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. 基于自适应CYCBD和DARTS的滚动轴承故障诊断方法

李可, 陈方健, 顾杰斐, 宿磊, 薛志钢

噪声与振动控制 2024, 44 (4): 188-193.

摘要（13）

PDF（pc）（1938KB）（8）

针对强噪声导致滚动轴承振动信号故障特征不明显的问题，提出一种结合自适应最大2 阶循环平稳盲解卷积（Maximum Second - order Cyclostationary Blind Deconvolution，CYCBD）与可微架构自搜索（Differentiable Architecture Search，DARTS）的故障诊断方法。首先将模糊熵作为鲸鱼优化算法的适应度函数进行CYCBD滤波器长度寻优，并以峭度-包络谱峰值为综合指标对循环频率进行步长寻优，从而实现自适应CYCBD降噪；然后引入DARTS算法实现滚动轴承故障识别模型的自构建；最后通过滚动轴承公开数据与实验数据验证多域强噪声环境下自适应CYCBD-DARTS故障诊断方法的有效性。

相关文章 | 多维度评价

Select

2. 基于改进PSO-VMD-MCKD的滚动轴承故障诊断

宿磊, 刘智, 顾杰斐, 李可, 薛志钢

噪声与振动控制 2024, 44 (4): 118-124.

摘要（17）

PDF（pc）（2228KB）（9）

针对滚动轴承信号在强噪声背景下故障特征提取困难的问题，提出一种变分模态分解(Variational ModalDecomposition，VMD)和最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution，MCKD)相结合的故障诊断方法。首先基于VMD方法选取故障信号的最优模态分量，然后采用MCKD算法增强最优分量信号中的冲击成分，最后通过包络谱分析提取滚动轴承的故障频率。利用粒子群优化算法(Particle Swarm Optimization，PSO)对VMD算法中的参数α 和K以及MCKD算法中的参数L和M进行寻优，并对PSO算法中惯性因子和学习因子的更新方法加以改进，以提高参数寻优过程的收敛速度。仿真分析和试验结果表明，所提出的诊断方法可以有效提取被强噪声淹没的滚动轴承故障特征。