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
碰摩是转子系统中的一种常见故障。针对转子早期碰摩故障特征微弱难以提取的问题,在改进传统动态时间扭曲(Dynamic Time Warping,DTW)算法的基础上,提出一种基于角度权值的动态时间扭曲(Angle Weighted Dynamic Time Warping,AWDTW)算...碰摩是转子系统中的一种常见故障。针对转子早期碰摩故障特征微弱难以提取的问题,在改进传统动态时间扭曲(Dynamic Time Warping,DTW)算法的基础上,提出一种基于角度权值的动态时间扭曲(Angle Weighted Dynamic Time Warping,AWDTW)算法。在该算法中,通过识别不同时间序列的坐标向量之间的夹角,自动计算两时间序列中对应点的距离权值,并通过增加角度权值来改善传统DTW算法的不合理扭曲对齐,以此减少时间序列匹配时“奇点”的产生,从而提高时间序列的对齐精度。通过仿真数据和转子试验台碰摩振动数据来验证所提方法的有效性,同时,与传统DTW及其改进算法相比,所提方法因综合考虑坐标因素的影响,更有利于时间序列的对齐和相似性度量,从而能更有效凸显转子早期碰摩故障特征。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%。
文摘针对水下环境复杂性带来的多尺度目标检测挑战,提出了改进算法WPS-YOLOv8。设计了小波池化卷积模块(wavelet pooling convolution,WPConv),该模块通过小波池化技术降低通道压缩后特征图的分辨率,有效抑制了传统下采样过程中产生的频率混叠伪影,提升了特征提取质量和表达能力。提出了局部逐点分组重排卷积模块(partial pointwise group shuffle convolution,PGConv),该模块通过结合局部卷积与逐点卷积,能够在减少信息冗余的同时保持通道间的信息交互,弥补了深度可分离卷积的不足,增强了特征融合效果。提出了ShapeLoss损失函数,综合考虑影响不同尺度目标检测精度的因素,通过集成Shape-IoU和Shape-NWD两种损失测度,有效提升了对多尺度目标的总体检测精度。实验结果显示,相较于YOLOv8,WPS-YOLOv8在URPC2018和UTDAC2020水下数据集上的平均精度均值(mean average precision,mAP)分别提升了8.6和4.4个百分点,展现了其在水下多尺度目标检测中的出色表现。
文摘碰摩是转子系统中的一种常见故障。针对转子早期碰摩故障特征微弱难以提取的问题,在改进传统动态时间扭曲(Dynamic Time Warping,DTW)算法的基础上,提出一种基于角度权值的动态时间扭曲(Angle Weighted Dynamic Time Warping,AWDTW)算法。在该算法中,通过识别不同时间序列的坐标向量之间的夹角,自动计算两时间序列中对应点的距离权值,并通过增加角度权值来改善传统DTW算法的不合理扭曲对齐,以此减少时间序列匹配时“奇点”的产生,从而提高时间序列的对齐精度。通过仿真数据和转子试验台碰摩振动数据来验证所提方法的有效性,同时,与传统DTW及其改进算法相比,所提方法因综合考虑坐标因素的影响,更有利于时间序列的对齐和相似性度量,从而能更有效凸显转子早期碰摩故障特征。
