共查询到20条相似文献,搜索用时 57 毫秒
1.
为诊断某新型单缸柴油机缸体表面异常声发射信号,将声发射传感器布置在柴油机不同部位进行定位分析,通过对比不同位置及不同机油压力下声发射信号的峰值响应,结合限压阀的工作原理,最终确定异常声发射信号来源于机油压力的异常,并通过倒拖试验进行验证,实现柴油机早期故障的诊断。诊断结果表明:该型单缸柴油机预设机油压力偏高。当机油压力设置过高时,限压阀回位力随之增大,阀芯落座时,对阀体的冲击力变强,从而产生尖锐的异常声发射信号,与此同时,证明声发射监测技术对柴油机早期故障诊断的有效性,具有较好的推广应用价值。 相似文献
2.
针对传统神经网络模型预测模具温度准确度低,网络超参数选取困难等问题,提出一种基于烟花算法优化长短时记忆网络的模温预测模型,为铸造成型模温自动控制提供基础。首先根据铸造过程生产工艺选取影响铸造系统的主要变量,利用灰关联分析得出各变量灰色关联度并去除关联度小的变量,建立模具温度影响因子变量的数据集;其次采用烟花算法对长短时记忆网络进行优化,建立模具温度预测模型;最后与BP神经网络和长短时记忆网络预测效果进行对比。实验结果表明基于烟花算法优化的长短时记忆网络的模温预测方法绝对误差小于2. 4℃,平均绝对百分比误差小于0. 12。 相似文献
3.
4.
作为深度学习算法的一种,长短时记忆网络越来越成为时间序列预测的重要手段,简要阐述长短时记忆网络的基本原理,并将其应用于旋转机械状态监控领域,以轴承数据为样本进行仿真,针对轴承数据的非平稳性,运用经验模态分解方法将其分解为平稳信号,并计算其本征模态分量能量熵作为状态特征,通过计算长短时记忆网络对旋转机械状态单步预测的结果,并与支持向量回归机模型的预测结果进行比较,证明长短时记忆网络在旋转机械状态预测方面可以取得比支持向量回归机更好的效果。 相似文献
5.
6.
现有数据驱动方法在滚动轴承剩余使用寿命预测中,因不能有效提取对轴承退化过程敏感的特征信息而导致预测精度不足。为此提出一种基于动态加权卷积长短时记忆网络(DW-CNN-LSTM)的滚动轴承剩余寿命预测方法。对滚动轴承振动信号进行小波包分解,将获得的小波包系数矩阵通过可训练参数动态加权层进行动态加权,来实现对轴承退化的表征信息进行有效筛选,以增强轴承振动特征学习能力;利用卷积神经网络的自适应挖掘数据深层特征能力,从动态加权后的小波包系数矩阵中提取对轴承退化过程敏感的特征集;借助长短时记忆网络(LSTM)预测时间信息序列的优势,由双层LSTM进一步提取其高维退化特征,来提高滚动轴承剩余寿命预测精度。对XJTU-SY轴承数据和IMS轴承数据的试验结果表明,所提DW-CNN-LSTM方法相比于经典的长短时记忆网络方法,其均方根误差指标平均降低了61.08%,预测准确度平均提高了9.95%,模型训练时间平均减少了44.14%,获得了较满意的寿命预测精度和鲁棒性。 相似文献
7.
基于ICA和SVM的滚动轴承声发射故障诊断技术 总被引:1,自引:0,他引:1
以滚动轴承为研究对象,提出了应用独立分量分析(ICA)和支持向量机(SVM)相结合进行滚动轴承故障诊断的方法.首先,对声发射信号(AE)进行自相关预处理,突出声发射信号的非高斯成分,使AE信号较好地满足独立分量分析的前提条件.然后,应用独立分量快速算法分离故障轴承的声发射信号,提取其状态特征向量,利用支持向量机的模式识别和非线性回归功能来完成滚动轴承故障的识别.试验结果表明,利用独立分量分析方法提取的故障状态特征向量与支持向量机相结合可以有效、准确地识别滚动轴承的故障模式,为滚动轴承故障诊断提供了一种新型的方法. 相似文献
8.
9.
滚动轴承在运行过程中发生塑性变形、产生裂纹等形式故障时都会产生蕴含状态特征信息的声发射信号。针对滚动轴承声发射信号特征提取和故障诊断,提出一种基于改进自适应噪声完备经验模态分解(Improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)的特征提取算法,结合经网格搜索优化(Grid Search, GS)的支持向量机(Support vector machine,SVM)分类算法,实现对滚动轴承故障的模式识别。首先将滚动轴承典型状态原始声发射信号进行分解得到若干个固有模态函数(Intrinsic mode function,IMF)分量,筛选其中峭度较大的分量进行重构,然后计算重构IMF分量的时域能量熵值构造特征向量集合,最后再将特征向量集合输入到基于GS优化的SVM分类器模型中进行训练和模式识别,并将采用该方法所构建模型与其它分类器模型进行准确率和效率比较。模型仿真和故障模拟实验研究表明:基于将ICEEMDAN时域能量熵和GS-SVM相结合的模型可以有效提取滚动轴承声发射信号... 相似文献
10.
为实现声发射信号对滑动轴承润滑状态变化进行灵敏表征,提出一种采用小波散射变换及卷积神经网络结合的滑动轴承润滑状态识别及故障诊断研究方法。以某310 MW汽轮发电组滑动轴承现场试验所得声发射信号为研究对象,将现有小波散射网络加入散射路径优化机制并进行参数优化,对滑动轴承声发射信号进行自动鲁棒特征提取,将最佳特征矩阵输入优化后的卷积神经网络进行润滑状态识别分类。结果表明,优化后的小波散射网络能够有效提取声发射信号特征,结合优化后的卷积神经网络对特征矩阵进行智能识别,对滑动轴承润滑状态识别率可达到95.28%,能够高效精确地对滑动轴承润滑状态进行诊断。 相似文献
11.
12.
13.
针对由于复杂环境条件下的船舶噪声信号识别度低的问题,提出了一种改进的变分模式分解(Improved Variational Mode Decomposition,IVMD)、反向排列熵(Reverse Permutation Entropy,RPE)、加权排列熵(Weighted Permutation Entropy,WPE)和能量比相结合的船舶噪声信号识别分类方法。该方法利用IVMD将信号分解为若干本征模态函数(Intrinsic Mode Function,IMF);再利用RPE对IMF进行筛选,得到敏感IMF,实现去噪过程;最后计算IMF的WPE并与各个IMF的能量比构建特征向量,建立长短期记忆网络(Long Short-Term Memory,LSTM)进行识别分类。实验结果表明,与经验模态分解相比,文中提出的基于IVMD-RPE的船舶噪声信号去噪及特征提取方法能有效减少环境噪声的影响,提高信噪比,对船舶噪声目标信号识别分类的准确率更高。 相似文献
14.
15.
16.
滚动轴承故障的EMD诊断方法研究 总被引:20,自引:1,他引:20
提出了一种基于经验模式分解(Empirical Mode Decomposition,EMD)的滚动轴承故障诊断方法。这种方法中,局部损伤滚动轴承产生的高频调幅信号成分被EMD分解作为本征模函数分离出来,然后用Hilbert变换得到其包络信号,计算包络谱,就能够提取滚动轴承故障特征频率。该方法被用于分析实验台上采集的具有内圈损伤及外圈损伤的滚动轴承振动信号。分析结果表明,与传统的包络解调方法相比,新方法能够更有效地提取轴承故障特征,诊断轴承故障,因而具有重要的实用价值。 相似文献
17.
18.
19.
Acoustic emission detection of fatigue cracks in wind turbine blades based on blind deconvolution separation 下载免费PDF全文
Z Bo Z Yanan C Changzheng 《Fatigue & Fracture of Engineering Materials & Structures》2017,40(6):959-970
The occurrence and expansion of fatigue cracks in large wind turbine blades may lead to catastrophic blade failure. Each fatigue phase of a material has been associated with a typical set of acoustic emission (AE) signal frequency components, providing a logical base for establishing a clear connection between AE signals and the fatigue condition of a material. The relevance of efforts to relate recorded AE signals to a material's mechanical behaviour relies heavily on accurate AE signal processing. The main objective of the present study is to establish a direct correlation between the fatigue condition of a material and recorded AE signals. We introduce the blind deconvolution separation (BDS) approach because the result of AE monitoring is usually a convoluted mixture of signals from multiple sources. The method is implemented on data acquired from a fatigue test rig employing a wind turbine blade with an artificial transverse crack seeded in the surface at the base of the blade. Two different sets of fatigue loading were conducted. The convoluted signals are collected from the AE acquisition system, and the weak crack feature is extracted and analysed based on the BDS algorithm. The study reveals that the application of BDS‐based AE signal analysis is an appropriate approach for distinguishing and interpreting the different fatigue damage states of a wind turbine blade. The novel methodology proposed for fatigue crack identification will allow for improved predictive maintenance strategies for the glass‐epoxy blades of wind turbines. The experimental results clearly demonstrate that the AE signals generated by a fatigue crack on a wind turbine blade can be synchronously separated and identified. Characterizing and assessing fatigue conditions by AE monitoring based on BDS can prevent catastrophic failure and the development of secondary defects, as well as reduce unscheduled downtime and costs. The possibility of using AE monitoring to assess the fatigue condition of fibre composite blades is also considered. 相似文献
20.
轴承的健康状况对旋转机械的工作状况有极大的影响。航空器中的故障轴承会间接造成事故,给飞行安全带来灾难性的后果,需要进行早期故障的有效检测判别或状态监测。与振动等传统的检测手段相比,声发射可有效检测到故障的早期状态,准确判断故障类别和严重程度。介绍了滚动轴承故障声发射检测原理以及光纤光栅声发射检测新技术。以预制外圈缺陷的轴承为例,进行了压电式声发射传感系统和光纤光栅声发射传感系统检测的对比实验,实验和分析结果表明光纤光栅声发射方法检测到的信号谱底噪声小,谱线清晰、干净,更容易分辨故障频率和分析故障的严重程度,优于振动和压电式声发射传感方法。最后介绍该技术在直升机维修保障中的应用情况。 相似文献