公共文化服务平台

国家自然科学基金(51075131): 作品数：29 被引量：855H指数：16; 相关作者：程军圣杨宇郑近德张亢罗颂荣更多>>; 相关机构：湖南大学湖南文理学院河南工业职业技术学院更多>>; 发文基金：国家自然科学基金湖南省自然科学基金中央高校基本科研业务费专项资金更多>>; 相关领域：机械工程电子电信自动化与计算机技术理学更多>>

基于改进的局部特征尺度分解和归一化正交的时频分析方法被引量：10: 2015年; 针对希尔伯特-黄变换(Hilbert-Huang Transform,HHT)中经验模态分解(Empirical Mode Decomposition,EMD)和希尔伯特变换(Hilbert Transform,HT)的不足,提出了一种基于改进的局部特征尺度分解(Improved Local Characteristic-scale Decomposition,ILCD)和归一化正交(Normalized Quadrature,NQ)的时频分析方法.ILCD克服了LCD的固有缺陷,在精确性和正交性等方面要优于EMD和LCD方法.同时为了克服HT的不足,提出了一种基于经验调幅调频分解标准化估计瞬时频率的归一化正交(Normalized Quadrature,NQ)方法.通过仿真信号将EMD,LCD与ILCD进行对比,同时将标准希尔伯特变换,直接正交法与NQ进行对比,结果表明了论文方法的有效性.转子碰摩故障数据分析结果进一步验证了论文方法的有效性和优越性.; 郑近德程军圣曾鸣; 关键词：HILBERT-HUANG变换经验模态分解局部特征尺度分解时频分析转子碰摩

LCD方法的改进及其在滚动轴承故障诊断中的应用被引量：3: 2016年; 对局部特征尺度分解(Local characteristic-scale decomposition,简称LCD)方法进行了改进,分析了低频ISC分量(Intrinsic Scale Component,简称ISC)出现驻点的原因,提出了一种改进驻点的局部特征尺度分解方法,仿真信号的分析结果验证了改进的LCD方法的优越性。在此基础上将改进的LCD方法与包络谱相结合应用于滚动轴承故障诊断,采用改进的LCD方法对滚动轴承振动信号进行分解得到若干个ISC分量,对ISC分量进行包络谱分析从而识别滚动轴承的工作状态,实验数据的分析结果表明该方法的有效性。; 刘吉彪程军圣杨伟康; 关键词：包络分析驻点滚动轴承故障诊断

多尺度熵在转子故障诊断中的应用被引量：44: 2013年; 为解决从信号中提取故障特征难的问题,介绍了一种新的信号故障特征提取方法——多尺度熵(multi-scaleentropy,简称MSE),并将样本熵和多尺度熵分别应用于转子故障信号复杂性的度量,以提取故障特征。试验数据分析表明,与样本熵相比,多尺度熵更能有效地实现转子故障类型的诊断。; 郑近德程军圣胡思宇; 关键词：转子故障诊断

一种新的估计瞬时频率的方法-经验包络法被引量：18: 2012年; 常用的求取瞬时频率的方法,希尔伯特变换,会出现无法解释的负频率和明显的端点效应。标准希尔伯特变换克服了希尔伯特变换出现负频率的缺点,但仍然有端点效应。为了避免希尔伯特变换,基于信号的经验调幅调频分解,论文提出了一种新的求取瞬时频率的方法—经验包络法(empirical envelope method,简称EE)。经验包络法本质上是先通过经验调幅调频分解获取纯调频信号,然后对其求导,再对求导的结果进行经验调幅调频分解,提取出包络信号,便可获得原信号的瞬时频率。首先给出了经验调幅调频分解的详细过程,然后给出了经验包络法的原理和具体步骤,最后采用仿真信号将经验包络法与希尔伯特变换、标准希尔伯特变换和反余弦法进行了对比,分析结果表明了经验包络法的优越性。; 郑近德程军圣杨宇

基于分段波形的信号瞬时频率计算方法被引量：6: 2011年; 针对局部均值分解(Local Mean Decomposition,LMD)中乘积函数(ProductFunction,PF)分量的瞬时频率计算问题,引入了一种新的信号瞬时频率计算方法.该方法基于分段波形,先将信号分成若干个全波段(full wave),然后以一组递增的反正弦函数定义每个全波段的瞬时相位,进而得到信号的瞬时频率.由该方法得到的瞬时频率理论上是正的、稳定的并且能够确保信号局部特征信息的完整.应用该方法计算了仿真信号和实际齿轮故障振动信号的瞬时频率,并与其他方法求得的瞬时频率进行了对比.结果表明,本文方法非常适合求取信号的瞬时频率.; 张亢程军圣杨宇邹宪军; 关键词：故障检测局部均值分解

基于BLCD和双谱的齿轮故障诊断方法被引量：5: 2013年; 对固有时间尺度分解(Intrinsic Time-scale Decomposition,简称ITD)方法进行了改进,提出了基于B样条的局部特征尺度分解方法(B spline-based Local Characteristic-scale Decomposition,简称BLCD),在此基础上将BLCD与双谱相结合应用于齿轮故障诊断。首先将BLCD方法和ITD方法进行对比分析,验证BLCD方法的优越性。然后采用BLCD方法将齿轮振动信号进行分解,得到若干个ISC分量(Intrinsic Scale Component,简称ISC),再对ISC分量进行双谱分析,通过双谱中峰值个数及其所处的位置来判断齿轮是否发生了故障。实验数据的分析结果表明,基于BLCD和双谱的齿轮故障诊断方法能有效地应用于齿轮的故障诊断。; 程军圣李海龙杨宇; 关键词：双谱齿轮故障诊断

基于奇异值分解及特征正交分解的结构损伤检测方法被引量：4: 2014年; 为直接通过结构振动响应提取损伤特征参数,将奇异值分解和特征正交分解运用到结构响应分析中。该方法首先通过对结构响应功率谱矩阵的奇异值分解,获得模态频率,然后在模态频率处计算互相关矩阵,利用特征正交分解获得收敛于结构模态向量的特征正交模态,进而构建了损伤定位向量,最后通过结构单元应力的不同分布准确定位了损伤位置。实验数据分析结果表明,该方法能有效的进行损伤检测和定位。; 杨斌程军圣; 关键词：奇异值分解结构损伤检测

基于LCD和排列熵的滚动轴承故障诊断被引量：52: 2014年; 排列熵(permutation entropy,简称PE)是最近提出的一种检测时间序列随机性和动力学突变行为的方法,可以考虑将其应用于故障诊断。由于机械系统的复杂性,振动信号的随机性和动力学突变行为表现在不同尺度上,因此需要对振动信号进行多尺度的排列熵分析。基于此,提出了基于局部特征尺度分解(local characteristicscale decomposition,简称LCD)和排列熵的滚动轴承故障诊断方法。首先,采用LCD方法对振动信号进行自适应分解,得到不同尺度的的本征尺度分量(intrinsic scale component,简称ISC);其次,计算前几个包含主要故障信息的ISC分量的排列熵;最后,将熵值作为特征向量,输入基于神经网络集成建立的分类器。将该方法应用于滚动轴承实验数据,分析结果表明,此方法可有效实现滚动轴承的故障诊断。; 郑近德程军圣杨宇; 关键词：局部特征尺度分解滚动轴承故障诊断神经网络集成

部分集成局部特征尺度分解:一种新的基于噪声辅助数据分析方法被引量：18: 2013年; 局部特征尺度分解(Local Characteristic-Scale Decomposition,LCD)是最近提出的一种类似于经验模态分解(EmpiricalMode Decomposition,EMD)的非平稳信号分析方法.为解决LCD方法的模态混淆问题,论文首先提出了基于噪声辅助分析的集成局部特征尺度分解方法(Ensemble LCD,ELCD).然而,ELCD有类似于总体平均经验模态分解(En-semble EMD,EEMD)和互补总体平均经验模态分解(Complementary,CEEMD)的固有缺陷,在此基础上,同时结合最近提出的随机性检测方法——排列熵(Permutation Entropy,PE),论文提出了部分集成局部特征尺度分解(Partly EnsembleLCD,PELCD)方法.仿真数据分析表明,论文提出的PELCD方法不仅能够有效地抑制LCD分解的模态混淆,而且在抑制伪分量的产生以及分量精确性等方面要优于CEEMD和ELCD方法.; 郑近德程军圣杨宇; 关键词：局部特征尺度分解

基于ITD分形模糊熵的轴承早期故障诊断被引量：21: 2013年; 针对滚动轴承早期故障振动信号信噪比低、单一故障特征难以实现在整个复杂非线性状态空间上准确分类的局限,提出了基于本征时间尺度分解(intrinsic time-scale decomposition,简称ITD)和分形模糊熵的轴承早期故障智能诊断方法。首先,利用改进的ITD方法将包含大量背景噪声的非线性非平稳振动信号自适应地分解为不同频段的合理旋转(proper rotation,简称PR)分量;然后,提取蕴含故障信息的PR分量的分形维数和模糊熵,组成联合特征向量;最后,采用适合小样本模式识别的最小二乘支持矢量机(least squares support vectors machine,简称LSSVM)方法对故障类型进行分类。通过4种运行状态的滚动轴承实验表明,该方法能有效性地应用于滚动轴承早期故障智能诊断。; 罗颂荣程军圣郑近德; 关键词：模糊熵分形维数故障诊断

国家自然科学基金(51075131)

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

国家自然科学基金(51075131)

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈