|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于局部与全局结构保持算法的滚动轴承故障诊断显示文摘为了精准稳定地提取滚动轴承故障特征,提出一种基于局部与全局结构保持算法的低维敏感特征提取方法,采用K近邻(K-nearest neighbor algorithm,KNN)分类算法进行故障识别。对滚动轴承振动信号的时域和频域特征进行特征提取,组成初始特征集,采用该方法对初始特征集进行特征提取,提取过程中综合考虑初始特征集的局部结构特征和全局结构特征以避免其结构信息的丢失,同时引入正交约束减小主特征分量间的信息冗余,提取出最优表征初始特征集特征的敏感特征矢量,并通过K近邻分类算法对其进行分类。将该方法应用于滚动轴承故障诊断,通过与其他几种典型特征提取方法对比,该方法能更有效地提取滚动轴承四种状态的敏感特征矢量,在故障诊断中表现出更好的分类性能,整体故障识别率保持为100%。因此,该方法能有效提取敏感故障特征,为实际滚动轴承智能故障诊断提供参考。 | 马萍 张宏立 范文慧 | 2017 | 机械工程学报2017，53，2： | 29 |
| 2 | 基于神经网络集成的B样条经验模态分解端点效应抑制方法显示文摘经验模态分解对非线性、非平稳信号进行平稳化处理时表现出特有的分析能力,能够有效获得非平稳信号的时频特征,但是其利用样条曲线构造信号上下包络线的过程中存在严重的端点效应。在分析端点效应产生机理的基础上,提出基于神经网络集成的B样条经验模态分解(B-spline empirical mode decomposition,BS-EMD)端点效应抑制方法,研究神经网络集成延拓的原理,利用神经网络集成对数据进行左延拓和右延拓,利用B样条插值函数对延拓后的数据进行插值计算,得到信号的均值曲线,进行经验模式分解,得到本征模函数。仿真和试验结果表明,该方法能有效抑制BS-EMD的端点效应。 | 孟宗 顾海燕 李姗姗 | 2013 | 机械工程学报2013，49，9： | 17 |
| 3 | 有监督不相关正交局部保持映射故障辨识显示文摘提出基于有监督不相关正交局部保持映射(SUOLPP)维数化简的故障辨识方法。首先构造全面表征不同故障特征的时频域特征集,再利用SUOLLP将高维时频域特征集自动约简为具有更好区分度的低维特征矢量,并输入到Littlewood-Paley小波核支持向量机中进行故障模式辨识。时频域特征融集可较全面准确地反映旋转机械的故障特征;SUOLPP同时利用流形局部几何结构和类标签来设计相似加权矩阵,并使输出基向量统计不相关和相互正交,提高了故障辨识精度。深沟球轴承故障诊断和空间轴承寿命状态辨识实例验证了该方法的有效性。 | 李锋 王家序 杨荣松 | 2013 | 仪器仪表学报2013，34，5： | 15 |
| 4 | 拖拉机动力输出轴载荷经验模态分解软阈值降噪研究显示文摘针对拖拉机旋耕作业动力输出轴(PTO)载荷降噪中载荷先验特性预判的问题,提出了PTO载荷经验模态分解(EMD)软阈值降噪方法,得到了PTO载荷相同时域内不同频率固有模态函数(IMF)。利用边界局部特征尺度延拓算法对IMF出现的端点效应进行了抑制,与镜像对称延拓算法和多项式拟合延拓算法比较,在运行时间、正交指数及IMF数量3项评价指标中均占优势。利用IMF分量与载荷相关系数,辨识出前3阶IMF分量为噪声主导分量,对前3阶IMF分量分别进行了软阈值降噪,与剩余分量叠加重构了降噪后的PTO载荷。降噪后的PTO载荷主频为4.492 Hz,与试验中旋耕机刀轴旋转频率相符。与EMD低通滤波降噪算法比较,EMD软阈值降噪算法属于自适应数据驱动,不需要设定截止频率。以含噪信号与噪声误差比(d_(nSNR))为降噪性能评价指标,EMD软阈值降噪算法的d_(nSNR)为12.712 5,小于EMD低通滤波降噪算法的d_(nSNR)值13.266 6,对比结果表明EMD软阈值降噪算法对实测拖拉机PTO载荷降噪效果明显。 | 闫祥海 周志立 李忠利 | 2019 | 西安交通大学学报2019，53，5： | 14 |
| 5 | 基于小波分析对变速箱的故障诊断显示文摘为确定某型号液力叉车变速箱的故障原因,对其进行故障诊断,简要分析了变速箱内部结构,并计算了各档位情况下各个齿轮和轴承的故障特征频率,搭载实验平台,采集变速箱运转过程中的振动信号,并运用小波阈值去噪法对原始振动信号进行了消噪,接着分别运用小波分析和小波包分析方法对振动信号进行分解,并对相应频段信号进行重构和谱分析,综合两种分析方法的结果,获得变速箱的故障特征频率,确定是输入轴上齿轮存在缺陷。该研究对齿轮及轴承等相关构件的故障诊断有一定的参考意义。 | 刘青 朱炳安 | 2016 | 机械设计与制造2016，，11： | 8 |
| 6 | 基于有监督增量式局部线性嵌入的故障辨识显示文摘提出一种基于有监督增量式局部线性嵌入的故障辨识方法。首先构造全面表征不同故障特性的时频域特征集,再利用有监督增量式局部线性嵌入将高维时频域特征集自动化简为区分度更好的低维特征矢量,并输入Morlet小波支持向量机中进行故障模式辨识。有监督增量式局部线性嵌入结合流形局部几何结构和类标签来设计重构权值矩阵,并采用局部线性投影计算新增样本的嵌入映射,提高了故障辨识精度,实现了新样本的快速增量处理。深沟球轴承故障诊断和空间轴承寿命状态辨识实例验证了该方法的有效性。 | 李锋 田大庆 王家序 杨荣松 | 2013 | 振动与冲击2013，32，23： | 7 |
| 7 | 归一Laplacian矩阵有监督最优局部保持映射故障辨识显示文摘提出基于归一化Laplacian矩阵有监督最优局部保持映射(Normalized Laplacian-based supervised optimal localitypreserving projection,NL-SOLPP)维数化简的故障辨识方法。构造全面表征不同故障特性的时频域特征集,利用NL-SOLPP将高维时频域特征集自动约简为区分度更好的低维特征矢量,并输入到Shannon小波支持向量机中进行故障模式辨识。NL-SOLPP结合流形局部结构和类标签来设计相似加权矩阵,并使输出基矢量统计不相关和相互正交,提高了故障辨识精度。深沟球轴承故障诊断和空间轴承寿命状态辨识实例验证了该方法的有效性。 | 李锋 汤宝平 宋涛 丁行武 | 2013 | 机械工程学报2013，49，13： | 7 |
| 8 | 滚动轴承剩余使用寿命预测综述显示文摘滚动轴承作为旋转机械的关键零部件,其剩余使用寿命(RUL)预测对生产维修和人身安全具有重要意义。由于滚动轴承复杂多变的工作环境,使得同工况的参考样本少而变工况的参考样本较多,具有不平衡、不完整、无标签及噪声干扰等特性,增加了滚动轴承RUL预测的困难。随着大数据时代的来临和人工智能的发展,滚动轴承RUL预测方法也变得更加丰富。因此,在故障预测与健康管理(PHM)的框架下,对滚动轴承失效模式和故障数据特点进行阐述,对故障特征提取、降维和融合方法以及得到的性能退化指标分别进行了分类和对比分析。结合数据驱动算法,对滚动轴承RUL的预测方法、模型选择和评估标准进行了梳理和对比。最后对滚动轴承RUL预测未来的发展趋势进行了展望。 | 张金豹 邹天刚 王敏 桂鹏 戈红霞 王成 | 2023 | 机械科学与技术2023，42，1： | 5 |
| 9 | 改进的Morlet小波及其变换显示文摘提出了一个改进的Morlet小波,并在此基础上给出了Morlet小波变换的完全重构公式,这个重构公式不需要Morlet小波满足小波容许条件,使得Morlet小波变换在理论上趋于完善。改进后的Morlet小波其尺度参数替换为小波主频参数,参数有明确的物理意义,用它作为核函数的小波变换把时间信号映射到时间-频率域。重构公式的提出可拓宽Morlet小波的应用范围,引进了一个由Morlet小波变换及其逆变换构建的时-频滤波器并将其用于地震信号处理以提高其分辨率。从理论上分析了Morlet小波变换与S变换的区别,并用实际算例验证了分析结果。 | 姬战怀 严胜刚 | 2016 | 计算机工程与应用2016，52，14： | 4 |
| 10 | 基于故障先兆判定模型和动态置信度匹配的主轴润滑故障预测方法显示文摘为提高数控机床主轴传动系统润滑不良故障的预测能力和预知性维护能力,针对现有故障预测方法的局限性以及主轴零部件耦合、故障并发等特征,提出一种基于故障先兆判定模型和动态置信度匹配的主轴润滑故障预测方法。根据关联程度约简故障先兆表征参数,基于故障历史数据集定义故障先兆状态序列,结合小波分析和概率神经网络技术构建故障先兆判定模型,设计动态置信度匹配算法,进而从可靠性和正确性的角度融合各故障先兆参数状态匹配结果,在线预测故障发生的概率及时间。试验结果表明,该方法能够有效实现主轴传动系统润滑不良故障的预测。 | 高甜容 于东 岳东峰 郑飂默 | 2012 | 机械工程学报2012，48，17： | 4 |
| 11 | 判别式正交线性局部切空间排列故障辨识显示文摘针对现有旋转机械故障诊断模式难以实现自动化、高精度和泛化性的关键问题,提出基于判别式正交线性局部切空间排列特征约简的故障辨识方法。该方法首先构造全面表征不同故障特性的时、频域特征集,再利用DOLLTSA将高维时、频域特征集自动约简为区分度更好的低维特征矢量,并输入到K-近邻分类器中进行故障模式辨识。时、频域特征融集可较全面准确地反映旋转机械的故障特征;DOLLTSA综合利用局部几何结构和类判别信息进行流形解耦,并采用谱回归法和子空间正交化处理来优化低维嵌入子空间,提高了故障辨识精度。深沟球轴承故障诊断实例和空间轴承寿命状态辨识实例验证了所提方法的有效性。 | 李锋 赵洁 王家序 丁行武 | 2014 | 计算机集成制造系统2014，20，1： | 4 |
| 12 | 振动敏感特征与流形学习的风机基座螺栓松动程度诊断显示文摘为实现在役风机基座螺栓松动程度诊断的自动化与高精度,解决松动特征提取与敏感特征选取、高维非线性约简与松动程度稳定识别的问题,提出基于振动敏感特征与流形学习约简的风机基座螺栓松动程度诊断方法。首先,融合振动信号时频特征构建出原始松动程度特征集,实现对松动程度的定量表征;设计出风机基座连接螺栓松动程度敏感性指标算法,选取敏感特征构建松动程度敏感特征集,增强特征集的表征性能。再应用正交局部保持映射流形学习算法对松动程度敏感特征集进行非线性约简,滤除冗余信息获得分类特性好的低维松动程度特征集,并输入加权最近邻分类器进行松动程度识别。工程应用结果证明了所提方法的可行性和有效性。 | 陈仁祥 周君 杨黎霞 母芝验 袁静 | 2017 | 计算机集成制造系统2017，23，12： | 4 |
| 13 | Feature Extraction of Kernel Regress Reconstruction for Fault Diagnosis Based on Self-organizing Manifold Learning显示文摘The feature space extracted from vibration signals with various faults is often nonlinear and of high dimension.Currently,nonlinear dimensionality reduction methods are available for extracting low-dimensional embeddings,such as manifold learning.However,these methods are all based on manual intervention,which have some shortages in stability,and suppressing the disturbance noise.To extract features automatically,a manifold learning method with self-organization mapping is introduced for the first time.Under the non-uniform sample distribution reconstructed by the phase space,the expectation maximization(EM) iteration algorithm is used to divide the local neighborhoods adaptively without manual intervention.After that,the local tangent space alignment(LTSA) algorithm is adopted to compress the high-dimensional phase space into a more truthful low-dimensional representation.Finally,the signal is reconstructed by the kernel regression.Several typical states include the Lorenz system,engine fault with piston pin defect,and bearing fault with outer-race defect are analyzed.Compared with the LTSA and continuous wavelet transform,the results show that the background noise can be fully restrained and the entire periodic repetition of impact components is well separated and identified.A new way to automatically and precisely extract the impulsive components from mechanical signals is proposed. | CHEN Xiaoguang LIANG Lin XU Guanghua LIU Dan | 2013 | Chinese Journal of Mechanical Engineering2013，26，5： | 3 |
| 14 | 基于属性层次模型的单工位状态监测异类传感器布置优化显示文摘为了获得足够有效的切削过程状态信息,确保产品质量/系统零部件的安全可靠运行,应采用可靠的监测策略并对传感器进行优化布置。针对单工位多工步切削过程状态监测,基于多工位误差流(Stream of variation,SOV)理论构建单工位多工步信息流模型,通过状态空间变换和主成分分析确定故障/监测量信息传递系数π用来表征不同测点传感器的监测能力;考虑传感器以及故障/监测量之间的特性差异对于系统检测能力的影响,采用6Sigma的因果矩阵(Cause-effect matrix,CEM)和失效模式与影响分析(Failure mode and effect analysis,FMEA)工具分别对传感器以及故障/监测量特性进行量化表示;基于属性层次模型(Attribute hierarchical model,AHM)构建传感器,故障/检测量以及系统检测能力之间的因果关系,设定优化目标和约束条件,并采用元启发式算法-混合蛙跳算法(Shuffled frog leaping algorithm,SFLA)和遗传算法(Genetic algorithm,GA)用于优化计算。提出基于单工位状态监测的六步传感器优化布置策略。实例分析表明,在一定约束条件下,就优化目标而言,SFLA显示比GA更高的优化效率,为单工位状态监测的传感器布置优化提供实践参考。 | 何康 贾民平 赵转哲 | 2014 | 机械工程学报2014，50，24： | 1 |
您所在的机构暂未开通此部分的功能，请联系管理员