赵川
- 作品数：8 被引量：24H指数：3
- 供职机构：北京科技大学机械工程学院更多>>
- 发文基金：国家自然科学基金博士科研启动基金更多>>
- 相关领域：机械工程自动化与计算机技术电子电信更多>>
- 基于VC++与阿尔泰PCI8510同步采集卡主轴测控系统开发被引量：1
- 2016年
- 实时信号处理是机床主轴运行监测的重要内容,对数据采集卡提出高速高精度要求。文章介绍了利用VC++6.0对PCI8510同步数据采集卡进行控制的方法,实现采集卡的参数设置,采用多线程技术实现数据的多通道实时显示,创建文件保存数据,完成测控系统开发。
- 崔贝贝赵川
- 关键词：机床主轴VC++6.0同步数据采集多线程技术
- 基于双对抗编码的时变工况下行星齿轮箱智能故障诊断被引量：1
- 2021年
- 时变工况下行星齿轮箱故障特征频率随时间变化,常规的统计特征通常难以有效地表征非平稳信号的时变特性,人工识别故障特征较为困难。针对上述问题,提出基于双对抗编码的智能故障诊断模型。先获取样本信号的时频图,揭示信号频率随时间变化规律;构建编码与解码网络,并用编码器的输入与解码器的输出对判别器1进行对抗训练,确保重构信号与原始信号服从相同分布,从而提取有效的时频图特征;此外,构建高斯混合分布,并根据类别信息从对应分布进行采样,判别器2用于使提取的特征服从给定的高斯混合分布,从而实现通过控制混合分布来强化不同类别特征间的差异性。最后,用强化的特征训练Softmax分类器,并识别测试样本故障类别。方法经行星齿轮箱实验数据进行了验证,研究表明,模型通过对抗机制使重构信号服从与原始信号相同的分布,同时通过高斯混合分布对隐变量进行控制,提高了特征聚类性能,有效诊断了齿轮故障,与其他方法相比表现出一定的优越性。
- 赵川赵川冯志鹏王坤
- 关键词：行星齿轮箱智能故障诊断
- 时频特征提取与差异性强化及其在变转速工况下行星齿轮箱模式识别中的应用研究
- 2023年
- 时变工况下行星齿轮箱的故障诊断仍然是一个热点问题。时频分析可以揭示非平稳信号的时变频率成分,但结果易受主观因素的影响。此外,不同类别的时频特征存在特征重叠现象,对智能诊断模型的性能产生不利影响。针对上述问题,提出了一种对抗自监督推理模型(Adversarial auto-supervised inference,AAsI),旨在实现时频特征自适应提取并强化不同类别特征间差异。首先,利用时频分析方法获得时频图像作为编码器输入。使用高斯混合分布构建可视化和分类良好的样本作为解码器的输入。之后,结合类别标签信息,探索一种对抗性机制,用于独立训练编码器和解码器,从而减少计算干扰,使提取的特征与分类良好的样本相似,同时以最小化均方误差为约束重构原始信号。最后,通过特征训练和测试Softmax分类器。该方法通过行星齿轮箱实验数据集进行了验证。结果表明,AAsI能够自适应提取时频特征并强化特征间差异,性能优于对抗学习推理、自动编码器和变分自动编码器。此外,在该数据集上基于不同时频分析方法AAsI准确率均高于98%。
- 赵川赵川
- 关键词：行星齿轮箱智能诊断
- 基于字典学习与稀疏分类的行星齿轮箱故障诊断研究
- 故障模式识别方法以特征提取与分类为主要内容。传统特征提取大多基于专家经验来提取特征，不能直接对原始数据进行处理;特征参量对不同系统的稳定性、敏感性与规律性不同，容易对故障诊断结果造成影响。针对传统特征提取缺乏自适应性的问...
- 赵川冯志鹏
- 基于多域流形的行星齿轮箱局部故障识别被引量：7
- 2017年
- 行星齿轮箱振动信号包含多种频率成分和噪声干扰,频谱具有复杂的边带结构,容易对故障识别造成误导甚至引起错判.在不同故障状态下,行星齿轮箱振动信号的多域特征量将偏离正常范围且偏离程度不同,根据这一特点,提取振动信号的时域、频域特征参量用于故障识别.为了避免传统分析方法中负频率及虚假模态问题,增强对噪声干扰的鲁棒性,采用局部均值分解法将信号自适应地分解为单分量之和,提取时频域单分量瞬时幅值能量.针对多域特征空间构造过程中出现的高维及非线性问题,采用流形学习对数据进行降维处理.提出基于改进的虚假近邻点的本征维数估计及最优k邻域确定方法,并通过等距映射对多域特征空间进行降维分析.对于行星齿轮箱实验信号,根据样本流形特征聚类结果,分别识别出了太阳轮、行星轮和齿圈的局部故障,从而验证了上述方法的有效性.
- 赵川冯志鹏
- 关键词：行星齿轮箱故障识别局部均值分解
- 基于二维独立均匀分布对抗自编码的模式识别研究
- 2022年
- 标准对抗自编码模型能够以自监督方式自适应提取输入样本的特征,并通过对抗机制对提取的特征施加特定的先验分布,从该先验分布进行采样输入解码器,则可生成与输入样本近似的样本。但在实际应用中,有时需要生成指定类别的样本;对于模式识别任务,通常还需要对多类别样本的特征进行提取,并强化特征间差异,从而进行聚类分析。针对上述需求,本文提出基于二维独立均匀分布对抗自编码的分析模型。在该模型中,根据类别信息构建二维均匀分布,便于对不同类别的可视化特征进行专属约束,从而强化不同类别特征间的差异;此外,通过自监督与对抗训练,使得对应特定类别信息的均匀分布样本能够生成指定类别的样本。方法经网络公开数据MNIST数据集进行了验证,研究表明,该方法能够利用与类别信息相关的二维独立均匀分布对隐变量进行约束,提高了特征聚类性能,并能够生成指定类别的样本。
- 赵川赵川王坤
- 关键词：聚类分析
- 多域特征在行星齿轮箱局部故障识别中的应用被引量：13
- 2017年
- 行星齿轮箱运动复杂,其振动过程中的调幅调频特性使得振动信号成分复杂且呈非线性,增加了行星齿轮箱故障识别的难度。采用相空间重构法分别构建信号时域及频域空间;通过局部均值分解及瞬时频率计算构建信号时频联合域空间,解决了经验模式分解方法对噪音敏感、存在负频率及虚假模态问题;利用奇异值分解法提取信号多域空间特征;在局部切空间排列降维基础上,改进虚假近邻点法来估计本征维数及最优k邻域,并通过局部切空间排列法对多域奇异值特征空间进行降维,获取低维流形特征,从而识别太阳轮、行星轮和齿圈的局部故障。上述理论方法经行星齿轮箱试验台及工程数据验证,有效识别出齿轮的局部故障。
- 赵川冯志鹏
- 关键词：行星齿轮箱局部均值分解故障识别
- 时变工况下行星轮轴承特征分布拟合与智能故障诊断被引量：3
- 2021年
- 行星齿轮箱中行星轮轴承运动复杂,振动信号成分多样且呈非线性,时变工况下特征频率随时间变化,人工识别故障特征更为困难。针对该问题,提出基于对抗变分自编码的智能故障诊断模型。获取样本时频图来揭示样本中包含的时变特征;利用模型中的变分自编码器自适应提取时频图特征,为赋予特征显式意义,引入多维独立高斯分布并进行采样,根据类别信息对样本点进行变换,使其服从新的多维独立高斯分布,确保样本点中的每个元素都有自己的专属分布;通过对抗机制,使特征逼近变换后的对应类别的分布样本,且服从新的多维独立高斯分布,从而实现用已知的分布拟合未知的特征分布,同时通过控制分布强化不同类别特征间的差异性,改善特征的模式识别性能;利用优化后的特征对分类器进行训练并识别测试样本特征。模型经行星齿轮箱实验台数据进行了验证。研究表明,该模型能够使提取的特征服从给定的先验分布,通过控制分布强化了不同类别特征间的差异性,提高了特征的聚合性能,有效诊断了行星轮轴承故障,与自编码和变分自编码器相比,表现出一定的优越性。
- 赵川赵川
- 关键词：智能故障诊断
