检索结果-内蒙古大学图书馆

中国机械工程 2017年第18期28卷 2183-2188,2197页

作者：吴雅朋王吉芳徐小力蒋章雷北京信息科技大学现代测控技术教育部重点实验室北京100192

采用小波分析方法进行振动信号降噪存在选取参数依靠经验的问题,采用独立分量分析(ICA)方法进行振动信号降噪存在欠定问题,为了避免小波降噪以及ICA方法单独使用的缺点,提出了将小波降噪分析和基于负熵的FastICA独立分量分析相结合来处... 详细信息

采用小波分析方法进行振动信号降噪存在选取参数依靠经验的问题,采用独立分量分析(ICA)方法进行振动信号降噪存在欠定问题,为了避免小波降噪以及ICA方法单独使用的缺点,提出了将小波降噪分析和基于负熵的FastICA独立分量分析相结合来处理滚动轴承含噪振动信号的方法。首先对原始信号进行小波降噪处理,然后将处理后的信号与原始信号组成FastICA的输入矩阵,进行FastICA降噪处理,最后利用滚动轴承振动信号对该方法进行有效性验证。实验分析表明:该方法增大了振动信号的峭度值,达到了滚动轴承振动信号降噪的目的。

关键词：小波分析独立分量分析降噪滚动轴承

来源：评论

学校读者我要写书评

暂无评论

基于EMD二值化图像和CNN的滚动轴承故障诊断

引用

振动．测试与诊断 2021年第1期41卷 105-113,203页

作者：谷玉海朱腾腾饶文军黄艳庭北京信息科技大学现代测控技术教育部重点实验室北京100192

针对传统故障诊断方法识别准确率低、泛化能力差,而基于深度学习的故障诊断普遍存在需要海量训练数据的问题,提出了一种基于经验模态分解(empirical mode decomposition,简称EMD)与卷积神经网络(convolutional neural networks,简称CNN... 详细信息

针对传统故障诊断方法识别准确率低、泛化能力差,而基于深度学习的故障诊断普遍存在需要海量训练数据的问题,提出了一种基于经验模态分解(empirical mode decomposition,简称EMD)与卷积神经网络(convolutional neural networks,简称CNN)的滚动轴承智能故障诊断方法。首先,对轴承振动数据进行EMD,同时对相关系数最大的本征模函数(intrinsic mode function,简称IMF)分量进行频谱分析,获取频谱图,并将频谱图数据压缩成特征二值化图像作为CNN分类网络训练的输入数据;其次,将正常状态下和各类故障状态下的滚动轴承特征二值化图像作为CNN的输入得到训练模型,利用训练好的模型对各类故障进行分类识别。实验结果表明:在较少的训练数据下,轴承故障诊断准确率达到97.61%,远超过使用反向传播神经网络(back propagation,简称BP)和概率神经网络(probabilistic neural network,简称PNN)方法,证明了所提出方法与传统故障诊断方法相比能够更加准确地识别各类故障类别;对原始信号加入6 dB白噪声后的识别准确率也达到了96.19%,证明了所提出方法具有良好的泛化能力与抗噪性能。

关键词：经验模态分解卷积神经网络滚动轴承故障诊断

来源：评论

学校读者我要写书评

暂无评论

基于变分模态分解的故障弱信息提取方法

引用

华中科技大学学报（自然科学版） 2020年第7期48卷 117-121页

作者：刘秀丽徐小力吴国新张雪英北京信息科技大学现代测控技术教育部重点实验室北京100192

针对从非线性非平稳动态信号中提取故障敏感特征困难的问题,提出一种变分模态分解(VMD)与小波分析方法相结合的振动信号预处理方法.首先对信号进行VMD,然后采用改进小波方法处理各分量,最后对处理后的各分量进行重构.利用VMD-改进小波... 详细信息

针对从非线性非平稳动态信号中提取故障敏感特征困难的问题,提出一种变分模态分解(VMD)与小波分析方法相结合的振动信号预处理方法.首先对信号进行VMD,然后采用改进小波方法处理各分量,最后对处理后的各分量进行重构.利用VMD-改进小波信号处理模型对第三级行星轮磨损振动信号处理分析,结果表明:VMD-改进小波方法能有效降低噪声干扰,凸显各特征频率.将提出的方法、VMD,EEMD,EMD分别与改进阈值小波、模平方阈值小波、硬阈值小波及软阈值小波的方法相结合,计算其峭度、信噪比和均方根误差,结果表明本方法的准确性更高.

关键词：行星齿轮箱变分模态分解小波分析阈值函数故障弱信息

来源：评论

学校读者我要写书评

暂无评论

基于液体变焦透镜和振镜的三维光片显微成像系统

引用

光学学报 2023年第2期43卷 58-68页

作者：李红帝张红霞宋晓敏赵若昕吴国新贾大功刘铁根天津大学光电信息技术教育部重点实验室天津300000 北京信息科技大学现代测控技术教育部重点实验室北京100192

搭建了一种基于液体变焦透镜和振镜的三维光片显微成像系统,设计了振镜、液体变焦透镜、相机的同步控制采集成像系统,通过调谐振镜和液体变焦透镜,使得光片激发样品和成像同步,获得样品不同切面的图像堆栈并实现样品的三维重建。当采用... 详细信息

搭建了一种基于液体变焦透镜和振镜的三维光片显微成像系统,设计了振镜、液体变焦透镜、相机的同步控制采集成像系统,通过调谐振镜和液体变焦透镜,使得光片激发样品和成像同步,获得样品不同切面的图像堆栈并实现样品的三维重建。当采用数值孔径为0.3、放大倍率为10的成像物镜时,该系统的轴向扫描范围为507μm,横向视场达到1970μm×1300μm,横向分辨率为1.32μm,轴向分辨率可达12.75μm。在轴向扫描过程中,系统的放大倍率保持恒定,可以用于对一定尺寸生物样品的成像实验和相关研究,并通过对斑马鱼胚胎进行成像验证所提系统对厚生物样品成像的可行性。

关键词：成像系统光片显微成像液体变焦透镜振镜三维成像

来源：评论

学校读者我要写书评

暂无评论

CNN-LSTM车辆运动状态识别的AUKF组合导航方法

引用

中国惯性技术学报 2024年第8期32卷 803-811页

作者：刘宁谢越栋胡彬范军芳苏中北京信息科技大学高动态导航技术北京市重点实验室北京100192 北京信息科技大学现代测控技术教育部重点实验室北京100192

针对固定的噪声协方差难以适应车辆不同运动行为下噪声统计特性差异大的问题,提出了一种基于卷积神经网络与长短期记忆网络(CNN-LSTM)的车辆运动状态识别自适应无迹卡尔曼滤波(AUKF)组合导航方法。首先,应用CNN-LSTM网络模型进行车辆运... 详细信息

针对固定的噪声协方差难以适应车辆不同运动行为下噪声统计特性差异大的问题,提出了一种基于卷积神经网络与长短期记忆网络(CNN-LSTM)的车辆运动状态识别自适应无迹卡尔曼滤波(AUKF)组合导航方法。首先,应用CNN-LSTM网络模型进行车辆运动状态识别,解决车辆自我运动不确定性的问题;其次,将特定运动状态约束下的噪声协方差应用于UKF的时间更新与量测更新;最后,将所提方法在采集的数据集上进行验证。实验结果表明,与经典的UKF算法相比,所提方法的位置均方根误差与速度均方根误差分别下降了22.67%与2.63%,验证了所提方法的有效性。

关键词：组合导航车辆运动状态识别组合神经网络自适应无迹卡尔曼滤波噪声协方差

来源：评论

学校读者我要写书评

暂无评论

时变小样本条件下基于对比学习的故障诊断

引用

电子测量与仪器学报 2024年第8期38卷 113-123页

作者：乔万刘秀丽吴国新黄金鹏北京信息科技大学现代测控技术教育部重点实验室北京100192

时变工况下的故障诊断往往具有高度动态性,而小样本下模型学习受限使得问题更加棘手。针对上述情况,提出了基于对比深度卷积网络的故障诊断方法:首先,针对数据样本量小的特点,利用速度变化引起的振动数据分布差异,无需进行人工操作自然... 详细信息

时变工况下的故障诊断往往具有高度动态性,而小样本下模型学习受限使得问题更加棘手。针对上述情况,提出了基于对比深度卷积网络的故障诊断方法:首先,针对数据样本量小的特点,利用速度变化引起的振动数据分布差异,无需进行人工操作自然实现数据增强;然后,在数据处理过程中,采用不同转速下相同健康状态的振动数据作为正样本,同时将不同健康状态下的振动数据作为负样本,通过比较样本之间的相似度来提取关键特征,从而缩小正样本之间的距离,同时增大负样本之间的距离;最后采用对比训练方式进行训练优化,将对比损失和交叉熵损失加权组合作为综合损失函数,使模型在学习特征表示的同时能有效进行分类任务。将该方法分别应用于两种不同时变转速下轴承故障数据集进行案例研究。试验结果表明,所提模型不仅在特征提取和分类任务中表现优异,而且在数据匮乏和时变转速工况下均能实现高准确率的故障诊断。验证了所提模型在处理时变小样本数据方面表现出较高的可行性和有效性,且优于其他先进诊断方法。

关键词：对比学习时变工况小样本深度卷积网络故障诊断

来源：评论

学校读者我要写书评

暂无评论

面向地电极电流场透地通信的两阶段长相关信号捕获方法

引用

电子与信息学报 2024年第12期46卷 4504-4512页

作者：徐湛张旭杨小龙北京信息科技大学现代测控技术教育部重点实验室北京102206 北京信息科技大学信息与通信工程学院北京102206

地电极电流场透地通信可以为地下强遮蔽空间信息传输提供解决方案。针对接收的电流场信号信噪比(SNR)低、易畸变且受载波频偏影响大导致捕获困难的问题,该文设计一种长同步信号帧结构,在此基础上提出一种联合频偏粗估计和精估计的两阶... 详细信息

地电极电流场透地通信可以为地下强遮蔽空间信息传输提供解决方案。针对接收的电流场信号信噪比(SNR)低、易畸变且受载波频偏影响大导致捕获困难的问题,该文设计一种长同步信号帧结构,在此基础上提出一种联合频偏粗估计和精估计的两阶段长相关信号捕获算法。该算法第1阶段利用接收时域信号中的训练符号,依据最大似然算法进行采样间隔偏差粗估计,并计算采样点补偿间隔粗估计值。第2阶段结合粗估计值和接收信噪比,确定采样点补偿间隔精估计值的遍历范围,进而设计本地补偿后的长相关模板信号,实现电流场信号的精确捕获。本研究在距离地面30.26 m的地下强遮蔽空间中进行了算法性能验证。实验结果表明,与传统的滑动相关算法相比,该文所提算法具有更高的捕获成功概率。

关键词：强遮蔽空间透地通信地电极电流场长相关模板信号捕获算法

来源：评论

学校读者我要写书评

暂无评论

旋转机械运行稳定性劣化的1.5维谱特征提取方法

引用

中国机械工程 2015年第23期26卷 3208-3213页

作者：蒋章雷徐小力北京信息科技大学现代测控技术教育部重点实验室北京100192

风电机组是一种典型的大型旋转机械,其运行状态具有变工况、非平稳特点,运行中工况和负载等非故障因素的变化会造成信号能量产生变化,因此传统的基于能量的振动级值及功率谱方法难以有效实现运行稳定性劣化特征的提取。针对该情况,研究... 详细信息

风电机组是一种典型的大型旋转机械,其运行状态具有变工况、非平稳特点,运行中工况和负载等非故障因素的变化会造成信号能量产生变化,因此传统的基于能量的振动级值及功率谱方法难以有效实现运行稳定性劣化特征的提取。针对该情况,研究了高阶累积量运行稳定性劣化特征提取方法,提出了基于敏感性、趋势性、差异性、一致性判断特征提取方法的趋势预测适用性的方法,通过转子实验台多种劣化类型下不同劣化程度状态的实验研究,检验了1.5维谱方法对状态劣化的敏感性、趋势性、差异性、一致性,评估了该方法作为特征提取手段的性能,解决了风电机组传动系统运行稳定性劣化的状态诊断、劣化趋势预测中特征提取方法的选择缺少理论依据的问题。

关键词：传动系统稳定性劣化 1.5 维谱特征提取

来源：评论

学校读者我要写书评

暂无评论

LMD-ICA联合降噪方法在滚动轴承故障诊断中的应用

引用

中国机械工程 2016年第7期27卷 904-910页

作者：卞家磊朱春梅蒋章雷吕俊燕北京信息科技大学现代测控技术教育部重点实验室北京100192

针对经典独立分量分析(ICA)只能应用于观测源数不少于信号源数的超定盲源分离问题,提出局部均值分解和ICA相结合的欠定盲源分离新方法。该方法将采集的单通道振动信号进行局部均值分解,基于互相关准则对分解的分量进行重组,构建虚拟噪... 详细信息

针对经典独立分量分析(ICA)只能应用于观测源数不少于信号源数的超定盲源分离问题,提出局部均值分解和ICA相结合的欠定盲源分离新方法。该方法将采集的单通道振动信号进行局部均值分解,基于互相关准则对分解的分量进行重组,构建虚拟噪声通道;将虚拟噪声通道与振动信号作为盲源分离的信号输入,采用基于负熵的FastICA算法实现信号源和噪声的分离,从而达到降噪目的。将该方法应用于滚动轴承故障信号,频谱分析结果表明,该方法处理后的信号中噪声得到一定程度滤除,频谱中毛刺更少,故障特征频率更加明显,有利于故障特征的提取,实验分析证明了该方法的有效性。

关键词：独立分量分析局部均值分解降噪滚动轴承故障诊断

来源：评论

学校读者我要写书评

暂无评论

旋转机械运行稳定性劣化的高阶累积量特征提取方法

引用

中国机械工程 2016年第2期27卷 160-167页

作者：蒋章雷徐小力北京信息科技大学现代测控技术教育部重点实验室北京100192

研究了基于高阶累积量理论的1.5维谱、四阶累积量对角切片谱方法在提取运行稳定性劣化特征方面的性能;从敏感性、趋势性、差异性、一致性角度,讨论了两种特征提取方法的趋势预测适用性。基于构建的转子实验台进行转子系统多种劣化类型... 详细信息

研究了基于高阶累积量理论的1.5维谱、四阶累积量对角切片谱方法在提取运行稳定性劣化特征方面的性能;从敏感性、趋势性、差异性、一致性角度,讨论了两种特征提取方法的趋势预测适用性。基于构建的转子实验台进行转子系统多种劣化类型下不同劣化程度状态的特征提取实验,检验两种方法作为特征提取手段的性能,解决了风电机组传动系统运行稳定性劣化的状态诊断、劣化趋势预测中特征提取方法的选择缺少理论依据的问题。

关键词：风电机组稳定性劣化 1.5维谱四阶累积量对角切片谱特征提取

来源：评论

学校读者我要写书评

暂无评论

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

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

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

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

学科分类号

主题

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：