河北省自然科学基金(E2012203166) 作品数:12 被引量:116 H指数:7 相关作者: 孟宗 李姗姗 季艳 王亚超 付立元 更多>> 相关机构: 燕山大学 更多>> 发文基金: 河北省自然科学基金 国家自然科学基金 更多>> 相关领域: 机械工程 电子电信 自动化与计算机技术 一般工业技术 更多>>
基于EEMD子带提取相关机械振动信号单通道盲源分离 被引量:16 2014年 针对传统独立分量分析难以解决机械故障诊断中存在的相关源信号盲分离、欠定盲分离等问题,在相关振源信号部分子带满足统计独立的假设前提下,提出基于总体经验模态分解子带提取相关机械源单通道盲源分离方法。该方法将单通道观测信号进行总体经验模态分解获得到子带观测信号,将单通道信号及子带观测信号组成新的多维信号,利用奇异值分解及贝叶斯准则估计源信号数目;据互信息标准与源信号数目选若干独立性较强的子带观测信号重构,实现信号升维;对重构的观测信号进行白化预处理及联合近似对角化,获得源信号估计。并仿真、实验验证该方法在机械故障诊断中的有效性。 孟宗 蔡龙关键词:盲源分离 欠定 一类非线性相对转动系统的组合谐波分岔行为研究 被引量:9 2013年 针对一类具有非线性刚度、非线性阻尼的非线性相对转动系统,应用耗散系统的拉格朗日原理建立在组合谐波激励作用下非线性相对转动系统的动力学方程.构造李雅普诺夫函数,分析相对转动系统的稳定性,研究自治系统的分岔特性.应用多尺度法求解相对转动系统的非自治系统在组合激励作用下的分岔响应方程.最后采用数值仿真方法,通过分岔图、时域波形、相平面图、Poincar截面图等研究外扰激励、系统阻尼、非线性刚度对相对转动系统经历倍周期分岔进入混沌运动的影响. 孟宗 付立元 宋明厚关键词:分岔 混沌 基于改进奇异值分解和经验模式分解的滚动轴承早期微弱故障特征提取 被引量:7 2016年 针对滚动轴承早期微弱故障特征难以提取的问题,提出了改进奇异值分解(SVD)和经验模式分解(EMD)的滚动轴承早期微弱故障特征提取方法。首先用多分辨奇异值分解将信号分成具有不同分辨率的近似和细节信号,然后对近似信号用奇异值差分谱进行消噪,对消噪后的信号进行经验模态分解,将得到的各本征模函数分量进行希尔伯特包络解调,从而获得滚动轴承故障特征信息,最后通过对滚动轴承早期内圈故障的诊断实验证明了该方法的有效性。 孟宗 谷伟明 胡猛 熊景鸣关键词:计量学 故障特征提取 经验模式分解 轴承故障诊断 风电机组传动系统非线性动力学分析 被引量:3 2013年 考虑传动系统具有非线性刚度,建立了风力发电机组传动系统非线性动力学模型,对不同形式激励作用下风力发电机组传动系统的相轨迹图和Poincaré截面图进行了仿真研究,并应用分岔和混沌理论对风力发电机组传动系统进行稳定性分析。进一步研究了系统周期运动的稳定性以及通过倍周期分岔进入混沌的过程,给出了非线性刚度对风力发电机组传动系统稳定性的影响,仿真结果表明,负非线性刚度有利于系统保持稳定性,系统出现混沌的激励参数随负非线性刚度的增大而增大。 孟宗 付立元关键词:传动系统 动力学模型 分岔 混沌 基于DLMD样本熵和模糊聚类的滚动轴承故障诊断 被引量:9 2014年 针对传统的局部均值分解(LMD)方法不能有效提取微弱高频信号成分的问题,提出了一种基于微分的微分局部均值分解(DLMD)方法,在此基础上,将DLMD、样本熵和模糊聚类分析相结合,提出了一种基于DLMD样本熵和模糊聚类的滚动轴承故障诊断方法。该方法首先对滚动轴承振动信号进行微分局部均值分解,得到若干具有物理意义的乘积函数(PF)分量,然后求取各PF分量的样本熵并将其作为特征向量,最后通过模糊聚类对特征向量进行识别分类。实验结果表明,基于DLMD样本熵和模糊聚类相结合的方法能够准确、有效地对滚动轴承故障信号进行识别分类。 孟宗 王亚超 王晓燕关键词:故障诊断 滚动轴承 模糊聚类 基于对称差分能量算子解调的局部均值分解端点效应抑制方法 被引量:21 2014年 局部均值分解(Local mean decomposition,LMD)在分析非线性、非平稳信号时表现出特有的分析能力,能够有效获得非平稳信号的时频特征,但是局部均值分解过程中的端点效应会导致分解结果失真,针对这一问题,从振动信号解调分析角度出发,提出基于对称差分能量算子解调的局部均值分解端点效应抑制方法,采用局部均值分解方法将原信号分解为一系列单分量信号,然后对每一个单分量信号进行三点对称差分能量算子解调,得到各单分量信号的瞬时幅值和瞬时频率,从而获得原信号的时频分布。为评价该端点效应抑制方法的抑制效果,定义一种评价标准,通过与其他两种端点效应抑制方法进行比较,验证该方法的优越性。仿真和试验结果表明该方法能够有效抑制LMD端点效应,实现旋转机械故障的有效诊断。 孟宗 李姗姗 季艳关键词:解调 局部均值分解 端点效应 基于小波半软阈值和EMD的旋转机械故障诊断 被引量:15 2013年 将小波半软阈值法和经验模态分解(EMD)结合,提出了基于小波半软阈值的经验模态分解降噪方法。该方法首先利用小波半软阈值法减少随机噪声干扰,减小经验模态分解的分解层数及边缘效应的影响,然后进行适当的经验模态分解相关度消噪后处理,在有效降噪的同时较好地保存了原信号的有用信息。仿真和实验结果表明,该方法可实现噪声环境下旋转机械故障特征的有效提取,从而实现故障诊断。 孟宗 李姗姗关键词:信号降噪 故障诊断 小波改进阈值去噪和经验模态分解相结合的旋转机械故障特征提取 被引量:6 2014年 针对实际工程信号易受噪声干扰导致提取的故障特征不明显的问题,将小波改进阈值方法和经验模态分解(Empirical Mode Decomposition,EMD)相结合,提出一种基于小波改进阈值的经验模态分解去噪方法,并应用到旋转机械故障特征提取中。首先,为了克服传统小波阈值方法在阈值函数的连续性以及重构误差等方面的不足之处,研究小波改进阈值方法并利用其进行振动信号预处理,减少随机噪声对振动信号的干扰,同时减少EMD分解过程中的分解层数以及其边缘效应对有用信号分解质量的影响。在实际应用中,由于振动信号中混有多种不同性质的噪声,预消噪处理常常不足以消除全部噪声的干扰,因此有必要用EMD相关度方法适当地消噪后处理,提高故障特征提取的准确度,研究为旋转机械故障进一步识别诊断提供了重要的参考。 孟宗 李姗姗关键词:经验模态分解 旋转机械 故障特征提取 基于微分局部均值分解的旋转机械故障诊断方法 被引量:6 2014年 提出一种基于微分局部均值分解(Differential local mean decomposition,DLMD)的旋转机械故障诊断方法。该方法在局部均值分解(Local mean decomposition,LMD)过程中融入微分和积分运算。对原始信号进行k阶微分,然后对微分后信号进行LMD分解,对分解得到的各乘积函数(Production function,PF)分量循环进行一次积分和一阶LMD分解,直至循环k次,得到m个PF分量和残余分量,将所有PF分量的瞬时幅值和瞬时频率组合,便可以得到原始信号完整时频分布。将该方法应用于旋转机械故障诊断研究中,通过仿真和试验进行分析研究,结果表明,基于微分局部均值分解的旋转机械故障诊断方法能够有效地抑制虚假干扰频率,提高旋转机械故障诊断准确性。 孟宗 王亚超关键词:旋转机械 故障诊断 基于支持向量机和窗函数的DEMD端点效应抑制方法 被引量:9 2016年 在微分经验模式分解过程中,由于信号端点处极值点不确定,导致在样条曲线构造信号上下包络线的过程中产生端点效应,影响微分经验模式分解的质量。针对此问题,提出一种支持向量机延拓和窗函数相结合的方法来解决微分经验模式分解中的端点效应,通过采用支持向量机对信号两端进行数据延拓,再对延拓后的信号加特殊窗函数处理,减小延拓误差。通过仿真分析和滚动轴承故障诊断实例分析表明,该方法能较好地抑制微分经验模式分解的端点效应,提高信号分解的精度,得到准确的分析结果。 孟宗 季艳 谷伟明 王娜关键词:计量学 端点效应 支持向量机 窗函数