检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

108 篇 专利

馆藏范围

108 篇 电子文献
0 种 纸本馆藏

日期分布

机构

5 篇 北京航空航天大学
4 篇 东南大学
3 篇 西安交通大学
3 篇 山东大学
3 篇 浙江工业大学
3 篇 北京信息科技大学
2 篇 湖南军安信达科技...
2 篇 神华准格尔能源有...
2 篇 湖南大学
2 篇 国家电网有限公司
2 篇 国网安徽省电力有...
2 篇 中国航发哈尔滨轴...
2 篇 红河学院
2 篇 中车青岛四方机车...
2 篇 湖南科技大学
2 篇 国网安徽省电力有...
2 篇 太原理工大学
2 篇 沈阳工学院
2 篇 南瑞集团有限公司
2 篇 三一重机有限公司

作者

5 篇 刘洋
5 篇 吕琛
4 篇 周博
4 篇 邓敏强
4 篇 孙文卿
4 篇 朱静
4 篇 程强
4 篇 邓艾东
3 篇 王洋
3 篇 田野
2 篇 赵万琳
2 篇 张晓艺
2 篇 吕晓平
2 篇 孙佳毅
2 篇 刘英豪
2 篇 丁晓峰
2 篇 冯旭
2 篇 何怡刚
2 篇 高兆丽
2 篇 李坚林

语言

108 篇 中文

检索条件"主题词=振动信号分解"

共 108 条记录，以下是21-30 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

一种基于ICEEMDAN-MPE和SVM的风电机组齿轮箱故障诊断方法

一种基于ICEEMDAN-MPE和SVM的风电机组齿轮箱故障诊断方法

引用

作者：张宇华丁晓峰王育飞薛花于艾清 200090 上海市杨浦区平凉路2103号

本发明公开了一种风电机组齿轮箱故障诊断方法，该方法根据风电机组齿轮箱振动信号特性，首先，通过改进的自适应噪声完备集成经验模态分解(Improved complete ensemble empirical mode decomposition with adaptive noise，ICEEMDAN)... 详细信息

标准号: CN116448411A

本发明公开了一种风电机组齿轮箱故障诊断方法，该方法根据风电机组齿轮箱振动信号特性，首先，通过改进的自适应噪声完备集成经验模态分解(Improved complete ensemble empirical mode decomposition with adaptive noise，ICEEMDAN)将振动信号分解为一系列不同频率分布的本征模态分量(Intrinsic mode functions，IMFs)；然后，计算IMFs多个尺度上的排列熵(Permutation entropy，PE)，并将其作为齿轮故障特征，构建特征向量；最后，将特征向量输入到支持向量机(Support vector machine，SVM)进行故障模式识别。本发明能够有效提取齿轮振动信号的故障特征，提高故障诊断的准确率。

关键词：风电机组特征向量故障模式识别经验模态分解振动信号分解齿轮箱故障齿轮箱振动支持向量机齿轮故障齿轮振动故障特征故障诊断频率分布信号特性本征模自适应准确率构建噪声尺度诊断改进

来源：评论

学校读者我要写书评

暂无评论

一种基于排列熵的自适应噪声完备集合经验模式分解方法

一种基于排列熵的自适应噪声完备集合经验模式分解方法

引用

作者：花小朋邱林江徐森 224000 江苏省盐城市盐南高新区新河街道办事处新怡社区新园路20号1幢401室

本发明公开了一种基于排列熵的自适应噪声完备集合经验模式分解方法，搭建机械轴承数据采集平台，利用加速度传感器采集轴承故障振动信号x(t)；在CEEMDAN对轴承故障振动信号分解过程中嵌入排列熵阈值检测，分离出间歇和噪声信号，对剩... 详细信息

标准号: CN114896559A

本发明公开了一种基于排列熵的自适应噪声完备集合经验模式分解方法，搭建机械轴承数据采集平台，利用加速度传感器采集轴承故障振动信号x(t)；在CEEMDAN对轴承故障振动信号分解过程中嵌入排列熵阈值检测，分离出间歇和噪声信号，对剩余信号直接进行经验模式分解(EMD)，不仅减少伪信号的产生、克服模态混淆现象，且提升了故障检测的效果。

关键词：经验模式分解轴承故障加速度传感器数据采集平台振动信号分解故障检测机械轴承剩余信号噪声信号振动信号阈值检测自适应模态嵌入噪声混淆集合采集

来源：评论

学校读者我要写书评

暂无评论

基于灰狼优化算法的LSTM预测模型的旋转设备预测诊断方法

基于灰狼优化算法的LSTM预测模型的旋转设备预测诊断方法

引用

作者：刘金涛 050080 河北省石家庄市桥西区新华路幸福城

本发明公开了一种基于灰狼优化算法的LSTM预测模型的旋转设备预测诊断方法，包括以下步骤：S1、对旋转设备的振动信号进行提取；S2、利用Hilbert‑Huang模型对步骤S1提取的振动信号进行分析；通过EMD将旋转设备的振动信号分解成若干个IMF... 详细信息

标准号: CN115015753A

本发明公开了一种基于灰狼优化算法的LSTM预测模型的旋转设备预测诊断方法，包括以下步骤：S1、对旋转设备的振动信号进行提取；S2、利用Hilbert‑Huang模型对步骤S1提取的振动信号进行分析；通过EMD将旋转设备的振动信号分解成若干个IMF；S3、计算振动信号与其IMF的相关系数，选择表征劣化特征的敏感IMF，将表征劣化特征的敏感IMF选出作为预测模型的数据输入；S4、采用LSTM模型对劣化敏感的IMF进行预测；S5、采用灰狼优化模型对LSTM模型的参数进行优化，动态更新预测值。本发明利用LSTM模型对旋转设备进行故障预测，再利用灰狼模型对LSTM模型的网络参数进行滚动优化，并动态更新预测值，可以有效的提升预测经过的精度，保证函数在全局最优解处收敛。

关键词：旋转设备振动信号预测劣化动态更新预测模型敏感振动信号分解全局最优解故障预测滚动优化网络参数优化模型优化算法再利用收敛诊断优化分析保证

来源：评论

学校读者我要写书评

暂无评论

一种基于深度神经网络的轴承工况检测方法及系统

一种基于深度神经网络的轴承工况检测方法及系统

引用

作者：张彩霞王向东胡绍林 528000 广东省佛山市南海区狮山镇广云路33号

本发明涉及故障检测技术领域，具体涉及一种基于深度神经网络的轴承工况检测方法及系统，所述方法为：首先获取传感器采集到的原始振动信号，根据原始振动信号生成训练样本，接着构建深度置信网络，将训练样本作为深度置信网络的输入，... 详细信息

标准号: CN111209891A

本发明涉及故障检测技术领域，具体涉及一种基于深度神经网络的轴承工况检测方法及系统，所述方法为：首先获取传感器采集到的原始振动信号，根据原始振动信号生成训练样本，接着构建深度置信网络，将训练样本作为深度置信网络的输入，对深度置信网络进行训练，得到故障识别模型；通过将待检测的振动信号分解为若干个本征模函数；并采用故障识别模型对本征模函数进行识别，得到轴承工况的检测结果，所述轴承工况的检测结果为运行正常、滚动体故障、内圈故障及外圈故障四种状态中任一种，本发明能够实现轴承工况的自动检测。

关键词：轴承置信原始振动信号故障识别检测结果训练样本故障检测技术振动信号分解本征模函数传感器采集工况检测神经网络自动检测网络滚动体模函数构建内圈检测

来源：评论

学校读者我要写书评

暂无评论

一种基于改进局部非负矩阵分解的轴承复合故障诊断方法

一种基于改进局部非负矩阵分解的轴承复合故障诊断方法

引用

作者：崔玲丽刘玉磊王鑫 100124 北京市朝阳区平乐园100号

本发明公开了一种基于最小相关局部非负矩阵分解的轴承复合故障诊断方法。首先引入蚱蜢优化算法对变分模态分解参数进行寻优，自适应确定最佳模态数和惩罚因子，将最佳参数输入变分模态分解中对振动信号分解，得到多个模态分量，并对模... 详细信息

标准号: CN113865866B

本发明公开了一种基于最小相关局部非负矩阵分解的轴承复合故障诊断方法。首先引入蚱蜢优化算法对变分模态分解参数进行寻优，自适应确定最佳模态数和惩罚因子，将最佳参数输入变分模态分解中对振动信号分解，得到多个模态分量，并对模态分量重构，获得输入矩阵；其次把最小相关约束引入局部非负矩阵中，形成最小相关局部非负矩阵分解算法，并将多个模态分量与原始信号重构为模态矩阵，计算最小相关局部非负矩阵分解的最优维数，然后利用最小相关局部非负矩阵分解算法对输入矩阵进行最优维数分解，得到基矩阵W和系数矩阵H，最后对基矩阵W进行包络谱分析，即可分离出耦合的轴承复合故障信号。通过对复合故障信号的仿真分析，验证了所提方法的有效性。实验数据分析结果也表明该方法可以有效的对轴承复合故障进行分离与诊断。

关键词：非负矩阵复合故障分解轴承分解算法模态分量输入矩阵基矩阵分模维数实验数据分析振动信号分解自适应确定诊断惩罚因子仿真分析分量重构模态矩阵系数矩阵优化算法原始信号最佳参数最佳模态谱分析耦合的引入包络对模寻优重构验证

来源：评论

学校读者我要写书评

暂无评论

用于矿井提升机轴承故障诊断的增强同步提取变换方法

用于矿井提升机轴承故障诊断的增强同步提取变换方法

引用

作者：郑小磊褚卫忠梁宏王小松王静秦佳丽陶蒙蒙朱明杰李虎奚强王凯敏王波张平朱前伟李文婷 213000 江苏省常州市新北区黄河西路219号

本发明公开了一种用于矿井提升机轴承故障诊断的增强同步提取变换方法，包括以下步骤：S1.利用加速度传感器采集矿井提升机主轴轴承振动信号；S2.利用快速迭代滤波将采集到的振动信号分解成一系列的本征模态函数和残差；S3.计算每个本... 详细信息

标准号: CN117470539A

本发明公开了一种用于矿井提升机轴承故障诊断的增强同步提取变换方法，包括以下步骤：S1.利用加速度传感器采集矿井提升机主轴轴承振动信号；S2.利用快速迭代滤波将采集到的振动信号分解成一系列的本征模态函数和残差；S3.计算每个本征模态函数的峭度值，筛选出峭度值最大的本征模态函数为目标分量；S4.利用短时傅里叶变换处理目标分量，获得时频系数；S5.根据时频系数，计算同步提取算子；S6.将同步提取算子作用于在S4中的时频结果，得到增强同步提取变换的时频谱图；S7.观察时频谱图中的信息，与理论故障特征频率进行对比，进而确定故障类型。本发明具有对故障的滚动轴承故障信号进行有效的分解和故障信息提取的优点。

关键词：同步提取本征模态函数时频矿井提升机时频谱图峭度短时傅里叶变换采集故障特征频率故障信息提取滚动轴承故障加速度传感器振动信号分解处理目标故障类型目标分量算子作用振动信号轴承故障主轴轴承算子残差迭代滤波筛选分解诊断观察

来源：评论

学校读者我要写书评

暂无评论

一种适用于GIL中不同金属颗粒故障的诊断方法

一种适用于GIL中不同金属颗粒故障的诊断方法

引用

作者：段大卫马宏忠杨启帆 210098 江苏省南京市鼓楼区西康路1号

本发明公开了一种适用于气体绝缘金属封闭输电线路(GIL)中不同金属颗粒故障的诊断方法，采集GIL中不同金属颗粒故障产生的振动信号，对振动信号分解后提取模态分量的Hurst指数，将Hurst指数输入到深度森林诊断模型中实现不同金属颗粒故... 详细信息

标准号: CN114764113A

本发明公开了一种适用于气体绝缘金属封闭输电线路(GIL)中不同金属颗粒故障的诊断方法，采集GIL中不同金属颗粒故障产生的振动信号，对振动信号分解后提取模态分量的Hurst指数，将Hurst指数输入到深度森林诊断模型中实现不同金属颗粒故障的准确诊断。本发明首先使用加速度传感器和动态数据采集仪采集GIL中不同金属颗粒故障的振动信号；使用优化的变分模态分解算法对振动信号进行模态分解；计算分解后各模态分量的Hurst指数，并将其作为故障特征向量输入到深度森林诊断模型中，完成不同金属颗粒故障的精确诊断。本发明为GIL中不同金属颗粒故障的精确诊断提供了理论依据，具有较好的应用价值。

关键词：金属颗粒诊断振动信号模态分量气体绝缘金属封闭输电线路采集动态数据采集故障特征向量加速度传感器振动信号分解分解算法故障产生模态分解后提取分模森林分解应用优化

来源：评论

学校读者我要写书评

暂无评论

一种融合信号频谱幅值调制和深度学习的机电装备故障诊断方法及装置

一种融合信号频谱幅值调制和深度学习的机电装备故障诊断方法及装...

引用

作者：陈曦晖孙明林 215200 江苏省苏州市吴江区黎里镇城司路158号

本发明公开了一种融合信号频谱幅值调制和深度学习的机电装备故障诊断方法及装置，方法包括：基于机电装备具体机械结构，通过有限元功率流分析，确定最优的振动传感器布置位置，测量机电装备的振动信号；针对多个传感器获得的多个振动... 详细信息

标准号: CN113919388A

本发明公开了一种融合信号频谱幅值调制和深度学习的机电装备故障诊断方法及装置，方法包括：基于机电装备具体机械结构，通过有限元功率流分析，确定最优的振动传感器布置位置，测量机电装备的振动信号；针对多个传感器获得的多个振动信号，采用IVMD实现振动信号分解；针对获得的每个IVMD分解分量，进行频谱幅值调制，以机电装备故障特征频率附近能量最大值为原则，确定各分量最优MO值，并获得最优MO值下改进信号的Hilbert平方包络谱；以各分量最优MO值下的Hilbert平方包络谱作为输入，构建改进的堆栈降噪稀疏自动编码机深度学习模型，实现机电装备故障诊断和健康状态评估。本发明能够准确实现机电装备故障诊断，为机电装备健康管理和智慧运维提供基础。

关键词：机电装备故障诊断幅值调制振动信号包络频谱振动传感器布置故障特征频率健康状态评估振动信号分解改进信号机械结构健康管理融合信号自动编码功率流传感器堆栈构建降噪稀疏运维测量分解学习改进分析

来源：评论

学校读者我要写书评

暂无评论

一种设备运行状态监测方法、系统及存储介质

一种设备运行状态监测方法、系统及存储介质

引用

作者：武国平赵光辉吉日格勒 010300 内蒙古自治区鄂尔多斯市准格尔薛家湾镇神华准能公司

本申请公开了一种设备运行状态监测方法、系统及存储介质，用以提升设备故障监测的即时性，节省人力成本。方法包括：获取设备运行过程中的振动信号；将振动信号分解为k个模态分量，其中，k值由模态分量的样本熵和模态分量的中心频率比... 详细信息

标准号: CN114137338A

本申请公开了一种设备运行状态监测方法、系统及存储介质，用以提升设备故障监测的即时性，节省人力成本。方法包括：获取设备运行过程中的振动信号；将振动信号分解为k个模态分量，其中，k值由模态分量的样本熵和模态分量的中心频率比自动确定；确定k个模态分量所对应的希尔伯特时频谱；将k个模态分量所对应的希尔伯特时频谱与预设希尔伯特时频谱进行比对；当k个模态分量所对应的希尔伯特时频谱与预设希尔伯特时频谱的差异值小于预设差异值时，确定设备未出现故障；当k个模态分量所对应的希尔伯特时频谱与预设希尔伯特时频谱的差异值大于预设差异值时，确定设备出现故障。采用本申请所提供的方案，节省了人力成本，提升了即时性。

关键词：模态分量时频谱预设人力成本即时性设备运行状态振动信号分解存储介质故障监测获取设备提升设备运行过程振动信号中心频率自动确定比对申请样本监测

来源：评论

学校读者我要写书评

暂无评论

一种基于数据的转盘轴承早期故障在线识别方法

一种基于数据的转盘轴承早期故障在线识别方法

引用

作者：潘裕斌杨旭陈捷王华洪荣晶杨贵超 211816 江苏省南京市江北新区浦珠南路30号

本发明提供了一种基于数据的转盘轴承早期故障在线识别方法，涉及转盘轴承健康监测技术领域。该方法首先获取其转盘轴承的在线振动信号监测数据；然后利用自适应完全鲁棒均值分解(CERLMDAN)将振动信号分解成多个产品函数(PF)，并利用参... 详细信息

标准号: CN118094182A

本发明提供了一种基于数据的转盘轴承早期故障在线识别方法，涉及转盘轴承健康监测技术领域。该方法首先获取其转盘轴承的在线振动信号监测数据；然后利用自适应完全鲁棒均值分解(CERLMDAN)将振动信号分解成多个产品函数(PF)，并利用参数优化算法优化分解参数，采用核主元分析(KPCA)选择出故障PF进行重构，以达到滤波消噪的目的；接着，对振动信号进行数据缩减，并对缩减后的振动信号进行邻域相关图椭圆拟合，以椭圆倾角变化作为早期故障的判别指标，实现转盘轴承早期故障在线识别。该方法为大型低速旋转机械的早期故障识别提供了一种新的解决方案，进而在机械设备识别领域进行广泛应用。

关键词：早期故障转盘轴承在线识别振动信号机械设备识别振动信号分解振动信号监测分解核主元分析参数优化低速旋转健康监测倾角变化数据缩减算法优化椭圆拟合自适应椭圆邻域鲁棒滤波消噪重构应用

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共11页 << < 1 2 3 4 5 6 7 8 9 10 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：