期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到83篇文章
< 1 2 … 5 >
每页显示 20 50 100
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
Optimization of volume to point conduction problem based on a novel thermal conductivity discretization algorithm 认领 引用
1
作者 杜文静 王沛丽 +1 位作者 宋立鹏 程林 《Chinese Journal of Chemical Engineering》 SCIE EI CAS CSCD 2015年第7期1161-1168,共8页
A conduction heat transfer process is enhanced by filling prescribed quantity and optimized-shaped high thermal conductivity materials to the substrate. Numerical simulations and analyses are performed on a volume to ... A conduction heat transfer process is enhanced by filling prescribed quantity and optimized-shaped high thermal conductivity materials to the substrate. Numerical simulations and analyses are performed on a volume to point conduction problem based on the principle of minimum entropy generation. In the optimization, the arrangement of high thermal conductivity materials is variable, the quantity of high thermal-conductivity material is constrained, and the objective is to obtain the maximum heat conduction rate as the entropy is the minimum.A novel algorithm of thermal conductivity discretization is proposed based on large quantity of calculations.Compared with other algorithms in literature, the average temperature in the substrate by the new algorithm is lower, while the highest temperature in the substrate is in a reasonable range. Thus the new algorithm is feasible. The optimization of volume to point heat conduction is carried out in a rectangular model with radiation boundary condition and constant surface temperature boundary condition. The results demonstrate that the algorithm of thermal conductivity discretization is applicable for volume to point heat conduction problems. 展开更多
关键词 Volume to point conduction Principle of minimum entropy generation Algorithm of thermal conductivity discretization Optimization
暂未订购 下载PDF
基于自适应MOMEDA滚动轴承故障特征提取方法 认领 引用
2
作者 吕中亮 李玲凤 +3 位作者 贾翔宇 徐友苇 安智伟 彭麟昊 《航空动力学报》 EI CAS CSCD 北大核心 2026年第6期85-93,共9页
由于环境噪声会掩盖滚动轴承故障信号,导致故障特征难以提取。为解决这一问题,提出一种基于烟花优化算法(fireworks optimization algorithm,FWA)优化多点最优最小熵解卷积算法(multi-point optimal minimum entropy deconvolution algo... 由于环境噪声会掩盖滚动轴承故障信号,导致故障特征难以提取。为解决这一问题,提出一种基于烟花优化算法(fireworks optimization algorithm,FWA)优化多点最优最小熵解卷积算法(multi-point optimal minimum entropy deconvolution algorithm,MOMEDA)的强噪声干扰下滚动轴承早期故障特征提取方法。该方法首先以包络谱峰值因子作为适应度值,使用FWA的全局搜索能力自适应选择MOMEDA方法的最佳参数组合;其次利用MOMEDA算法增强早期故障信号;增强后的信号通过集成经验模态分解(ensemble empirical mode decomposition,EEMD)进行分解,并构建多尺度模糊熵特征集;最后通过支持向量机(support vector machine,SVM)进行分类识别。实验结果表明:与最小熵反卷积方法(Minimum entropy deconvolution,MED)和最大相关峭度解卷积方法(maximum correlated kurtosis deconvolution,MCKD)相比,该方法的分类准确率分别提高了12.5%和21.7%。 展开更多
关键词 滚动轴承 多点最优最小熵解卷积算法 烟花优化算法 特征提取 振动信号
暂未订购 下载PDF
基于MOMEDA结合软阈值处理的行星轮轴承故障诊断 认领 引用 被引量：1
3
作者 张璇 龚廷恺 +3 位作者 李志农 陈姜一 陈亮清 陈之林 《振动与冲击》 EI CSCD 北大核心 2026年第4期286-295,共10页
针对强背景噪声下行星轮轴承故障特征难以提取的问题,提出了一种基于多点最优最小熵卷积调整(multipoint optimal minimum entropy deconvolution adjusted,MOMEDA)结合软阈值处理的故障诊断方法。首先,通过MOMEDA处理故障信号得到多个... 针对强背景噪声下行星轮轴承故障特征难以提取的问题,提出了一种基于多点最优最小熵卷积调整(multipoint optimal minimum entropy deconvolution adjusted,MOMEDA)结合软阈值处理的故障诊断方法。首先,通过MOMEDA处理故障信号得到多个通道的滤波器信号;然后对各通道的信号利用软阈值降噪提取故障脉冲;再利用多点峭度和峰值因子分别选择故障周期T和最优滤波器长度L,完成MOMEDA最优参数的选取;最后以最优参数组合[T,L]下的MOMEDA处理结果进行包络分析,完成故障诊断。仿真分析和试验案例表明该方法能够有效地完成复杂信号的故障特征提取。通过对比分析发现,所提方法选择的参数组合[T,L]是最优的,且该方法相比最大相关峭度解卷积和集合经验模态分解具有更好的特征提取效果。 展开更多
关键词 行星轮轴承 多点最优最小熵卷积调整(MOMEDA) 软阈值 特征提取
暂未订购 下载PDF
基于改进AVOA优化的自适应多阈值图像分割 认领 引用
4
作者 于博海 郭业才 《海军航空大学学报》 2026年第3期534-546,共13页
传统非洲秃鹫优化算法(African Vultures Optimization Algorithm,AVOA)存在易陷入局部最优与探索阶段速度较慢的问题。针对这些不足,提出了一种改进的非洲秃鹫优化算法(Improved African Vultures Optimization Algorithm,IAVOA),该算... 传统非洲秃鹫优化算法(African Vultures Optimization Algorithm,AVOA)存在易陷入局部最优与探索阶段速度较慢的问题。针对这些不足,提出了一种改进的非洲秃鹫优化算法(Improved African Vultures Optimization Algorithm,IAVOA),该算法采用改进的拉丁超立方(Improved Latin Hypercube Sampling,ILHS)方法优化种群,使初始种群的分布更加均匀,从而加速全局优化。针对非洲秃鹫优化算法在早期探索阶段效率低下的问题,提出了秃鹫群协作机制,扩大了探索阶段的觅食范围。为了解决原算法易陷入局部最优的问题,改进算法引入了自适应步长高斯游走。改进后的算法在测试函数上的平均性能提升约39.60%,将其结合最小交叉熵(Minimum Cross Entropy,MCE)进行多阈值图像分割,并与近些年其他学者的改进算法进行了对比。实验结果表明,改进后的算法在分割性能和效率上均表现出更优的效果,峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)等评估参数提升幅度3.49%~6.07%。 展开更多
关键词 非洲秃鹫算法 多阈值分割 最小交叉熵 智能优化算法 全局优化 高斯随机游走
暂未订购 下载PDF
基于AVME-OMOMEDA的滚动轴承复合故障诊断 认领 引用 被引量：1
5
作者 刘志军 周俊 +1 位作者 伍星 刘韬 《振动工程学报》 EI CSCD 北大核心 2025年第9期2130-2140,共11页
传统算法难以有效分离提取共振频带重叠的轴承复合故障特征,本文提出一种结合自适应变分模态提取(adaptive variational mode extraction,AVME)与优化多点最优最小熵反褶积(optimized multipoint optimal minimum entropy deconvolution... 传统算法难以有效分离提取共振频带重叠的轴承复合故障特征,本文提出一种结合自适应变分模态提取(adaptive variational mode extraction,AVME)与优化多点最优最小熵反褶积(optimized multipoint optimal minimum entropy deconvolution adjusted,OMOMEDA)的自适应滚动轴承复合故障特征分离提取方法。利用S变换谱自相关能量谱确定VME参数中心频率的初始值,提取出与故障相关的期望模态;将期望模态进行线性叠加重构原信号,实现对信号的降噪;利用OMOMEDA从重构信号中提取周期性脉冲信号,结合包络解调获取故障特征频率。仿真信号和试验信号验证了该方法能有效分离提取共振频带重叠的轴承复合故障特征,并与VMD-MCKD等其他4种已有算法进行比较,证明了所提方法的优越性。 展开更多
关键词 故障诊断 滚动轴承 自适应变分模态提取 优化多点最优最小熵反褶积 S变换谱自相关能量谱
暂未订购 下载PDF
基于IZOA结合最小交叉熵的图像分割算法 认领 引用 被引量：3
6
作者 刘庭亭 何志琴 《电子测量技术》 北大核心 2025年第16期40-53,共14页
针对图像多阈值分割过程中存在的分割精度低、效率低、随着阈值增加分割效果不稳定等问题,提出了一种基于改进斑马优化算法(IZOA)的多阈值图像分割算法。首先,利用混沌映射方法初始化种群;其次,引入邻域波动策略精细化搜索;然后,结合杂... 针对图像多阈值分割过程中存在的分割精度低、效率低、随着阈值增加分割效果不稳定等问题,提出了一种基于改进斑马优化算法(IZOA)的多阈值图像分割算法。首先,利用混沌映射方法初始化种群;其次,引入邻域波动策略精细化搜索;然后,结合杂交与变异操作生成新的解,提高算法全局搜索能力;再采用精英保存策略保留最优解。使用图像分割前后得到的最小对称交叉熵作为适应度函数进行多阈值分割,表现出了更高的分割精度、分割效率以及分割的稳定性。实验结果表明,与ZOA、GWO、WOA等算法对比,基于IZOA分割图像的质量指标FSIM、SSIM和PSNR方面具有显著优势,最优截断均值占比分别达到91.7%、88.9%、100%。 展开更多
关键词 图像分割 斑马优化算法 最小对称交叉熵 多策略改进
暂未订购 下载PDF
基于改进VMD-MCKD的RV减速器故障诊断 认领 引用 被引量：3
7
作者 罗捷 蔺梦雄 《机械设计》 CSCD 北大核心 2025年第9期170-176,共7页
针对RV减速器振动信号中含有大量噪声干扰成分导致减速器故障特征提取难的问题,提出了一种基于粒子群优化变分模态分解(PSO-VMD)与最大相关峭度解卷积(PSO-MCKD)的RV减速器故障诊断方法。采用粒子群算法对变分模态分解中的分解层数c、... 针对RV减速器振动信号中含有大量噪声干扰成分导致减速器故障特征提取难的问题,提出了一种基于粒子群优化变分模态分解(PSO-VMD)与最大相关峭度解卷积(PSO-MCKD)的RV减速器故障诊断方法。采用粒子群算法对变分模态分解中的分解层数c、惩罚因子α、最大相关峭度解卷积的滤波器长度L及位移参数M进行参数寻优,以多尺度排列熵(PME)为适应性函数,得到最优分解组合。对采集到的振动信号进行变分模态分解,通过分解得到系列本征模态函数(IMF)分量;以峭度值为筛选准则,计算出与原信号相关度最大的IMF分量,利用得到的最优[L,M]值对原始信号进行最大相关峭度解卷积,凸显故障冲击特征;对降噪后的IMF分量进行希尔伯特包络解调,从而提取故障特征。同时进行对比试验,验证了该方法的优越性。试验结果表明:该方法能够准确提取故障特征,减小噪声的影响,实现RV减速器的故障诊断。 展开更多
关键词 RV减速器 故障诊断 粒子群优化算法 改进变分模态分解 最大相关峭度解卷积 多尺度排列熵
暂未订购 下载PDF
基于CELMDAN与IMOMEDA的微弱机械特征增强方法 认领 引用 被引量：1
8
作者 顾张清 黄清岩 +1 位作者 任世锦 郝国生 《常州大学学报（自然科学版）》 CAS 2025年第3期75-86,92,共12页
针对设备背景噪声影响机械故障检测的问题,提出一种融合自适应噪声完全集成局部均值分解(Complete Ensemble Local Mean Decomposition with Adaptive Noise,CELMDAN)与改进的多点最优最小熵去卷积调整(Improved Multipoint Optimal Min... 针对设备背景噪声影响机械故障检测的问题,提出一种融合自适应噪声完全集成局部均值分解(Complete Ensemble Local Mean Decomposition with Adaptive Noise,CELMDAN)与改进的多点最优最小熵去卷积调整(Improved Multipoint Optimal Minimum Entropy Deconvolution Adjusted,IMOMEDA)的微弱机械特征增强方法。该方法首先利用CELMDAN方法把复杂振动信号分解为多个单模态的乘积函数(Product Functions,PFs),解决了集成局部均值分解(Ensemble Local Mean Decomposition,ELMD)对信号施加噪声幅值和试错次数难以确定的问题。其次,提出一种具有鲁棒性较强、物理意义明确以及尺度不变性的周期调制强度(Periodic Modulation Intensity,PMI),以筛选出有效的PFs。接着,针对所选PFs中的噪声,提出IMOMEDA方法进行消除,该方法通过迭代估计最优模型参数,自适应地提取振动信号中的周期性故障瞬态特征,能够在频域中定位瞬态的谱峭度,从而抽取被背景噪声淹没的微弱故障特征。最后,以煤矿提升机为研究对象,设计了多种振动信号特征增强方法对比实验、机械运行状态诊断性能实验以及信号特征增强算法性能对比实验,多角度验证了本文方法的有效性。 展开更多
关键词 微弱故障信号增强 改进的多点最优最小熵去卷积调整 自适应噪声完全集成局部均值分解 周期调制强度 煤矿提升机
暂未订购 下载PDF
基于萤火虫算法的超导MRI设备磁共振线圈故障诊断技术研究 认领 引用
9
作者 黄旭程 杨襄迪 +4 位作者 张旭伦 林丹丹 卓奕舟 金赤 吴芝芝 《中国医学装备》 2025年第11期50-55,共6页
目的:通过基于萤火虫算法的超导磁共振成像(MRI)设备磁共振线圈故障诊断技术,探讨提高MRI设备故障检测准确性的方法,提升MRI设备的性能和可靠性。方法:提出基于萤火虫算法的超导MRI设备磁共振线圈故障诊断技术。采用小波基函数对初始振... 目的:通过基于萤火虫算法的超导磁共振成像(MRI)设备磁共振线圈故障诊断技术,探讨提高MRI设备故障检测准确性的方法,提升MRI设备的性能和可靠性。方法:提出基于萤火虫算法的超导MRI设备磁共振线圈故障诊断技术。采用小波基函数对初始振动信号进行分解,将其分离为高频与低频共振分量,以提升信号纯度;通过迭代调整滤波器系数,辨识最优逆滤波器系统函数,使解卷积后信号熵值最小,从而有效恢复原始高低频共振特征;构建融合低共振分量熵值、平滑度及其与高共振分量差异性的多目标函数,并引入改进的萤火虫算法,结合线性递减惯性权重因子,模拟群体智能寻优过程,实现对故障特征的全局搜索与精准辨识,最终输出最优的故障诊断结果。结果:萤火虫算法的超导MRI设备磁共振线圈故障诊断技术能有效分解并增强原始信号,显著抑制背景噪声干扰,通过对故障特征与诊断参数组合的全局搜索,此算法仅需298次迭代即可逼近真实故障解,实现了对磁共振线圈故障的精确辨识。结论:萤火虫算法的超导MRI设备磁共振线圈故障诊断技术在设备故障诊断准确率与收敛速度方面均表现出明显优势,为超导MRI设备的快速故障诊断提供了可行路径。 展开更多
关键词 磁共振成像(MRI) 线圈故障 最小熵解卷积方法 萤火虫算法 故障诊断 信号增强
暂未订购 下载PDF
联合CEF-MOMEDA的风机高速端轴承潜隐性故障敏感信息提取方法 认领 引用 被引量：1
10
作者 蔡敏 张强 +2 位作者 秦波 张海平 罗权毅 《机电工程》 CAS 北大核心 2025年第8期1428-1439,共12页
在大数据驱动的MW级半直驱风电机组滚动轴承服役期的状态智能辨识中,针对输入样本“质量差”致使所构建模型识别率低这一问题,提出了一种联合相关能量波动(CEF)评价准则与多点最优最小熵解卷积(MOMEDA)的潜隐性故障敏感信息提取方法。首... 在大数据驱动的MW级半直驱风电机组滚动轴承服役期的状态智能辨识中,针对输入样本“质量差”致使所构建模型识别率低这一问题,提出了一种联合相关能量波动(CEF)评价准则与多点最优最小熵解卷积(MOMEDA)的潜隐性故障敏感信息提取方法。首先,将拾取的振动数据由变分模态分解为若干个表征原数据不同成分的本征模分量;然后,根据上述分量能量的变化,量化、评估所包含的潜隐性故障占比,筛选并提取敏感成分后对故障信号进行了重构;接着,利用多点最优最小熵解卷积对重构后的数据进行了有效成分增强提取;最后,将上述能量波动评价准则与多点最优最小熵解卷积联合提取的敏感信息数据作为深度置信网络(DBN)的输入,构建了滚动轴承状态智能辨识模型,采用现场实验与凯斯西储大学(CWRU)数据集对CEF-MOMEDA的方法进行了验证。研究结果表明:基于CEF-MOMEDA-DBN的模型在风机滚动轴承诊断中的故障识别率更高;在凯斯西储大学数据集上,与集合经验模态分解(EEMD)、局部均值分解(LMD)相比,CEF-MOMEDA方法联合能量波动准则提取敏感信息数据并作为智能辨识模型的输入后,故障识别率分别提高了2.5%和1.25%。该方法能够有效提高故障识别的准确率,具有更强的实用性和泛化性。 展开更多
关键词 MW级半直驱风电机组 滚动轴承故障诊断 敏感成分联合提取 相关能量波动 多点最优最小熵解卷积 深度置信网络 集合经验模态分解 局部均值分解
暂未订购 下载PDF
基于POA-VMD-IMOMEDA的小样本复合故障诊断 认领 引用
11
作者 张杰 王靖岳 +1 位作者 周浩 丁建明 《车辆与动力技术》 2025年第3期37-44,共8页
针对车辆动力系统中小样本条件下复合故障诊断效果差的问题,结合美洲狮优化算法,变分模态分解以及多点最优最小熵反褶积,提出了一种适用于小样本条件的复合故障诊断方法.首先以综合指标作为适应度函数,使用美洲狮优化算法对变分模态分... 针对车辆动力系统中小样本条件下复合故障诊断效果差的问题,结合美洲狮优化算法,变分模态分解以及多点最优最小熵反褶积,提出了一种适用于小样本条件的复合故障诊断方法.首先以综合指标作为适应度函数,使用美洲狮优化算法对变分模态分解进行优化分解;其次选取合适的分量信号重构信号;最后将重构信号使用改进的多点最优最小熵解卷积方法实现复合故障的诊断.研究结果表明:虽然随着数据量的减少,噪声干扰逐渐严重,但在相同数据量下所提出的方法在处理复合故障时效果更好. 展开更多
关键词 小样本条件 变分模态分解 美洲狮优化算法 多点最优最小熵反褶积
暂未订购 下载PDF
基于CoatiOA-VMD-WT的光电容积脉搏波去噪方法 认领 引用
12
作者 张宝林 易钢 汤鑫 《电子技术应用》 2025年第5期55-61,共7页
在采集光电容积脉搏波信号(PPG)时,特别容易受到环境和采集对象所带来的噪声影响,导致采取的信号与真实值差距过大。针对这一问题,提出了一种PPG信号的去噪方式,给出一种长鼻浣熊优化算法,利用通过最小包络熵作为评判标准,取确定变分模... 在采集光电容积脉搏波信号(PPG)时,特别容易受到环境和采集对象所带来的噪声影响,导致采取的信号与真实值差距过大。针对这一问题,提出了一种PPG信号的去噪方式,给出一种长鼻浣熊优化算法,利用通过最小包络熵作为评判标准,取确定变分模态分解(VMD)的最优模态分量的个数和惩罚因子,这两个参数直接影响到了VMD的处理结果的好坏。以此对原始信号进行分解,利用余弦相似度区分不同的IMFs,再利用小波去噪,最后将信号进行重构,得到去噪后的信号。仿真和实验结果表明:与传统的去噪方法相比,提出的方法处理信号信噪比更高,均方差更低,波形相似度更高。 展开更多
关键词 光电容积脉搏波 长鼻浣熊优化算法 变分模态分解 小波阈值去噪 最小包络熵 余弦相似度
暂未订购 下载PDF
基于DBO优化MCKD-VMD的齿轮轴承复合故障特征提取 认领 引用
13
作者 马亮 王靖岳 +1 位作者 郑永灿 丁建明 《车辆与动力技术》 2025年第3期45-54,共10页
针对齿轮箱复合故障传输路径复杂,早期故障振动信号微弱,易被背景噪声淹没而特征提取困难等问题,提出了基于蜣螂优化算法(dung beetle optimizer,简称DBO)优化最大相关峭度解卷积(maximum correlated kurtosis deconvolution,简称MCKD)... 针对齿轮箱复合故障传输路径复杂,早期故障振动信号微弱,易被背景噪声淹没而特征提取困难等问题,提出了基于蜣螂优化算法(dung beetle optimizer,简称DBO)优化最大相关峭度解卷积(maximum correlated kurtosis deconvolution,简称MCKD)和变分模态分解(variational mode decomposition,简称VMD)的方法用来提取齿轮箱中齿轮轴承复合故障特征.为实现MCKD和VMD的参数自适应选取,采用DBO对两种算法中的参数进行寻优.首先以包络熵为评价指标,选取MCKD所需的参数组合,利用参数优化的MCKD增强故障特征;其次利用参数优化的VMD对增强信号进行分解,构建多尺度排列熵指标筛选有效模态分量进行重构降噪;最后对重构信号进行包络解调提取故障特征.通过与DBO-MCKD和DBO-MCKD-EEMD两种方法对比分析,仿真信号和齿轮箱中齿轮轴承复合故障模拟实验均验证了该方法可以有效的提取齿轮箱中齿轮轴承复合故障特征. 展开更多
关键词 齿轮箱复合故障 蜣螂优化算法 最大相关峭度解卷积 变分模态分解 多尺度排列熵
暂未订购 下载PDF
基于MED-MOMEDA的风电齿轮箱复合故障特征提取研究 认领 引用 被引量：12
14
作者 王志坚 张纪平 +3 位作者 王俊元 段能全 寇彦飞 吴文轩 《电机与控制学报》 EI CSCD 北大核心 2018年第9期111-118,共8页
强噪环境下,齿轮箱复合故障中的微弱故障特征难以提取,因此提出了基于多点最优最小熵反褶积(MOMEDA)的复合故障提取方法。首先对最小熵反褶积(MED)和最大相关峭度反褶积(MCKD)两种方法进行改进,以多点峭度最大值为目标,对信噪比不同的... 强噪环境下,齿轮箱复合故障中的微弱故障特征难以提取,因此提出了基于多点最优最小熵反褶积(MOMEDA)的复合故障提取方法。首先对最小熵反褶积(MED)和最大相关峭度反褶积(MCKD)两种方法进行改进,以多点峭度最大值为目标,对信噪比不同的仿真信号,通过设置合理的周期区间逐个追踪复合故障的周期成分,验证了此方法降噪性能;然后将MED-MOMEDA应用风电齿轮箱复合故障实验台中,成功提取出复合故障特征;最后用文中所提方法与EEMD对比分析进一步验证了此方法的可行性。 展开更多
关键词 复合故障 最小熵反褶积 最大相关峭度反褶积 最优最小熵反褶积
暂未订购 下载PDF
利用参数自适应多点最优最小熵反褶积的行星轮轴承微弱故障特征提取 认领 引用 被引量：17
15
作者 王朝阁 李宏坤 +2 位作者 胡少梁 胡瑞杰 任学平 《振动工程学报》 EI CSCD 北大核心 2021年第3期633-645,共13页
针对行星轮轴承故障振动信号受复杂传递路径、强背景噪声和齿轮振动干扰的影响,导致故障特征微弱难以提取的问题,提出一种参数自适应的多点最优最小熵反褶积(parameter adaptive multipoint optimal minimum entropy deconvolution adju... 针对行星轮轴承故障振动信号受复杂传递路径、强背景噪声和齿轮振动干扰的影响,导致故障特征微弱难以提取的问题,提出一种参数自适应的多点最优最小熵反褶积(parameter adaptive multipoint optimal minimum entropy deconvolution adjusted,PA-MOMEDA)的行星轮轴承微弱故障诊断方法。为克服MOMEDA依赖人为经验选取主要影响参数的不足,建立多目标优化新指标,通过粒子群算法优良的寻优特性来自动确定最佳的影响参数,使用参数优化的MOMEDA对行星轮轴承故障信号进行最佳解卷积运算。针对MOMEDA解卷积信号存在严重边缘效应的问题,设计一种波形延伸策略对解卷积信号进行自适应补偿,提高了MOMEDA对微弱故障冲击特征的解卷积性能。对提升的解卷积信号进行包络解调处理,即可从其包络谱中提取到明显的故障特征频率。通过行星轮轴承故障仿真和工程实验数据分析表明,相比传统的MOMEDA方法、MCKD方法和快速谱峭度方法,该方法能成功地提取微弱的故障冲击特征且更加明显,提高了行星轮轴承故障诊断的准确性和鲁棒性。 展开更多
关键词 故障诊断 行星齿轮箱 行星轮轴承 特征提取 多点最优最小熵反褶积(MOMEDA)
暂未订购 下载PDF
基于改进信息图与MOMEDA的滚动轴承故障特征提取 认领 引用 被引量：13
16
作者 夏均忠 于明奇 +2 位作者 白云川 刘鲲鹏 吕麒鹏 《振动与冲击》 EI CSCD 北大核心 2019年第4期26-32,共7页
为解决最大相关峭度解卷积存在的故障周期需要预先设置等问题,提出多点优化最小熵解卷积修正(MOMEDA)用于增强轴承故障信号,并应用改进信息图降低噪声对其多点峭度谱的干扰。通过引入轴承故障与正常状态下谱负熵的比值关系,优化信息图... 为解决最大相关峭度解卷积存在的故障周期需要预先设置等问题,提出多点优化最小熵解卷积修正(MOMEDA)用于增强轴承故障信号,并应用改进信息图降低噪声对其多点峭度谱的干扰。通过引入轴承故障与正常状态下谱负熵的比值关系,优化信息图中平均谱负熵算法,提出基于滤波器组的改进信息图方法;构建带通滤波器进行滤波降噪,并通过MOMEDA多点峭度谱识别故障周期;应用MOMEDA增强滤波信号中的故障周期性脉冲成分,并通过平方包络谱提取微弱故障特征。试验表明,较之信息图等方法,改进信息图的降噪效果较突出,可有效提高故障周期的识别度,实现MOMEDA自适应增强故障信号。 展开更多
关键词 滚动轴承 特征提取 信息图 改进信息图 多点优化最小熵解卷积修正(MOMEDA)
暂未订购 下载PDF
基于盲反卷积和参数化模型的超声参数估计 认领 引用 被引量：6
17
作者 聂昕 郭志福 +2 位作者 何智成 成艾国 汲彦军 《仪器仪表学报》 EI CAS CSCD 北大核心 2015年第11期2611-2616,共6页
在超声检测中,往往需要获得传播时间(TOF)、回波个数、中心频率、幅值等全面的信息,来综合评判缺陷的位置、大小和类型。通过建立多回波的卷积模型和参数化模型,给出一种结合最小熵盲反卷积(MED)和期望值最大(EM)算法思想的超声回波参... 在超声检测中,往往需要获得传播时间(TOF)、回波个数、中心频率、幅值等全面的信息,来综合评判缺陷的位置、大小和类型。通过建立多回波的卷积模型和参数化模型,给出一种结合最小熵盲反卷积(MED)和期望值最大(EM)算法思想的超声回波参数估计方法。首先基于卷积模型,采用最小熵反卷积,实现了重叠多回波信号的有效分离;再基于参数化模型和所获取的回波个数,给出了基于期望值最大算法思想的参数估计算法;最终实现了重叠多回波超声信号TOF、回波个数、中心频率、幅值等参数的精确估计。仿真和实验验证了该方法的有效性和优点。 展开更多
关键词 最小熵盲反卷积 EM算法 参数化模型 参数估计 超声回波
暂未订购 下载PDF
基于LMD和MOMEDA的滚动轴承早期故障特征提取研究 认领 引用 被引量：9
18
作者 金京 刘畅 +1 位作者 兰雨涛 王衍学 《机电工程》 CAS 北大核心 2021年第3期276-285,共10页
采用局域均值分解(LMD)提取强噪声背景下的滚动轴承的故障特征效果并不理想,针对该问题,将多点优化最小熵解卷积(MOMEDA)与局域均值分解(LMD)相结合,进行了滚动轴承微弱故障信号处理研究。首先,利用局域均值分解(LMD)对外圈故障轴承的... 采用局域均值分解(LMD)提取强噪声背景下的滚动轴承的故障特征效果并不理想,针对该问题,将多点优化最小熵解卷积(MOMEDA)与局域均值分解(LMD)相结合,进行了滚动轴承微弱故障信号处理研究。首先,利用局域均值分解(LMD)对外圈故障轴承的振动信号进行了信号重构;其次,利用多点优化最小熵解卷积(MOMEDA)滤波,进行了包络分析来提取故障特征;最后,将所提出的方法与局域均值分解(LMD)重构后,用最小熵解卷积(MED)滤波故障特征提取方法进行了对比;此外,采用所提方法分析了内圈故障。研究结果表明:所提出的方法对微弱故障特征提取有更好的适用性,能在包络谱中看到多倍频峰值,且峰值附近干扰很少;仿真与试验结果验证了方法的有效性。 展开更多
关键词 局域均值分解 多点优化最小熵解卷积 最小熵解卷积 滚动轴承 故障诊断
暂未订购 下载PDF
基于MOMEDA和增强倒频谱的风电机组齿轮箱多故障诊断方法 认领 引用 被引量：28
19
作者 胡爱军 严家祥 白泽瑞 《振动与冲击》 EI CSCD 北大核心 2021年第7期268-273,共6页
风电机组齿轮箱结构复杂,当齿轮、轴承存在多故障时,由于各故障强弱不同、故障间相互耦合及噪声干扰,造成故障诊断准确率低及漏诊问题。提出了一种基于多点最优最小熵解卷积(multipoint optimal minimum entropy deconvolution adjusted... 风电机组齿轮箱结构复杂,当齿轮、轴承存在多故障时,由于各故障强弱不同、故障间相互耦合及噪声干扰,造成故障诊断准确率低及漏诊问题。提出了一种基于多点最优最小熵解卷积(multipoint optimal minimum entropy deconvolution adjusted,MOMEDA)和增强倒频谱的风电机组齿轮箱多故障诊断方法。依据齿轮和轴承不同部位的故障特征频率设置合理的解卷积周期,利用MOMEDA对原始信号进行预处理;再通过增强倒频谱进一步抑制噪声干扰和增强故障特征;将增强倒频谱中的突出成分与齿轮箱故障特征频率对比,判断故障类型。实际风电机组齿轮箱多故障振动试验数据分析结果表明,该方法可以有效地提取出齿轮箱多故障特征信息。 展开更多
关键词 齿轮箱 多故障诊断 特征提取 多点最优最小熵解卷积(MOMEDA) 增强倒频谱
暂未订购 下载PDF
一种改进的解卷积算法及其在滚动轴承复合故障诊断中的应用 认领 引用 被引量：25
20
作者 齐咏生 樊佶 +2 位作者 李永亭 高学金 刘利强 《振动与冲击》 EI CSCD 北大核心 2020年第21期140-150,共11页
针对滚动轴承复合故障振动信号非平稳、非线性特性且不同类型故障之间相互耦合,使得传统方法对复合故障冲击特征难以提取的问题,提出了一种基于自适应信号稀疏共振分解(ARSSD)和多点峭度最优最小熵解卷积修正(MK-MOMEDA)的故障诊断新方... 针对滚动轴承复合故障振动信号非平稳、非线性特性且不同类型故障之间相互耦合,使得传统方法对复合故障冲击特征难以提取的问题,提出了一种基于自适应信号稀疏共振分解(ARSSD)和多点峭度最优最小熵解卷积修正(MK-MOMEDA)的故障诊断新方法。使用ARSSD分析故障信号,并定义一个新的复合指标作为目标函数,利用布谷鸟寻优算法(CSA)对高、低品质因子进行优化选择,获得包含瞬态冲击成分的最优低共振分量;计算其多点峭度谱,提取低共振分量中包含的故障冲击周期成分;之后设定适当的周期区间,进行解卷积运算分离不同的故障特征;通过包络解调,分析谱图中突出的故障特征频率进而识别故障类型。实验平台模拟了滚动轴承两种和三种故障的复合情况,并对所提算法进行了验证,结果表明该方法可有效的从复合故障中提取出各类故障特征,实现故障诊断。 展开更多
关键词 振动信号 复合故障 故障诊断 RSSD 最优最小熵解卷积修正
暂未订购 下载PDF
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 5 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈