检索结果

期刊

出版年

关键词

Please wait a minute...

选择:

导出引用
EndNote Ris BibTeX

显示/隐藏图片

Select

1. 应用SDP点对称特征融合图像的行星齿轮箱故障诊断

崔宝珍, 彭智慧, 王浩楠, 任川, 高乐乐

噪声与振动控制 2023, 43 (4): 82-88.

摘要（170）

PDF（pc）（2697KB）（453）

行星齿轮箱的内部结构复杂，其振动信号呈现非线性、非平稳特点，通过对比两种对原始振动信号处理的方法，应用点对称特征融合图像（Symmetrized Dot Pattern，SDP）达到故障诊断的目的。第一种方法是将采集到的振动信号进行变分模态分解（Variational Mode Decomposition，VMD）并将各阶IMF分量通过SDP转换为极坐标图像；第二种方法是将多测点采集到的原始振动信号直接通过SDP 将时频信号转换为极坐标图像；利用卷积神经网络（Convolution Neural Network，CNN）对两种不同方式的SDP图像进行识别分类。通过行星齿轮箱故障实验台验证，结果表明时频融合能够更有效地实现故障诊断且分类准确率高达98.5 %。

相关文章 | 多维度评价

Select

2. 匹配追踪过程复合熵矩转子故障诊断研究

李会龙，崔宝珍

噪声与振动控制 2016, 36 (1): 168-172. DOI: 10.3969/j.issn.1006-1335.2016.01.036

摘要（178）

PDF（pc）（1508KB）（1005）

转子系统作为大型机械的核心部件工作环境十分复杂，故障种类多样且其振动信号包含大量噪声，所以特征向量难以有效提取。为此，利用匹配追踪分解对信号进行降噪，然后提取信号的奇异谱熵和功率谱熵作为故障特征，并提出复合熵矩的概念，最终利用复合熵差矩的均值和方差实现对转子故障的诊断和识别。在试验台上模拟并采集四种转子常见的有效故障信号，并以不平衡故障作为目标故障为例进行验证，根据均值和方差最小实现准确诊断，实验结果证明该方法的有效性和实用性。