河南省教育厅自然科学基金(2011B460012)
- 作品数：12 被引量：58H指数：5
- 相关作者：郝旺身郝伟韩捷董辛旻王洪明更多>>
- 相关机构：郑州大学更多>>
- 发文基金：河南省教育厅自然科学基金河南省教育厅科学技术研究重点项目国家自然科学基金更多>>
- 相关领域：机械工程自动化与计算机技术金属学及工艺电气工程更多>>
- 全矢LMD能量熵在齿轮故障特征提取中的应用被引量：9
- 2015年
- 齿轮故障信号具有非线性、非平稳特征,齿轮发生故障时,信号的能量结构随之改变,在不同的频带内能量不同。传统方法采用局部均值分解(LMD)提取振动信号的能量熵,将能量熵指标作为故障评判标准进行故障分类,依靠单一传感器信息源进行故障诊断,因而容易造成误诊、漏诊。全矢LMD能量熵法融合了双通道同源信息的回转能量,可降低故障误判率。通过实验模拟齿轮正常、齿根裂纹、断齿、缺齿等4种状态,验证了全矢LMD能量熵作为故障特征能达到很好的故障分类效果。
- 王洪明郝旺身韩捷董辛旻郝伟欧阳贺龙
- 关键词：齿轮非线性故障特征
- 全矢谱-ARMA模型的齿轮断齿故障强度预测研究被引量：1
- 2017年
- 齿轮传动作为机械传动主要形式之一,应用极为广泛,设备在高速运转下,一旦发生齿轮断齿故障将会带来巨大的经济损失以及人员伤害,为让损失降到最低,需要做到故障强度早知道,因此设备故障强度预测显得尤为重要。单通道预测方法由于获取振动信息不完善,导致预测结果一致性差,从而不能很好地实现故障强度的预测。通过全矢谱获得的频谱结构具有唯一性的特点,能够很好地弥补单通道的不足,在此基础上,将时序预测方法 ARMA模型与全矢谱技术相结合,提出了全矢-ARMA模型预测方法,并把该方法应用到齿轮断齿故障强度预测研究中。实验表明,该方法预测齿轮断齿故障强度结果与实际较吻合。
- 吴彦召韩捷陈磊张钱龙
- 关键词：全矢谱ARMA模型信息融合
- 基于全矢排列熵的齿轮故障特征提取方法研究被引量：12
- 2016年
- 针对齿轮的故障振动信号的非平稳、非线性特征,采用非线性信号分析方法排列熵算法计算振动信号的排列熵大小来反映信号的复杂度。单通道的信息源难以反映出设备的真实运行状态,采用同源信息融合技术对双通道振动信号进行同源信息融合,计算融合后的信号的排列熵,进而提出了一种基于全矢排列熵(FVPE)的齿轮故障特征提取方法,通过实验模拟齿根裂纹、断齿和缺齿这三种故障状态,实验结果表明本方法有效地解决了单一通道信息源不完善造成的误诊难题,并可以很好地区分三种故障。
- 郝旺身王洪明董辛旻郝伟韩捷张坤
- 关键词：非线性故障特征齿轮
- 奇异值分解与LMD结合的滚动轴承故障诊断研究被引量：7
- 2018年
- 针对滚动轴承故障信号具有的非线性和非平稳性,其故障特征难以提取的问题,提出一种奇异值分解(SVD)和局部均值分解(LMD)相结合的滚动轴承故障特征提取和诊断方法。首先,将轴承故障信号进行LMD分解得到若干PF分量;然后选取和原始信号相关度较大的PF分量,利用奇异值序列来构造其故障特征向量;最后,将得到的故障特征向量作为学习样本输入到支持向量机(SVM)中,对故障类型进行分类和识别。实验结果表明,LMD和SVD结合的故障特征提取方法,能有效提取滚动轴承不同状态下的故障特征,对不同故障状态做出准确分类。
- 赵伟杰杨乐乐郝旺身郝伟
- 关键词：局部均值分解奇异值分解非线性故障诊断支持向量机
- 兆瓦级风电增速箱监测与诊断系统研究被引量：2
- 2011年
- 随着石化资源的日渐短缺以及国家中长期发展规划战略实施,以风能、太阳能为代表的可再生能源将在能源消费结构中占据越来越大的比重。根据国外的风电设备运行经验来看,风电机组故障发生率也会随着运行的时间延长而增大。为确保风电机组安全可靠运行,必须对风电机组进行状态监测与故障诊断技术。介绍了状态监测与故障诊断系统在风电机组监测中的可行性,提出了系统技术方案,通过引入齿轮故障诊断α0法,在实际风电机组运行过程中能够给出有效可行的诊断结果,为风电机组状态监测与故障诊断提供了一种有效的方法。
- 郝旺身韩捷董辛旻郝伟陈宏
- 关键词：故障诊断
- 基于VMD与发育网络的滚动轴承故障检测被引量：5
- 2021年
- 针对传统的轴承故障诊断过于依赖专家经验和故障特征提取困难的现状,同时为了适应故障诊断的大数据处理及实时监测的需求,提出了一种基于变分模态分解(variational mode decomposition,VMD)与发育神经网络(developmental neural network,DNN)相结合的故障诊断方法。先将原始信号分组处理,再对分组后的信号进行VMD分解,得到若干个模态分量(IMF),根据相关系数对信号进行重构,随后提取重构信号的各个模态分量(IMF)的能量占比组成特征向量组,输入发育神经网络中进行训练和测试,进而对故障类型进行识别与分类,并与支持向量机(SVM)进行了对比。实验表明该方法的识别准确率可高达98.3%。
- 赵志杰曾劲松郝旺身司少剑
- 关键词：滚动轴承特征向量故障检测
- 基于全信息样本熵的轴承故障诊断方法研究被引量：2
- 2015年
- 将样本熵算法和同源信息融合技术结合起来,提出了一种基于全信息样本熵的轴承故障诊断方法,并通过实验模拟轴承的内圈、外圈和滚动体故障,证明了该方法可以有效地区分三种故障。
- 王洪明郝旺身董辛旻韩捷郝伟张坤欧阳贺龙
- 关键词：非线性故障诊断轴承
- 基于ITD与排列熵的齿轮故障特征提取方法研究被引量：2
- 2015年
- 针对齿轮故障信号的非线性、非平稳特征,采用本征时间尺度分解(ITD)结合排列熵的方法进行故障特征提取。采用ITD分解方法将原始信号分解得到一系列的PR旋转分量。通过剔出无意义的PR旋转分量,筛选出反映真实状态信息的分量,然后计算筛选出的PR旋转分量的排列熵。不同故障信号的PR旋转分量的排列熵大小不一,规律可寻,据此可以将排列熵的值作为元素构造故障特征向量。通过实验模拟齿轮正常、齿根裂纹、断齿和缺齿这4种状态,证明ITD-排列熵有很好的分类效果。
- 王洪明郝旺身韩捷董辛旻郝伟张坤
- 关键词：非线性故障特征齿轮
- 基于HHT边际谱与神经网络的轴承故障诊断研究
- 机械设备故障诊断技术中信号的特征提取对于设备故障诊断具有非常重要的意义。在旋转机械故障振动信号的采集和传输过程中,针对外界环境的影响可能会在信号中形成局部强噪声干扰,从而造成分析结果的失真以及由于旋转机械故障振动信号通常...
- 郝旺身韩捷董辛旻陈宏王丽雅
- 关键词：旋转机械故障诊断神经网络
- 文献传递
- 基于频段振动烈度和ARIMA的煤矿减速机状态预测被引量：3
- 2011年
- 振动信号反映设备运行的状态,为了能够对设备的运行状态进行有效监控和预报,采用了频段振动烈度分析和ARIMA建模的方法。通过监控各个频段的振动烈度值,能够全面了解设备的状态。根据各个频段的变化趋势,选择处于上升阶段的频段进行ARIMA建模与状态预测。并讨论了如何处理现场数据的非平稳性以及模型类型判别方法,构建合适的时间序列模型。
- 李传涛郝伟郝旺身董辛旻
