公共文化服务平台

共 5 条记录，以下是 1-5

全选清除导出

排序方式：

随机激励下风机齿轮箱动力学建模及故障特征提取被引量：3: 2016年; 研究随机激励下的风机齿轮箱动力学特性,同时对典型的早期局部齿形故障特征进行提取。首先,建立了具有十六个自由度的风机齿轮箱动力学模型,模拟了多组随机不确定风载数据并作用在模型上进行仿真计算,通过分析内部齿轮振动信号的时频谱图和概率密度函数,研究随机不确定风载对齿轮箱动力学特性的影响。其次,在模型中考虑不同程度的齿面缺陷故障,运用同步小波压缩方法对仿真计算得到的齿轮振动信号进行分析。研究结果为分析不同工况下的风机齿轮箱动力学特性提供参考。; 何俊杨世锡甘春标; 关键词：动力学建模故障特征提取

含外圈局部缺陷的滚动轴承-挤压油膜阻尼器支承的转子系统动力学行为分析: 滚动轴承-挤压油膜阻尼器(Squeeze Film Damper,SFD)支承的转子系统是航空发动机的核心部件,决定了运行安全性和稳定性。轴承作为转子系统的支承部件,长期受到交变载荷作用,易发生疲劳剥落,出现外圈局部缺陷...; 周辰杨世锡何俊; 关键词：挤压油膜阻尼器

圆柱类金属构件表面裂纹的激光超声识别方法研究被引量：6: 2020年; 为了利用激光超声技术有效地识别圆柱表面裂纹,提出利用圆柱表面波信号增强和小波包-奇异值分解(WPT-SVD)方法识别圆柱类金属构件表面裂纹的位置和深度。建立了圆柱的激光超声显式有限元模型,分析了圆柱表面裂纹对表面波的模式转化作用。利用圆柱表面裂纹在激发源位置附近时激光超声扫描信号增强的现象,识别圆柱表面裂纹的位置。在已识别圆柱表面裂纹位置的基础上,通过分析圆柱表面裂纹检测信号的时频特点,利用WPT-SVD提取圆柱表面信号的时频特征,定义参数k r表征裂纹深度的变化,识别圆柱表面裂纹深度。搭建了激光超声圆柱表面裂纹检测实验系统,开展了实验研究,实验结果表明所提出的圆柱表面信号增强和WPT-SVD方法可以识别出圆柱表面裂纹的位置和深度。; 刘学坤杨世锡刘永强池永为何俊; 关键词：激光超声圆柱

改进1DCNN与相似性度量增强的齿轮箱故障识别被引量：1: 2022年; 齿轮箱发生故障时,因振源耦合等因素,各类单一故障和复合故障间具有一定共性特征,造成传统的基于卷积神经网络(convolutional neural network,简称CNN)的智能诊断方法准确率下降和诊断性能鲁棒性差。针对上述问题,提出一种新的基于一维卷积神经网络(one-dimensional CNN,简称1DCNN)的齿轮箱故障智能识别方法。该网络引入LeakyRelu激活函数替代原网络结构卷积层中的激活函数,防止训练时的神经元失效;利用LookAhead优化器,避免反向参数优化时训练结果收敛于局部极值;提出相似性损失度量函数,最小化同类样本序列间距的同时最大化不同类样本序列间距,以强化网络结构的标签识别能力和分类稳定性。将上述网络命名为sLL-1DCNN,利用齿轮箱故障模拟试验台信号对网络进行训练并识别各类故障,结果表明,该网络在训练集样本序列数量较少时具有更好的特征提取和泛化能力,且在训练集样本序列数量增加时,具备优于其他3种CNN的分类能力和分类稳定性。; 熊炘郑少帅何俊杨世锡; 关键词：齿轮箱多工况卷积神经网络相似度矩阵

一类滚动轴承振动信号特征提取与模式识别被引量：12: 2017年; 复杂工况下滚动轴承振动信号通常表现出强烈的非平稳性,而一些典型的故障特征往往容易被其他成分所掩盖,这为故障特征提取带来了很大的困难。针对这一问题,首先,提出一种基于同步压缩小波变换的滚动轴承信号特征提取方法,对多种工况下的滚动轴承振动信号进行分析,提取出能够有效反映滚动轴承工况的信号特征空间;其次,采用非负矩阵分解对信号特征空间进行精简和优化,提炼出用于滚动轴承故障诊断和模式识别的特征参数;最后,采用支持向量机对多种工况的滚动轴承振动信号进行分类。研究结果表明,与传统的时域特征参数提取方法相比,所提出的方法具有更高的分类准确率。; 何俊杨世锡甘春标; 关键词：非负矩阵分解滚动轴承特征提取故障模式识别

全选清除导出

共1页<1>

何俊