检索结果

Select

1. 噪声干扰下基于PCA-SF的轴承故障诊断方法

季珊珊, 杜华东, 管伟琴, 王金瑞, , 陈新龙, 李倩

噪声与振动控制 2024, 44 (3): 132-137.

摘要（13）

PDF（pc）（2999KB）（11）

机械故障诊断对降低维修成本和预防事故至关重要。振动信号监测是机械故障诊断中一种有效可行的方法。然而，所采集故障信号往往容易受到其他设备噪声的干扰。因此，从受噪声干扰的监测信号中提取与故障相关的周期脉冲是故障诊断的基础，也是难点。为解决此问题，提出一种基于主成分分析(Principal Component Analysis，PCA)和稀疏滤波(Sparse Filtering，SF)的机械故障特征提取方法。具体来说，首先利用PCA提取噪声干扰信号段的主成分，然后利用SF从主成分中提取有效特征。为减小SF模型的过拟合问题，采用L1/2 范数对其目标函数进行正则化约束。最后，将提取的特征输入到Softmax 分类器中进行故障识别。分别通过一组仿真和实验案例对所提PCA-SF方法的有效性进行验证。实验结果表明，该方法不仅能准确实现故障分类，而且优于其他传统方法。

相关文章 | 多维度评价

Select

2. EMD-CSF在滚动轴承早期微弱故障诊断中应用

鲍怀谦, 魏永长, 王金瑞, 张宗振, , 张国伟, 田志远

噪声与振动控制 2022, 42 (6): 105-110.

摘要（221）

PDF（pc）（2246KB）（494）

滚动轴承早期故障信息微弱并且夹杂大量背景噪声，故障特征难以识别，为增强传统轴承故障诊断算法的噪声适应性、智能性和鲁棒性，提出一种将经验模态分解(Empirical Mode Decomposition，EMD)和卷积稀疏滤波(Convolutional sparse filtering,CSF)相结合的故障诊断模型。首先对振动信号进行EMD处理，选取峭度值较大的前几阶固有模态分量(Intrinsic Mode Function，IMF)进行重构，然后将重构信号进行稀疏特征学习，最后通过分析时域波形和Hilbert 包络谱的特征频率及其谐波判别轴承的故障信息。通过滚动轴承的仿真数据与实测试验数据，证明了采用所提方法能够更好识别轴承故障特征，具有更强的抗噪性。

相关文章 | 多维度评价

Select

3. 基于迁移堆栈自编码器的轴承故障诊断方法

贾美霞, 韩宝坤, 王金瑞, 张骁, 郭雷, 赵伟涛

噪声与振动控制 2021, 41 (6): 84-89.

摘要（321）

PDF（pc）（2126KB）（675）

相关文章 | 多维度评价

Select

4. 天然气管道泄漏声学检测及定位方法

韩宝坤, 何景涛, 王金瑞, 张凯, 赵明明, 李念冲

噪声与振动控制 DOI: 10.3969/j.issn.1006-1355.2021.05.010
录用日期: 2021-10-25

Select

5. 堆叠自编码器在样本不充足下的轴承故障诊断方法

王晓玉，刘桂芳，韩宝坤，王金瑞，石兆婷

噪声与振动控制

Select

6. 不同顶端结构声屏障绕射声衰减量模拟分析

王金瑞1，李舜酩1，韩宝坤2

噪声与振动控制 2016, 36 (1): 125-128. DOI: 10.3969/j.issn.1006-1335.2016.01.027

摘要（179）

PDF（pc）（1307KB）（1208）

针对不同顶端结构的声屏障对绕射声衰减量的影响，对四种常见的顶端结构利用国标GB/T17247.2-1998中规定的绕射声衰减量公式进行计算分析，根据0-5 000 Hz频域段内四种结构的绕射量变化曲线选择出最佳构型，结果表明Y形和T形结构绕射声衰减量最多，且几乎相等；然后通过声学软件Virtual Lab对Y形和T形结构进行隔声效果仿真分析，根据声影区内声压级分布情况判断降噪效果，结果显示Y形结构的声压级较T形降低覆盖面积更广，并计算这两种结构的插入损失，结果显示Y形结构较T形障板的降噪效果更好。

相关文章 | 多维度评价