公共文化服务平台

滚动轴承微弱故障信号特征提取与识别研究: 随着机械设备不断向集成化和复杂化发展，为了同时保证加工效率与产品质量，故障检测技术也需要与时俱进。滚动轴承在机械设备中应用广泛，任何微小的损伤都可能对整个设备造成影响，及早发现滚动轴承故障并修复，能够有效降低安全隐患与经...; 周子贤; 关键词：滚动轴承特征提取模式识别

一种基于随机共振与自动编码器的滚动轴承故障诊断方法: 本发明公开了一种基于随机共振与自动编码器的滚动轴承故障诊断方法，先建立滚动轴承故障诊断模型，进行诊断时，采集滚动轴承振动信号，将滚动轴承振动信号输入所述滚动轴承故障诊断模型中，得到滚动轴承故障诊断结果。本发明利用遗传算法...; 赵晓平周子贤王逸飞; 文献传递

基于卷积神经网络的异步电机故障诊断被引量：59: 2017年; 由于电机内部结构的复杂性,使得其故障特征与故障类型之间存在较强的非线性关系;目前用于异步电机故障诊断的方法都是人工手动提取特征,这需要大量的先验知识、丰富的信号处理理论和实际经验作为支撑,诊断效率不高;同时用于模式识别时的样本量过少,会导致网络过拟合等问题。针对以上问题,提出了基于短时傅里叶变换(short-time fourier transform,简称STFT)和卷积神经网络(convolutional neural networks,简称CNN)的电机故障诊断方法。该方法以单一振动信号为监测信号,使用STFT将故障信号转换成时频谱图,构建大量不同故障样本,以确保样本多样性,提高网络鲁棒性。将预处理后的样本作为CNN的输入,有监督地调整网络参数,以实现准确的电机故障诊断。将所提出的STFT+CNN算法分别与传统的电机故障诊断方法及堆叠降噪自编码进行比较分析。试验结果表明,该方法能够更有效地进行电机故障诊断。; 王丽华谢阳阳周子贤张永宏赵晓平; 关键词：电机振动信号短时傅里叶变换卷积神经网络

基于自适应遗传随机共振的滚动轴承微弱故障诊断被引量：4: 2019年; 随机共振(SR)能够利用噪声能量增强微弱信号,有效降低了噪声信号对特征提取的影响,针对SR方法参数选择时缺少交互以及提取特征诊断效果缺乏验证的不足,提出自适应遗传随机共振(AGSR)的滚动轴承微弱故障诊断方法。AGSR方法利用遗传算法(GA)寻找随机共振的最优系统参数,在考虑参数间交互作用的同时对其进一步优化,有效提高了轴承微弱故障特征的提取效果,随后将AGSR方法提取的特征信号输入堆叠自动编码器(SAE),通过反向传播算法多次迭代优化整个SAE网络,最终实现故障诊断。滚动轴承实测数据的检验结果表明,该方法可有效实现滚动轴承早期微弱故障检测。; 王丽华赵晓平周子贤吴家新; 关键词：滚动轴承随机共振遗传算法

APLCD-WPT在滚动轴承特征提取算法中的应用被引量：1: 2018年; 针对滚动轴承特征频率提取问题,提出自适应部分集成局部特征尺度分解(adaptive partly-ensemble local charact-eristic-scale decomposition,简称APLCD)与小波包变换(wavelet package transform,简称WPT)结合的APLCD-WPT方法。首先,利用APLCD对滚动轴承振动信号进行处理,通过添加幅值随频率变化的噪声改善信号极值点分布,再提取内禀尺度分量(intrinsic mode component,简称ISC);其次,对ISC分量中模态混淆部分使用WPT进行修正,提取滚动轴承特征频率信号。应用提出方法对实测的卧式螺旋离心机振动信号进行研究,结果表明,基于APLCD-WPT的算法能够有效地解决模态混淆问题,实现特征频率信号的精确提取。; 赵晓平周子贤王丽华张永宏陶润喆; 关键词：滚动轴承特征提取小波包

一种基于卷积神经网络的滚动轴承故障诊断方法: 本发明公开了一种基于卷积神经网络的滚动轴承故障诊断方法。针对滚动轴承特征分量易被淹没、难以提取等问题，结合滚动轴承信号本身和监测数据量大等特点，将CNN引入到滚动轴承故障诊断中。首先通过短时傅立叶变换将电机振动信号转化成...; 赵晓平谢阳阳周子贤吴家新王丽华; 文献传递

基于堆叠稀疏自编码的滚动轴承故障诊断被引量：11: 2018年; 针对机械设备故障数据大容量、多样性的特点,提出一种基于堆叠稀疏自编码(SSAE)的滚动轴承故障智能诊断方法。使用自动编码器(AE)逐层训练网络,从海量数据中自适应地学习各类故障的特征表达,再通过有监督的反向传播算法优化整个网络,最终将特征输入softmax分类器实现滚动轴承健康状况精确诊断。在动力传动故障诊断试验台采集了5类轴承故障数据进行测试。试验结果表明:SSAE算法能够有效地提取故障特征,且故障诊断效果优于传统智能诊断方法。; 侯荣涛周子贤赵晓平谢阳阳王丽华; 关键词：滚动轴承故障诊断

采用深度学习的异步电机故障诊断方法被引量：39: 2017年; 为解决传统异步电机故障诊断方法因电机结构复杂、信号非平稳和机械大数据等因素引起的诊断困难问题,提出一种高效准确的异步电机故障诊断(SDAE)方法。该方法利用堆叠降噪自编码提取信号特征,结合Softmax分类器实现高效准确的电机故障诊断。首先,采集异步电机的整体电流和振动信号,将电流信号与傅里叶变换后的振动频域信号组合构成样本,并做归一化处理;然后,构建堆叠降噪自编码网络,确定网络层数、各隐藏层节点数、学习率等参数;最后,输入训练样本依次训练自编码和分类器,微调整个网络并用测试数据验证网络的优劣。试验结果表明,在合适的参数下采用SDAE方法的异步故障诊断准确率高达99.86%,比传统电机故障诊断方法提升至少6%。; 王丽华谢阳阳张永宏赵晓平周子贤; 关键词：异步电机故障诊断特征提取

基于LCD与堆叠自动编码器的滚动轴承故障诊断方法: 本发明提出的基于LCD与堆叠自动编码器的滚动轴承故障诊断算法，包括如下步骤：采集滚动轴承的原始振动信号；先用LCD从原始振动信号中筛选出多个ISC分量，将其重构为两个频率段后转成频域信号；然后结合自动编码器提取两个频段信...; 赵晓平周子贤吴家新; 文献传递

基于振动和电流信号的堆叠降噪自编码电机故障诊断方法: 本发明公开了基于振动和电流信号的堆叠降噪自编码电机故障诊断方法，分为五个步骤：第一步，获取电机不同故障的振动和电流的时域信号，对其预处理，作为网络输入；第二步，确定网络参数；第三步，逐层训练，将上一级自编码器(Auto ...; 赵晓平吴家新周子贤杨家巍; 文献传递

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

周子贤