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6篇文章
< 1 >
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CEEMD和MOMEDA的滚动轴承故障提取 被引量：6
1
作者 于元滐 杨光永 +2 位作者 晏婷 徐天奇 戈一航 《电子测量技术》 北大核心 2021年第22期96-101,共6页
当滚动轴承发生故障时,故障特征信号会夹杂在振动信号中,造成故障特征信号提取效果不理想。针对这一问题,提出了一种互补集成经验模态分解与多点最优最小熵(CEEMD-MOMEDA)的滚动轴承故障提取方法。首先通过CEEMD算法对采集到的振动信号... 当滚动轴承发生故障时,故障特征信号会夹杂在振动信号中,造成故障特征信号提取效果不理想。针对这一问题,提出了一种互补集成经验模态分解与多点最优最小熵(CEEMD-MOMEDA)的滚动轴承故障提取方法。首先通过CEEMD算法对采集到的振动信号进行处理,然后通过峭度准则对非故障冲击成分进行筛除,最后利用MOMEDA算法对重组后的信号进行处理从而抑制噪声的影响,从中提取出故障特征。并与单一的MOMEDA算法进行对比。结果表明,提出的CEEMD-MOMEDA算法故障提取能力、抗干扰能力有较大提升。 展开更多
关键词 滚动轴承 故障提取 CEEMD算法 momeda算法
原文传递
自适应VMD联合MOMEDA的滚动轴承故障提取 被引量：9
2
作者 阮强 王贵勇 +1 位作者 刘韬 王廷轩 《电子测量技术》 北大核心 2022年第1期165-171,共7页
针对强背景噪声下滚动轴承微弱故障特征提取问题,提出了一种基于参数自适应优化变分模态分解(VMD)与多点最优最小熵解卷积(MOMEDA)相结合的轴承故障特征提取方法。首先对滚动轴承时域振动信号进行VMD分解,然后基于自相关函数脉冲谐波噪... 针对强背景噪声下滚动轴承微弱故障特征提取问题,提出了一种基于参数自适应优化变分模态分解(VMD)与多点最优最小熵解卷积(MOMEDA)相结合的轴承故障特征提取方法。首先对滚动轴承时域振动信号进行VMD分解,然后基于自相关函数脉冲谐波噪声比指标(AIHN)最大化原则进行挑选得到最佳模态分量(BIMF)并对其进行MOMEDA滤波,包络解调后得到故障特征频率,最后将本文所提方法体应用于数值仿真信号上可以明显观察到故障特征频率131.1 Hz,应用于实际轴承故障信号可以有效识别轴承故障特征频率294.5 Hz,与原始包络谱提取的311 Hz以及MCKD提取的320 Hz相比更加接近理论故障特征频率294 Hz。 展开更多
关键词 轴承故障诊断 VMD算法 momeda算法 自相关函数脉冲谐波噪声比指标算法 参数优化
原文传递
基于MOMEDA与BiLSTM的滚动轴承微弱故障识别方法 被引量：2
3
作者 权伟 和丹 +1 位作者 杨鹏程 区瑞坚 《轻工机械》 CAS 2023年第2期57-65,共9页
针对传统的滚动轴承智能诊断模型计算效率低和准确率欠佳问题,课题组提出一种基于多点最优最小熵解卷积(multipoint optimal minimum entropy deconvolution adjusted,MOMEDA)和双向长短时记忆(bidirectional long short-term memory ne... 针对传统的滚动轴承智能诊断模型计算效率低和准确率欠佳问题,课题组提出一种基于多点最优最小熵解卷积(multipoint optimal minimum entropy deconvolution adjusted,MOMEDA)和双向长短时记忆(bidirectional long short-term memory network,BiLSTM)网络相结合的滚动轴承故障诊断模型。该模型利用MOMEDA方法增强故障特征,并结合遗传算法(genetic algorithm,GA)对BiLSTM模型参数进行优化,实现滚动轴承智能、高效及鲁棒性诊断。利用该模型对经典轴承数据集以及牵引电机轴承故障数据集进行验证,平均准确率达到了99.63%,分别比传统卷积神经网络(convolutional neural network,CNN)、单层长短时记忆网络(long short-term memory network,LSTM)、双向长短时记忆网络和最新的CNN-LSTM模型高16.02%,9.98%,7.01%和5.65%,验证了该模型的有效性和优越性。 展开更多
关键词 滚动轴承 多点最优最小熵解卷积 遗传算法 双向长短时记忆网络
在线阅读 下载PDF
基于SVMD和自适应MOMEDA的齿轮箱故障诊断 被引量：2
4
作者 岳子毫 裴帮 +3 位作者 李志远 王征兵 黄晓丹 雷欢欢 《机床与液压》 北大核心 2023年第21期225-232,共8页
受背景噪声和传输路径的影响,故障信号往往被淹没,故障特征难以提取。基于此,提出一种连续变分模态分解(SVMD)和自适应MOMEDA相结合的故障诊断方法,通过SVMD前处理得到重构信号,然后以平均谱负熵为适应函数,通过人工鱼群优化算法自适应... 受背景噪声和传输路径的影响,故障信号往往被淹没,故障特征难以提取。基于此,提出一种连续变分模态分解(SVMD)和自适应MOMEDA相结合的故障诊断方法,通过SVMD前处理得到重构信号,然后以平均谱负熵为适应函数,通过人工鱼群优化算法自适应选择MOMEDA的最优参数。利用所得参数对重构信号进行MOMEDA滤波,最后进行包络谱分析,做出故障类型诊断。将所提方法应用于齿轮箱主动轮断齿故障的仿真信号和实验信号中,在包络频谱中可以清楚地分辨出小齿轮转频及其倍频,同时所提方法相对其他方法具有更好的表现效果。 展开更多
关键词 齿轮箱故障诊断 自适应momeda 连续变分模态分解(SVMD) 人工鱼群算法
在线阅读 下载PDF
基于改进ACCUGRAM的滚动轴承故障诊断方法 被引量：2
5
作者 于李鹏 吕勇 +1 位作者 易灿灿 潘兵奇 《机床与液压》 北大核心 2020年第22期172-177,共6页
滚动轴承故障信号的特征容易被强噪声淹没,难以提取信号中的冲击成分。针对这一问题,提出多点最优调整的最小熵解卷积(MOMEDA)优化的ACCUGRAM算法,并应用于滚动轴承故障诊断。首先利用MED算法对原始信号进行滤波预处理,突显信号中的有... 滚动轴承故障信号的特征容易被强噪声淹没,难以提取信号中的冲击成分。针对这一问题,提出多点最优调整的最小熵解卷积(MOMEDA)优化的ACCUGRAM算法,并应用于滚动轴承故障诊断。首先利用MED算法对原始信号进行滤波预处理,突显信号中的有效循环冲击成分,提高MOMEDA优化ACCUGRAM算法中频带选择的分类精度,选择最佳的带宽和中心频率,最后对获得包含信息量最大的频带进行故障特征频率的提取和轴承的故障诊断。仿真和试验数据分析结果表明:该方法能够有效提取信号中的周期性冲击特征,具有一定的实用性。 展开更多
关键词 MED滤波 momeda ACCUGRAM算法 故障诊断 滚动轴承
在线阅读 下载PDF
基于旋转编码器信号的滚动轴承故障特征增强提取 被引量：6
6
作者 朱云贵 郭瑜 +2 位作者 邹翔 田田 徐万通 《振动与冲击》 EI CSCD 北大核心 2023年第8期119-125,共7页
针对滚动轴承故障特征较弱且振动传感器安装受限的场合下故障特征不易提取的问题。结合旋转编码器信号传递路径短、干扰少等优势,提出一种基于旋转编码器瞬时角速度(instantaneous angular speed,IAS)信号的滚动轴承故障特征增强提取法... 针对滚动轴承故障特征较弱且振动传感器安装受限的场合下故障特征不易提取的问题。结合旋转编码器信号传递路径短、干扰少等优势,提出一种基于旋转编码器瞬时角速度(instantaneous angular speed,IAS)信号的滚动轴承故障特征增强提取法。首先,使用去相位算法(de-phasing algorithm,DPA)抑制转频及其谐波等严格周期性分量;其次,通过多点优化最小熵反褶积(multi-point optimization minimum entropy deconvolution adjusted,MOMEDA)增强滚动轴承故障冲击分量;最后,对增强后的信号进行频谱分析,提取轴承故障冲击特征。通过仿真和轴承外圈实测数据验证所提方法的有效性。 展开更多
关键词 滚动轴承 编码器 瞬时角速度(IAS) 去相位算法(DPA) 最小熵反褶积(momeda) 故障特征提取
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 下一页 到第 页
使用帮助 返回顶部