磨损试验以验证模型准确性。结果表明:因引入接触微循环参数与几何更新机制,模型预测的磨损齿廓与试验结果吻合良好;齿廓偏差向量的更新频率应显著高于有限元模型的更新频率;由于太阳轮-行星轮副的磨损量比齿圈-行星轮副高一个数量级,仅需对前者进行有限元网格更新。该研究提出的动态磨损模型在基于机理的磨损预测与全生命周期失效预警方面具备良好的工程应用价值。 展开更多
关键词 磨损 行星齿轮系统 全生命周期退化 故障机制
在线阅读 下载PDF
基于IMF模态筛选改进双阶段迁移学习的复合故障诊断方法研究
18
作者 张莉 岳文博 +1 位作者 黄梦君 杨建伟 《振动与冲击》 北大核心 2026年第3期226-237,270,共13页
针对城轨列车轴箱与齿轮箱等关键机械系统的复合故障样本缺乏、多部件耦合场景下复合故障特征难以有效提取,导致现有深度迁移方法诊断精度不高的问题,提出一种基于本征模态函数(intrinsic mode function,IMF)筛选改进双阶段迁移学习的... 针对城轨列车轴箱与齿轮箱等关键机械系统的复合故障样本缺乏、多部件耦合场景下复合故障特征难以有效提取,导致现有深度迁移方法诊断精度不高的问题,提出一种基于本征模态函数(intrinsic mode function,IMF)筛选改进双阶段迁移学习的复合故障诊断方法。首先,采用自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)算法分解复合故障信号,利用小波包变换实现多频带特征增强,并通过粒子群算法筛选与源域分布最匹配的IMF分量。然后,建立双阶段混合注意力深度模型,分别利用源域单一故障数据训练两阶段模型,将第一阶段的分类结果应用于第二阶段,通过两阶段互斥标签损失优化实现对复合故障的精准识别。试验结果表明,在轴承复合故障及齿轮-轴承部件级复合故障诊断任务中,提出方法的平均识别率均较高,实现了从单一故障到复合故障的迁移诊断。 展开更多
关键词 复合故障诊断 本征模态函数(IMF)模态筛选 双阶段迁移学习 自适应噪声完备集合经验模态分解(CEEMDAN)
在线阅读 下载PDF
基于IAN-LLE的轴箱轴承性能退化评估
19
作者 宫保贵 张兴武 陈雪峰 《振动.测试与诊断》 北大核心 2026年第1期197-202,225,共7页
为评估轴箱轴承性能退化状态,提出一种改进的自适应邻域局部线性嵌入方法(improved adaptive neighborhood locally linear embedding,简称IAN-LLE),用以准确评估轴箱轴承性能的退化趋势与严重程度。首先,利用余弦相似度(cosine similar... 为评估轴箱轴承性能退化状态,提出一种改进的自适应邻域局部线性嵌入方法(improved adaptive neighborhood locally linear embedding,简称IAN-LLE),用以准确评估轴箱轴承性能的退化趋势与严重程度。首先,利用余弦相似度(cosine similarity,简称CS)确定初始领域参数;其次,运用高斯核概率估计密度和流行曲率对初始领域参数进行修正;然后,构建融合退化指标(fusion degradation index,简称FDL),用以评估轴箱轴承的退化性能;最后,为验证该指标的有效性,分别开展轴承全寿命试验和轴箱轴承台架试验。结果表明:所提出的FDL具有较高的准确性,可用于评估轴箱轴承的性能变化。 展开更多
关键词 自适应邻域局部线性嵌入方法 退化评估 轴箱轴承 台架试验
在线阅读 下载PDF
参数优化的改进自适应调频模态分解
20
作者 李佳豪 吕东澔 +3 位作者 奚柯阳 董博 喻大华 杜晓炜 《振动与冲击》 北大核心 2026年第1期75-84,105,共11页
针对模态瞬时频率(instantaneous frequency,IF)相近甚至交叉的非平稳信号干扰导致自适应调频模态分解参数选择困难的问题,提出一种参数优化的自适应调频模态分解。首先,结合脊提取理论,通过基于目标追踪的自适应脊线提取算法来确定瞬... 针对模态瞬时频率(instantaneous frequency,IF)相近甚至交叉的非平稳信号干扰导致自适应调频模态分解参数选择困难的问题,提出一种参数优化的自适应调频模态分解。首先,结合脊提取理论,通过基于目标追踪的自适应脊线提取算法来确定瞬时频率;然后,为减小优化算法的计算量,提出一种基于两阶段快速搜索算法对品质因子进行寻优来获取带宽参数;最后,通过仿真信号、变转速轴承故障信号检测以及表面肌电信号疲劳模态提取对所提方法进行验证。研究表明,该方法能够有效分离出模态IF接近,甚至交叉的非平稳信号,具有较强的适应性和鲁棒性。 展开更多
关键词 非平稳信号 瞬时频率(IF) 带宽参数优化 改进自适应调频模态分解(IACMD)
在线阅读 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 … 250 下一页 到第 页
使用帮助 返回顶部