针对齿轮故障诊断中采集到的振动信号常伴有噪声干扰且故障特征难以提取的问题,以傅里叶-贝塞尔级数展开(Fourier-Bessel series expansion,FBSE)为基础,提出了一种将FBSE和基于能量的尺度空间经验小波变换(energy scale space empirica...针对齿轮故障诊断中采集到的振动信号常伴有噪声干扰且故障特征难以提取的问题,以傅里叶-贝塞尔级数展开(Fourier-Bessel series expansion,FBSE)为基础,提出了一种将FBSE和基于能量的尺度空间经验小波变换(energy scale space empirical wavelet transform,ESEWT)相结合的齿轮振动信号降噪方法,即FBSE-ESEWT。首先,将采集到的齿轮振动信号利用FBSE技术获得其频谱,以替代传统的傅里叶谱,接着凭借能量尺度空间划分法对获取的FBSE频谱进行自适应分割和筛选,以精确定位有效频带的边界点。随后通过构建小波滤波器组得到信号分量并进行重构,以减小噪声和冗余信息干扰;然后,为捕捉到更全面的特征信息将处理后的信号进行广义S变换得到时频图,输入2D卷积神经网络进行故障诊断验证算法可行性。通过对Simulink仿真信号和实际采集信号进行实验,结果表明,相对于原始经验小波变换(EWT)、经验模态分解(EMD)等方法,FBSE-ESEWT具有更好的降噪效果,信噪比提高了13.96 dB,诊断准确率高达98.03%。展开更多
关键物料属性(CMAs)辨识是中药大品种健胃消食片质量控制的关键问题。该文以健胃消食片颗粒为研究对象,以片剂抗张强度为主要质量属性,建立了颗粒CMAs的辨识方法与设计空间,并基于傅里叶近红外光谱技术(FT-NIR)建立颗粒CMAs的预测模型...关键物料属性(CMAs)辨识是中药大品种健胃消食片质量控制的关键问题。该文以健胃消食片颗粒为研究对象,以片剂抗张强度为主要质量属性,建立了颗粒CMAs的辨识方法与设计空间,并基于傅里叶近红外光谱技术(FT-NIR)建立颗粒CMAs的预测模型。首先采用试验设计(design of experiments,DOE)中的部分因子试验设计方法制备不同性质的健胃消食片颗粒,测定颗粒的粉体学性质。采用正交偏最小二乘法(OPLS)建立颗粒粉体学性质与抗张强度间的关系模型。根据OPLS提取综合变量的特性,找出对抗张强度解释作用最强的自变量,再利用FT-NIR技术建立颗粒CMAs的预测模型。最终确定关键物料属性为吸湿率、含水率、D_(50)、崩溃角、质量流速、振实密度;流动性、D_(50)、含水率预测模型的预测集决定系数(R_(p)^(2))与相对百分偏差(RPD)分别为0.891、0.994、0.998;2.97、12.4、20.7。建立的OPLS可明确各因素对抗张强度的影响程度大小,拟合效果良好。所建模型的预测准确度较高,可用于健胃消食片颗粒CMAs的快速、准确测定。展开更多
文摘针对齿轮故障诊断中采集到的振动信号常伴有噪声干扰且故障特征难以提取的问题,以傅里叶-贝塞尔级数展开(Fourier-Bessel series expansion,FBSE)为基础,提出了一种将FBSE和基于能量的尺度空间经验小波变换(energy scale space empirical wavelet transform,ESEWT)相结合的齿轮振动信号降噪方法,即FBSE-ESEWT。首先,将采集到的齿轮振动信号利用FBSE技术获得其频谱,以替代传统的傅里叶谱,接着凭借能量尺度空间划分法对获取的FBSE频谱进行自适应分割和筛选,以精确定位有效频带的边界点。随后通过构建小波滤波器组得到信号分量并进行重构,以减小噪声和冗余信息干扰;然后,为捕捉到更全面的特征信息将处理后的信号进行广义S变换得到时频图,输入2D卷积神经网络进行故障诊断验证算法可行性。通过对Simulink仿真信号和实际采集信号进行实验,结果表明,相对于原始经验小波变换(EWT)、经验模态分解(EMD)等方法,FBSE-ESEWT具有更好的降噪效果,信噪比提高了13.96 dB,诊断准确率高达98.03%。
文摘关键物料属性(CMAs)辨识是中药大品种健胃消食片质量控制的关键问题。该文以健胃消食片颗粒为研究对象,以片剂抗张强度为主要质量属性,建立了颗粒CMAs的辨识方法与设计空间,并基于傅里叶近红外光谱技术(FT-NIR)建立颗粒CMAs的预测模型。首先采用试验设计(design of experiments,DOE)中的部分因子试验设计方法制备不同性质的健胃消食片颗粒,测定颗粒的粉体学性质。采用正交偏最小二乘法(OPLS)建立颗粒粉体学性质与抗张强度间的关系模型。根据OPLS提取综合变量的特性,找出对抗张强度解释作用最强的自变量,再利用FT-NIR技术建立颗粒CMAs的预测模型。最终确定关键物料属性为吸湿率、含水率、D_(50)、崩溃角、质量流速、振实密度;流动性、D_(50)、含水率预测模型的预测集决定系数(R_(p)^(2))与相对百分偏差(RPD)分别为0.891、0.994、0.998;2.97、12.4、20.7。建立的OPLS可明确各因素对抗张强度的影响程度大小,拟合效果良好。所建模型的预测准确度较高,可用于健胃消食片颗粒CMAs的快速、准确测定。
