期刊文献+
共找到2,518篇文章
< 1 2 126 >
每页显示 20 50 100
基于参数优化WOA-VMD-MCKD在强背景噪声下的轴承故障诊断
1
作者 薛怀恒 买买提热依木·阿布力孜 +2 位作者 吴许坤 阿合朱力·吾木尔吾扎克 姚俊慧 《科学技术与工程》 北大核心 2026年第2期607-622,共16页
针对滚动轴承早期故障特征易受强背景噪声影响而难以提取的问题,提出了一种基于鲸鱼优化算法优化变分模态分解(variational mode decomposition,VMD)和相关最大峭度解卷积(maximum correlated kurtosis deconvolution,MCKD)参数的滚动... 针对滚动轴承早期故障特征易受强背景噪声影响而难以提取的问题,提出了一种基于鲸鱼优化算法优化变分模态分解(variational mode decomposition,VMD)和相关最大峭度解卷积(maximum correlated kurtosis deconvolution,MCKD)参数的滚动轴承故障诊断方法。首先,利用鲸鱼优化算法并选取包络熵最小值作为目标函数优化VMD算法中分解层数K和惩罚因子α,得到VMD分解结果,并基于加权相关峭度选取最优分量进行重构;其次,依据重构分量的包络谱图算得MCKD算法的T值,利用鲸鱼优化算法(whale optimization algorithm,WOA)并选取加权包络谱峭度最大值作为目标函数优化MCKD算法中滤波器长度L和位移数M,并将重构信号通过MCKD算法增强重构分量中的冲击成分;最后,通过包络谱分析判断滚动轴承故障类型。仿真分析与试验测试的结果均显示,该方法具备从故障信号中有效提取并显著增强冲击成分的能力,可以清楚地看到故障频率的多倍频。即便在强背景噪声干扰的情况下,该方法仍能够成功实现对滚动轴承早期故障的精准诊断。 展开更多
关键词 故障诊断 滚动轴承 鲸鱼优化算法 变分模态分解 最大相关峭度解卷积
在线阅读 下载PDF
基于VMD-MCKD的微弱故障信号降噪及冲击特征增强方法 被引量:5
2
作者 费红博 张超 +2 位作者 吴乐 徐帅 张敬 《机电工程》 北大核心 2025年第2期237-246,共10页
针对强噪声背景下滚动轴承早期故障冲击信号微弱,故障特征难以提取的问题,提出了一种基于参数自适应变分模态分解(VMD)与最大相关峭度解卷积(MCKD)的滚动轴承故障诊断方法(微弱故障信号降噪及冲击特征增强方法)。首先,采用时频域差值信... 针对强噪声背景下滚动轴承早期故障冲击信号微弱,故障特征难以提取的问题,提出了一种基于参数自适应变分模态分解(VMD)与最大相关峭度解卷积(MCKD)的滚动轴承故障诊断方法(微弱故障信号降噪及冲击特征增强方法)。首先,采用时频域差值信息引导VMD,并引入相似系数差值和能量差值比作为迭代收敛条件,重新设定了适用于信号分解的终止准则;然后,采用改进的减法平均优化算法,对MCKD中的解卷周期T、移位数M和滤波器长度L进行了优化,确保了参数组合的最佳性;借助MCKD方法的冲击特征提取能力,精确获取了目标周期性冲击信号;最后,依托内蒙古科技大学机械工程学院配备的HZXT-DS-003型双跨转子滚动轴承试验台,构建了故障轴承数据集,对基于VMD-MCKD的滚动轴承故障诊断方法的有效性进行了验证。研究结果表明:采用该方法能有效抑制噪声,显著增强信号的周期冲击特性、故障特征频率及其倍频,从而完成了对滚动轴承早期微弱故障的准确诊断;与其他方法相比,该方法在频谱中更为突出地展现故障特征频率及其倍频峰值,且信噪比提升了78%;此外,即使在不同信噪比的噪声环境下,该方法仍能保持卓越的信号处理能力。 展开更多
关键词 滚动轴承 早期故障特征 变分模态分解 最大相关峭度解卷积 参数自适应 周期性冲击信号
在线阅读 下载PDF
基于IGWO-MCKD-ROMP的齿轮箱轴承故障特征提取方法 被引量:1
3
作者 武逵 王城宇 万书亭 《机械与电子》 2025年第1期3-9,共7页
针对齿轮箱滚动轴承在故障诊断过程中,存在采样数据过大、故障特征提取效果不佳的问题,提出一种基于最大相关峭度解卷积(MCKD)和正则化正交匹配追踪算法(ROMP)的轴承振动信号特征提取方法。首先,通过引入改进的灰狼优化算法(IGWO),实现... 针对齿轮箱滚动轴承在故障诊断过程中,存在采样数据过大、故障特征提取效果不佳的问题,提出一种基于最大相关峭度解卷积(MCKD)和正则化正交匹配追踪算法(ROMP)的轴承振动信号特征提取方法。首先,通过引入改进的灰狼优化算法(IGWO),实现了MCKD和ROMP算法中参数的自适应选择;然后,利用IGWO对原始信号进行MCKD降噪处理;最后,利用IGWO-ROMP实现对信号的重构,通过对信号进行包络分析,实现对轴承故障特征的提取。仿真和实验分析结果表明,该方法能够有效提取轴承故障成分,为轴承故障特征提取及诊断提供一种新思路。 展开更多
关键词 轴承 故障特征 IGWO mckd ROMP
在线阅读 下载PDF
基于ASA-MCKD的IAS信号针齿故障特征提取研究 被引量:1
4
作者 张佳鑫 郭瑜 《机电工程》 北大核心 2025年第6期1110-1117,共8页
针对工业机器人旋转矢量(RV)减速器低速级非完整周期旋转工况下,针齿故障特征提取困难的问题,提出了一种基于角度同步平均(ASA)和自适应最大相关峭度解卷积(MCKD)增强包络的瞬时角速度信号(IAS)的RV减速器针齿故障特征提取方法。首先,... 针对工业机器人旋转矢量(RV)减速器低速级非完整周期旋转工况下,针齿故障特征提取困难的问题,提出了一种基于角度同步平均(ASA)和自适应最大相关峭度解卷积(MCKD)增强包络的瞬时角速度信号(IAS)的RV减速器针齿故障特征提取方法。首先,采用了向前差分法将编码器原信号转化为角度域的IAS信号,对IAS信号进行了角域同步平均处理,提高了信号信噪比;然后,采用边带信噪比指标选择了最优的解调频带,设计了带通滤波器,对平均后的信号进行了滤波,根据故障特征指标自适应选取了最优MCKD参数;最后,对滤波后的信号进行了故障特征增强,对增强后的信号进行了包络解调阶次分析,提取了针齿故障特征。研究结果表明:根据边带信噪比指标选取了中心频率为1560×,带宽为80×的带通滤波器,采用故障特征指标选择MCKD最优滤波器长度为258,并采用该方法对针齿故障信号处理后能观察到40×及其谐波的特征阶次,可有效提取RV减速器低速级非完整周期旋转工况下的针齿故障特征。与其他同类方法相比,MCKD方法在识别故障类型方面具有先进性。 展开更多
关键词 旋转矢量减速器 针齿故障 角度同步平均 最大相关峭度解卷积 瞬时角速度信号 特征阶次计算
在线阅读 下载PDF
基于MCKD和改进CNN-LSTM结合的轴承故障诊断方法 被引量:2
5
作者 葛至轩 刘楠 王收军 《天津理工大学学报》 2025年第3期36-45,共10页
针对传统诊断模型对含有周期性故障脉冲的振动信号诊断率较低、振动信号空间特征和时序特征得不到有效提取等问题,文中提出了一种基于最大相关峭度解卷积(maximum correlation kurtosis deconvolution,MCKD)和改进的双通道卷积神经网络... 针对传统诊断模型对含有周期性故障脉冲的振动信号诊断率较低、振动信号空间特征和时序特征得不到有效提取等问题,文中提出了一种基于最大相关峭度解卷积(maximum correlation kurtosis deconvolution,MCKD)和改进的双通道卷积神经网络-长短期记忆神经网络(convolutional neural network-long short term memory network,CNN-LSTM)相结合的轴承故障诊断模型。使用MCKD去除噪音干扰、增强信号周期性脉冲、重构原始信号,将重构后的信号分别同时输入到CNN和LSTM通道中,利用CNN强大的空间特征提取能力和LSTM挖掘数据时序特征能力,将二者得到的特征信息进行融合,最后输入到Softmax完成故障分类。在凯斯西储大学轴承数据集上进行验证,实验结果表明,该方法诊断性能优于其他主流模型,能够有效提高轴承诊断精度。 展开更多
关键词 最大相关峭度解卷积 卷积神经网络 循环神经网络 长短期记忆神经网络 故障诊断
在线阅读 下载PDF
基于VME与MCKD的齿轮箱中速轴故障诊断方法研究
6
作者 季晓龙 赵芡莹 +3 位作者 罗智 王祖达 蔡海洋 张震 《中国工程机械学报》 北大核心 2025年第3期543-547,共5页
在行星级齿轮箱故障诊断方法研究中,通常采用高速轴测点检测中速轴故障信息,所采集的信号中中速轴频率成分易受到高速轴的信息干扰,导致其信噪比较低。通过结合变分模态提取(VME)算法与最大相关峭度反卷积(MCKD)算法,可在抑制原始信号... 在行星级齿轮箱故障诊断方法研究中,通常采用高速轴测点检测中速轴故障信息,所采集的信号中中速轴频率成分易受到高速轴的信息干扰,导致其信噪比较低。通过结合变分模态提取(VME)算法与最大相关峭度反卷积(MCKD)算法,可在抑制原始信号中噪声成分的同时,有效提取中速轴的相关频率成分,从而解决高速轴测点下中速轴相关频率易受其他信号干扰的问题。 展开更多
关键词 变分模态分解(VME) 最大相关峭度反卷积(mckd) 风力发电机齿轮箱 故障诊断
在线阅读 下载PDF
基于IWOA-VMD-MCKD模型的齿轮箱轴承故障诊断
7
作者 郭楠 滕伟 +3 位作者 陈晨 彭迪康 马志勇 柳亦兵 《风机技术》 2025年第2期59-66,共8页
针对风电齿轮箱变工况和强噪声干扰条件下故障信号信噪比低,滚动轴承微弱故障特征难以提取的问题,提出一种结合改进鲸鱼优化算法(IWOA)、变分模态分解(VMD)和最大相关峭度解卷积(MCKD)的方法以提取滚动轴承的微弱故障特征。首先,引用Log... 针对风电齿轮箱变工况和强噪声干扰条件下故障信号信噪比低,滚动轴承微弱故障特征难以提取的问题,提出一种结合改进鲸鱼优化算法(IWOA)、变分模态分解(VMD)和最大相关峭度解卷积(MCKD)的方法以提取滚动轴承的微弱故障特征。首先,引用Logistic混沌映射、余弦收敛因子和自适应权重改进鲸鱼优化算法(WOA);其次,IWOA利用最小平均包络熵为指标确定VMD与MCKD算法的最优参数,突出信号中的故障冲击成分;最后,通过包络谱提取出轴承故障特征频率。仿真数据和实际风场数据案例分析结果表明,该方法能够有效提取出强噪声背景下的滚动轴承微弱故障特征。 展开更多
关键词 变分模态分解 改进鲸鱼优化算法 最大相关峭度反卷积 故障诊断 齿轮箱轴承
在线阅读 下载PDF
基于参数自适应ICEEMDAN和MCKD的太阳轮早期故障特征提取研究
8
作者 赵乃卓 赵羽萌 门城赋 《机械强度》 北大核心 2025年第6期57-65,共9页
针对在强噪声背景下太阳轮早期故障难以准确提取的问题,提出了一种改进灰狼算法(New Grey Wolf Optimization Algorithm,newGWO)优化改进自适应噪声完备集合经验模态分解(Improved Complete Ensemble Empirical Mode Decomposition with... 针对在强噪声背景下太阳轮早期故障难以准确提取的问题,提出了一种改进灰狼算法(New Grey Wolf Optimization Algorithm,newGWO)优化改进自适应噪声完备集合经验模态分解(Improved Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,ICEEMDAN)和最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)的太阳轮早期故障特征提取方法。采用newGWO优化影响其分解效果的白噪声幅值权重和噪声添加次数的参数选择,对故障振动信号进行newGWO-ICEEMDAN,选择最小包络熵为适应度函数,由此得到若干相关模态分量;然后以包络谱谱峰因子为选取最佳模态分量指标,对选定的最佳本征模态函数(Intrinsic Mode Function,IMF)分量进行经过newGWO优化的MCKD信号增强;最后对所得信号进行包络解调分析,提取太阳轮故障特征频率以及多倍频成分。通过仿真信号以及试验表明,该方法能够使得早期故障冲击特征更加明显,实现了太阳轮早期故障特征频率提取。 展开更多
关键词 太阳轮 早期故障 特征提取 改进灰狼算法 集合经验模态分解 相关峭度解卷积
在线阅读 下载PDF
MCKD-VMD算法在单相接地故障定位中的应用
9
作者 韩涛 代文 +2 位作者 龚柳丹 杨佩桥 石涛 《电子设计工程》 2025年第15期153-159,165,共8页
针对新型电力系统下小电流接地系统的单相接地故障定位问题,提出了一种基于MCKD-VMD融合技术的定位方法。采用最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)对故障零序电流信号进行预处理,以滤除背景噪声,提升... 针对新型电力系统下小电流接地系统的单相接地故障定位问题,提出了一种基于MCKD-VMD融合技术的定位方法。采用最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)对故障零序电流信号进行预处理,以滤除背景噪声,提升故障检测灵敏度。应用变分模态分解(Variational Mode Decomposition,VMD)算法对增强信号进行分解,提取关键模态并计算其峭度值。通过最大相邻差分法确定故障区段,实现接地故障准确定位。为验证所提方法的有效性,搭建10 kV配电网仿真模型并进行不同故障条件下的分析,结果表明,所提方法峭度较单一的VMD和MCKD-EEMD算法分别提高了66.9%、40.99%,为小电流接地系统的故障定位提供了可靠方案。 展开更多
关键词 小电流接地系统 故障定位 最大相关峭度解卷积 变分模态分解 最大相邻差分法
在线阅读 下载PDF
基于参数优化ICEEMDAN-MCKD的滚动轴承故障特征提取研究
10
作者 刘果 姜宏 章翔峰 《新疆大学学报(自然科学版中英文)》 2025年第6期685-698,共14页
针对旋转机械运行过程中,滚动轴承会产生冲击性强、结构复杂的振动信号,导致故障特征难以精准提取的问题,本文提出一种基于冠豪猪优化算法(CPO)联合优化ICEEMDAN与MCKD的故障特征提取方法.首先,采用CPO算法对ICEEMDAN中噪声幅值(Nstd)... 针对旋转机械运行过程中,滚动轴承会产生冲击性强、结构复杂的振动信号,导致故障特征难以精准提取的问题,本文提出一种基于冠豪猪优化算法(CPO)联合优化ICEEMDAN与MCKD的故障特征提取方法.首先,采用CPO算法对ICEEMDAN中噪声幅值(Nstd)与噪声添加次数(NR)等关键参数进行自适应寻优,分解原始带噪信号,得到多个本征模态函数(IMF),并以峭度为指标筛选有效分量进行重构;其次,在MCKD方法中引入CPO优化算法对其核心参数滤波器长度(L)与移位数(M)进行寻优,对重构信号应用MCKD以增强其包含的周期性冲击特征;最后,从包络谱中提取关键故障特征频率.实验结果表明,该方法能够有效提取关键故障特征频率成分,将提取效果与其他算法进行对比分析,ICEEMDAN-MCKD算法提取效果更加清晰,验证了其在故障特征提取方面的鲁棒性. 展开更多
关键词 滚动轴承 故障特征提取 冠豪猪优化算法 最大相关峭度解卷积 包络谱分析
在线阅读 下载PDF
基于改进VMD-MCKD的RV减速器故障诊断 被引量:1
11
作者 罗捷 蔺梦雄 《机械设计》 北大核心 2025年第9期170-176,共7页
针对RV减速器振动信号中含有大量噪声干扰成分导致减速器故障特征提取难的问题,提出了一种基于粒子群优化变分模态分解(PSO-VMD)与最大相关峭度解卷积(PSO-MCKD)的RV减速器故障诊断方法。采用粒子群算法对变分模态分解中的分解层数c、... 针对RV减速器振动信号中含有大量噪声干扰成分导致减速器故障特征提取难的问题,提出了一种基于粒子群优化变分模态分解(PSO-VMD)与最大相关峭度解卷积(PSO-MCKD)的RV减速器故障诊断方法。采用粒子群算法对变分模态分解中的分解层数c、惩罚因子α、最大相关峭度解卷积的滤波器长度L及位移参数M进行参数寻优,以多尺度排列熵(PME)为适应性函数,得到最优分解组合。对采集到的振动信号进行变分模态分解,通过分解得到系列本征模态函数(IMF)分量;以峭度值为筛选准则,计算出与原信号相关度最大的IMF分量,利用得到的最优[L,M]值对原始信号进行最大相关峭度解卷积,凸显故障冲击特征;对降噪后的IMF分量进行希尔伯特包络解调,从而提取故障特征。同时进行对比试验,验证了该方法的优越性。试验结果表明:该方法能够准确提取故障特征,减小噪声的影响,实现RV减速器的故障诊断。 展开更多
关键词 RV减速器 故障诊断 粒子群优化算法 改进变分模态分解 最大相关峭度解卷积 多尺度排列熵
原文传递
基于DBO优化MCKD-VMD的齿轮轴承复合故障特征提取
12
作者 马亮 王靖岳 +1 位作者 郑永灿 丁建明 《车辆与动力技术》 2025年第3期45-54,共10页
针对齿轮箱复合故障传输路径复杂,早期故障振动信号微弱,易被背景噪声淹没而特征提取困难等问题,提出了基于蜣螂优化算法(dung beetle optimizer,简称DBO)优化最大相关峭度解卷积(maximum correlated kurtosis deconvolution,简称MCKD)... 针对齿轮箱复合故障传输路径复杂,早期故障振动信号微弱,易被背景噪声淹没而特征提取困难等问题,提出了基于蜣螂优化算法(dung beetle optimizer,简称DBO)优化最大相关峭度解卷积(maximum correlated kurtosis deconvolution,简称MCKD)和变分模态分解(variational mode decomposition,简称VMD)的方法用来提取齿轮箱中齿轮轴承复合故障特征.为实现MCKD和VMD的参数自适应选取,采用DBO对两种算法中的参数进行寻优.首先以包络熵为评价指标,选取MCKD所需的参数组合,利用参数优化的MCKD增强故障特征;其次利用参数优化的VMD对增强信号进行分解,构建多尺度排列熵指标筛选有效模态分量进行重构降噪;最后对重构信号进行包络解调提取故障特征.通过与DBO-MCKD和DBO-MCKD-EEMD两种方法对比分析,仿真信号和齿轮箱中齿轮轴承复合故障模拟实验均验证了该方法可以有效的提取齿轮箱中齿轮轴承复合故障特征. 展开更多
关键词 齿轮箱复合故障 蜣螂优化算法 最大相关峭度解卷积 变分模态分解 多尺度排列熵
在线阅读 下载PDF
Photoacoustic microscopy depth-of-field extension method and system based on three-dimensional continuity and sparsity deconvolution
13
作者 Tingting Li Jialin Li +2 位作者 Lingyu Ma Cheng Ma Mingjian Sun 《Journal of Innovative Optical Health Sciences》 2025年第6期27-41,共15页
Optical-resolution photoacoustic microscopy is a novel imaging technique that combines the advantages of optical and ultrasound imaging,enabling high-resolution visualization of biological tissues at the micrometer sc... Optical-resolution photoacoustic microscopy is a novel imaging technique that combines the advantages of optical and ultrasound imaging,enabling high-resolution visualization of biological tissues at the micrometer scale.However,the divergence of the excited Gaussian beam limits the depth-of-field of the system to less than 100μm,which hinders accurate three-dimensional imaging of living tissues and restrictsits applicability in biological research.Therefore,there is an urgent need for an effective method to enhance the depth-of-field without altering the hardware configuration.This paper presents a photoacoustic microscopy depth-of-field extension method and system based on three-dimensional continuity and sparsity deconvolution.This method utilizes a depth-varying point spread function and incorporates continuity and sparsity con-straints into the deconvolution process to mitigate the effect of background noise,enhancing the stability and accuracy of the depth-of-field extension.Experimental results using tungsten wire phantoms suggest that the depth-of-field of system can be extended to 650 pm,which is 7.2 times greater than conventional system,while improving the resolution of the defocused region by an average factor of 3.5.Furthermore,experiments on zebrafish and nude mouse ears with irregular topologies demonstrate that the proposed method successfully overcomes image blurring and the loss of structural information due to limited depth-of-field.All the results suggest that the system with higher lateral resolution and enhanced depth-of-field has significant potential for a wide range of practical biomedical applications. 展开更多
关键词 Photoacoustic microscopy depth-of-field extension deconvolution
原文传递
基于VMD-MCKD的CT球管运行信号识别方法
14
作者 陈泽宇 王平 +1 位作者 张兆珩 李祥雨 《机械制造与自动化》 2025年第2期146-151,共6页
CT球管运行的声音信号能有效表征其服役状态,但一般会被其他设备的工作噪声掩盖,信噪比低,不易提取分析。为从强背景噪声中准确识别该信号,提出一种基于VMD-MCKD的联合算法。通过变分模态分解滤除信号中的冗余分量,得到重构信号;针对CT... CT球管运行的声音信号能有效表征其服役状态,但一般会被其他设备的工作噪声掩盖,信噪比低,不易提取分析。为从强背景噪声中准确识别该信号,提出一种基于VMD-MCKD的联合算法。通过变分模态分解滤除信号中的冗余分量,得到重构信号;针对CT机架转动特点对最大相关峭度解卷积算法进行参数优化,应用到重构信号中,得到信噪比较高的目标信号。实验结果表明:VMD-MCKD联合算法对整体声音信号中包含球管工作的部分起到了明显的增强作用,目标信号与噪声信号的峰峰值之比提升约2.7倍,以便准确识别并提取球管运行信号,实现数据精简。 展开更多
关键词 CT球管 健康状态监测 最大相关峭度解卷积 变分模态分解 特征增强
在线阅读 下载PDF
Multichannel deconvolution based on spatial structurally constraint and its applications
15
作者 Wang Wan-Li Jian Hu-Gao +1 位作者 Wang Wei Li Lin 《Applied Geophysics》 2025年第3期751-756,895,共7页
Traditional deconvolution methods based on single-channel inversion do not consider the spatial structural relation between channels,and hence,they yield high-resolution results with the existing transverse inconsiste... Traditional deconvolution methods based on single-channel inversion do not consider the spatial structural relation between channels,and hence,they yield high-resolution results with the existing transverse inconsistency or discontinuity.Therefore,in this study,the local dip angle was used to obtain the structural information and construct the spatial structurally constraint operator.This operator is then introduced into multichannel deconvolution as a regularization operator to improve the resolution and maintain the transverse continuity of seismic data.Model tests and actual seismic data processing have demonstrated the effectiveness and practicability of this method. 展开更多
关键词 transverse constraint spatial structurally constraint operator multichannel deconvolution
在线阅读 下载PDF
强背景噪声影响下的EEMD-FK-AMCKD滚动轴承微弱故障诊断方法
16
作者 谢贵重 徐帅强 +4 位作者 杜文辽 罗双强 李浩 王良文 巩晓赟 《机械传动》 北大核心 2025年第8期154-163,共10页
【目的】针对振动信号受到强烈噪声干扰使得微弱特征难以准确捕获的问题,提出一种集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)结合快速谱峭度(Fast Kurtogram,FK)和自适应最大相关峭度解卷积(Adaptive Maximum Corre... 【目的】针对振动信号受到强烈噪声干扰使得微弱特征难以准确捕获的问题,提出一种集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)结合快速谱峭度(Fast Kurtogram,FK)和自适应最大相关峭度解卷积(Adaptive Maximum Correlation Kurtosis Deconvolution,AMCKD)的联合滤波方法。【方法】首先,对振动信号进行多尺度EEMD,得到若干本征模态函数(Intrinsic Mode Function,IMF),并以互相关系数、峭度为度量因子筛选IMF分量,进行信号重构;其次,基于快速谱峭度算法确定重构信号的载波频率、频带宽度和最大峭度值层数,设计带通滤波器进行滤波,并以粒子群优化(Particle Swarm Optimization,PSO)算法自适应确定MCKD参数,以AMCKD算法对滤波信号进行特征增强;最后,通过包络解调得到故障特征频率值,并与理论值比较,实现故障诊断。【结果】结果表明,所提方法能够实现强噪声干扰下的微弱特征提取,具有较好的抗噪鲁棒性,可为强背景噪声下轴承微弱特征识别研究提供参考。 展开更多
关键词 滚动轴承 最大相关解卷积 特征增强 快速谱峭度
在线阅读 下载PDF
基于改进MCKD-VMD的滚动轴承故障信号提取
17
作者 张爱彬 祁文哲 《机械工程与自动化》 2025年第5期148-150,共3页
为了在强噪声环境背景下有效地提取到滚动轴承微弱故障特征信号并且能够准确地诊断出故障结果,提出了OCSSA算法和MCKD、VMD算法相结合的轴承故障诊断方法。首先,在轴承故障的基础上为了模拟强背景噪声环境加随机白噪声,得到包络谱图;随... 为了在强噪声环境背景下有效地提取到滚动轴承微弱故障特征信号并且能够准确地诊断出故障结果,提出了OCSSA算法和MCKD、VMD算法相结合的轴承故障诊断方法。首先,在轴承故障的基础上为了模拟强背景噪声环境加随机白噪声,得到包络谱图;随后,利用OCSSA算法优化MCKD算法和VMD算法的参数,利用参数优化后的VMD对原始信号进行分解,利用IMF与原始信号的相关系数对部分IMF分量进行重构;再次,得到轴承故障频率特征;最后对通过理论计算得到的轴承故障频率与从包络谱图中得到的轴承故障频率进行对比,结果表明:包络谱图中轴承故障频率与理论计算得到的轴承故障频率基本保持一致,所以利用该方法能准确地诊断出故障类型。 展开更多
关键词 故障诊断 融合鱼鹰和柯西变异的麻雀算法 变分模态分解 最大相关峭度解卷积 特征提取
在线阅读 下载PDF
基于SCSSA-VMD-MCKD的滚动轴承故障特征提取
18
作者 陈志刚 薛源 +1 位作者 王衍学 张志昊 《噪声与振动控制》 北大核心 2025年第6期183-189,213,共8页
针对强噪声背景下滚动轴承的微弱故障特征难以提取的问题,提出一种融合正余弦和柯西变异的麻雀搜索算法(Sine-cosine and Cauchy Mutation Sparrow Search Algorithm,SCSSA)优化变分模态分解(Variational Modal Decomposition,VMD)联合... 针对强噪声背景下滚动轴承的微弱故障特征难以提取的问题,提出一种融合正余弦和柯西变异的麻雀搜索算法(Sine-cosine and Cauchy Mutation Sparrow Search Algorithm,SCSSA)优化变分模态分解(Variational Modal Decomposition,VMD)联合最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)的滚动轴承特征提取方法。首先,将样本熵、峭度值和相关系数相结合构建复合指标—CSK,以CSK最小值为准则,自适应选取VMD的模态个数和惩罚因子;然后,根据峭度最大值原则筛选最优模态分量;最后,以包络谱熵为适应度函数,通过SCSSA优化的MCKD对最优模态分量进行增强并提取轴承特征频率。经过公开数据集和轴承实测数据验证:所提方法可以在强噪声背景下有效提取滚动轴承的微弱故障特征,完成故障类型的判别。 展开更多
关键词 故障诊断 滚动轴承 变分模态分解 麻雀搜索算法 最大相关峭度解卷积
在线阅读 下载PDF
基于VMD-MCKD的掘进机电设备轴承故障诊断研究
19
作者 董健男 牛陈猛 于新阁 《山东煤炭科技》 2025年第12期93-99,共7页
针对掘进机械设备轴承早期故障信号冲击成分能量低且特征不易提取的问题,提出一种基于W(W=方差贡献率×相关系数)优化的VMD-MCKD的故障诊断方法,利用变分模态分解(VMD)对原始序列信号进行降噪处理并产生一系列固有模态函数(Intrinsi... 针对掘进机械设备轴承早期故障信号冲击成分能量低且特征不易提取的问题,提出一种基于W(W=方差贡献率×相关系数)优化的VMD-MCKD的故障诊断方法,利用变分模态分解(VMD)对原始序列信号进行降噪处理并产生一系列固有模态函数(Intrinsic Mode Functions,IMF);利用双维度指标W对IMF进行选择性重构组成新的序列,去除虚假特征分量;利用最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)提取和增强非平稳信号中的冲击成分,突出信号的故障特征信息;采用包络谱实现轴承的故障诊断,并通过掘进机械设备内置的振动信号采集设备进行可行性和有效性验证。在利用数据集的算法验证实验中故障识别准确率达到了99%,实际测试中的准确率达到了94.35%。结果表明,基于W优化的VMD-MCKD故障诊断方法可以更加有效突出包络谱的幅值和倍频成分,从而可以有效对掘进机械设备轴承进行故障诊断。 展开更多
关键词 故障诊断 双维度指标W VMD 解卷积
在线阅读 下载PDF
基于MCKD-FDM方法的机床轴承故障智能诊断研究
20
作者 李洋 《机械管理开发》 2025年第1期45-47,共3页
为了提高机床轴承的故障诊断精度,选择FDM方法把经过降噪处理的信号分解,之后利用重构信号包络谱图实现信息故障的诊断,并开展仿真与实验测试分析。研究结果表明:利用FDM采集得到含有大量故障信息的频带,跟内圈故障频率特征形成了良好... 为了提高机床轴承的故障诊断精度,选择FDM方法把经过降噪处理的信号分解,之后利用重构信号包络谱图实现信息故障的诊断,并开展仿真与实验测试分析。研究结果表明:利用FDM采集得到含有大量故障信息的频带,跟内圈故障频率特征形成了良好的吻合状态,采用FDM分解方法能够满足最优频带分量的选择要求。采用智能诊断技术可以获得更明显的故障特征频率与倍频参数,受到噪声的干扰程度也较小,相对EMD与FDM达到了更优的诊断性能。选择MCKD和FDM相结合的故障诊断方法能够满足高精度故障检测的要求。 展开更多
关键词 机床 轴承 傅里叶分解方法 最大相关峭度反褶积 故障诊断
在线阅读 下载PDF
上一页 1 2 126 下一页 到第
使用帮助 返回顶部