【摘 要】
：
为充分挖掘振动信号的特征信息进而提升诊断精度,提出一种将模糊信息粒化、幅值感知排列熵(AAPE)和鲸鱼优化支持向量机(WOA-SVM)相结合的滚动轴承智能故障诊断方法。首先对轴承振动信号进行模糊信息粒化处理,得到包含最小特征Low、平均特征R和最大特征Up的3组信息粒子;然后利用AAPE量化信息粒子的故障特征信息构建特征向量;最后建立WOA-SVM分类器诊断识别故障类型。采用滚动轴承不同工况下的实验数据进行算法验证,分析结果表明,所提方法不仅能够精准实现轴承故障类型及故障程度的综合辨识,而且故障识别率优于
【机 构】
：
南昌航空大学科技学院,南昌航空大学航空制造工程学院
【基金项目】
：
国家自然科学基金资助项目(51365040)。
论文部分内容阅读
为充分挖掘振动信号的特征信息进而提升诊断精度,提出一种将模糊信息粒化、幅值感知排列熵(AAPE)和鲸鱼优化支持向量机(WOA-SVM)相结合的滚动轴承智能故障诊断方法。首先对轴承振动信号进行模糊信息粒化处理,得到包含最小特征Low、平均特征R和最大特征Up的3组信息粒子;然后利用AAPE量化信息粒子的故障特征信息构建特征向量;最后建立WOA-SVM分类器诊断识别故障类型。采用滚动轴承不同工况下的实验数据进行算法验证,分析结果表明,所提方法不仅能够精准实现轴承故障类型及故障程度的综合辨识,而且故障识别率优于
其他文献
针对从滚动轴承振动信号中所提取的故障信息精度低的问题,提出一种基于鲸鱼优化算法(WOA)-变分模态分解(VMD)能量熵的特征提取方法,并采用改进鲸鱼优化算法(WOA)-支持向量机(SVM)进行故障诊断。首先,利用鲸鱼优化算法对变分模态分解模态个数K和惩罚参数α寻优,然后根据VMD处理信号得到若干模态分量,筛选后进一步提取能量熵作为特征向量。最后,针对WOA种群迭代机制易陷入局部极值等缺点,引入随机变异策略进行改进,根据改进WOA-SVM对轴承信号进行故障诊断。实验表明,该方法能够准确提取故障信息,提高轴承
本文研究了在碱性溶液中用取代酚类萃取剂分离钾和钠。4-叔丁基-2-(α-甲基苄基)苯酚(t-BAMBP)比4-仲丁基-2-(α-甲基苄基)苯酚(BAMBP)具有更好的提钾效果。最佳萃取条件为:1 mol/L t-BAMBP,相比(O/A)3:1,萃取级数两级。通过错流萃取,钾的萃取率达90.8%。用去离子水按4:1的相比进行4级洗涤,钠的洗涤率为88.2%。用1 mol/L H2SO4按3:1的相比反萃,钾的反萃率达94.2%。钾/钠(K/Na)浓度比从料液中的
本文以304不锈钢管为研究对象,探究在固溶处理前后,304不锈钢管中织构演化、孪晶的晶体学特征及晶粒取向变化。研究结果表明:固溶处理后,304不锈钢管中管材中织构类型发生明显变化,并且织构强度显著增强。固溶处理过程中,少数晶界沿着有利于晶粒长大的取向进行迁移,使一些晶粒吞并周围较小晶粒而异常长大。固溶处理前后304不锈钢管组织中均存在较多<111>60°孪晶,并且多数晶粒内出现二次孪晶。固溶处理后,由于孪晶所占体积比的增加,管材内60°角的孪晶界含量明显增加。对面心立方晶体中孪晶的晶体学特征分
为研究列车进、出站所引起某地铁换乘站楼板及办公区休息室的振动特性及其在不同楼层的传播规律,基于现场实测数据,采用时频分析、插入损失、1/3倍频程及Z振级曲线拟合等方法进行分析,得出以下结论:(1)地铁列车进、出站工况下的垂向加速度大于水平加速度,出站工况下楼板振动加速度大于进站工况,负一楼楼板振动加速度大于负二楼。无论哪种工况的振动响应在频谱上主要都集中在20 Hz~50 Hz和80 Hz~150 Hz频段;(2)列车引起的振动响应随着垂直轨向距离的增加而呈线性衰减趋势,负一楼振源引起楼板振动的线性衰减率
传统有源控制算法未考虑控制后的声品质特性,而误差滤波最小均方(Filter-error least mean square,FeLMS)算法通过对误差滤波器的设置可较好地优化声品质。已有FeLMS算法的优化目标大多仅基于心理声学客观参量,未考虑不同类型噪声的频谱差异。针对该问题,以直升机舱内噪声为研究对象,研究面向声品质优化的有源控制算法。首先将直升机舱内人耳位置处采集的噪声样本作为初级噪声,开展烦恼度主观评价实验,然后对烦恼度实验数据进行多元线性回归得到直升机舱室噪声烦恼度的声品质模型,最后根据模型中烦
针对滚动轴承故障信号信噪比低、特征学习效率低、诊断模型结构复杂等问题,提出一种基于经验模态分解快速独立成分分析(Empirical mode decomposition fast independent component analysis,EMDFICA)与卷积神经网络(Convolution neural network,CNN)相结合的滚动轴承故障诊断方法。首先,通过经验模态分解预处理得到原始振动信号的内禀模式函数(Intrinsic mode function,IMF);然后,对提取的IMF分量进
滚动轴承运行状态好坏会影响旋转机械的整体运转平稳性。由于在实际工况中带有标签的故障样本难以获取,基于传统深度学习的故障诊断方法,利用不足量的标签数据进行训练常导致模型无法学习到准确的故障特征。此外,智能故障诊断模型中的参数设置也是影响诊断结果优劣的关键因素。为了解决上述问题,提出一种基于三重生成式对抗网络的滚动轴承故障诊断方法。该方法将传统两人博弈转换为三人博弈,通过生成器、分类器与判别器的共同作用分别达到样本生成、标记与分类的目的。借助具有优越搜索效率的量子遗传算法,解决三重生成式对抗网络复杂的学习率设
通过微波水热法合成磁性CoFe2O4@rGO纳米复合材料。XRD、Raman、TEM/HRTEM、FTIR、BET和VSM表征结果表明,尺寸约为13 nm的尖晶石型CoFe2O4纳米粒子分散锚定在石墨烯片上,其饱和磁化强度为46.7 mA/(m2·g),满足磁分离要求。研究了不同pH值、初始浓度等条件对CoFe2O4@rGO铀吸附容量的影响,确定了铀在水
本文考虑一种基于最大后验概率算法的迭代相位同步方案。在经典方法中,相位噪声估计模型在信道和接收器的每个符号处考虑一个样本。但是,信息理论研究建议在信道和接收器的每个符号上使用多个样本以实现更高的性能。在本文中,得出了一种软信息辅助迭代接收器,该接收器使用现成的块进行检测和解调,以保持接收器的复杂性可接受。在这里,我们以务实的范例考虑每个符号在信道和接收器处的两个样本。结果表明,以适度的处理开销为代价,可以显著改善相位噪声估计。给出了针对低密度奇偶校验编码的正交幅度调制的仿真结果。结果表明,与传统的接收器方
提出一种将人工蜂群算法(Artificial Bee Colony Algorithm,ABC)与Baum-Welch算法结合的连续隐马尔科夫模型(Continuous Hidden Markov Model,CHMM)并将其应用于风力发电机齿轮箱故障诊断。首先利用小波包分解与重构提取信号频带能量作为特征向量;将正常及各故障状态的训练样本特征作为模型观测值输入CHMM模型与优化模型进行训练,最后将各个检验样本特征输入各状态模型中进行对比,得到待测样本在训练模型中的输出概率,将其作为故障诊断的评判依据。