排序方式: 共有36条查询结果,搜索用时 15 毫秒
1.
针对某型装甲车辆行星变速箱行星轮故障特征难以提取的问题,提出了结合参数优化变分模态分解(VMD)和多尺度熵偏均值的故障特征提取方法。为克服VMD算法参数选取依赖经验的弊端,采用粒子群优化算法对VMD参数进行优化。使用参数优化后的VMD算法对信号进行分解,并依据互信息选取有效分量对信号进行重构。多尺度熵能反映信号在多尺度下的复杂度,偏均值可以反映多尺度熵的均值和变化趋势。采用基于多尺度熵的综合指标多尺度偏均值,以全面反映振动信号在多尺度下的特性,用于衡量行星变速箱运行状态,从而进行故障特征提取。行星变速箱实验数据处理结果表明,新方法可以更加有效的提取行星变速箱故障。 相似文献
2.
3.
针对行星变速箱故障特征微弱、信号传递路径复杂,传统样本熵特征难以区分其工作状态的问题,提出了结合变分模态分解(VMD)和样本熵的特征提取方法,深入研究了VMD算法中分解尺度和二次惩罚因子的优化策略,给出了基于敏感度最大原则的VMD分解各IMF与原信号相关系数阈值的确定方法。在行星变速箱故障模拟试验台采集不同试验工况下振动信号,考虑行星齿轮运行周期问题以获取可用数据。结果表明,与样本熵和EEMD样本熵相比,VMD样本熵具有计算效率高、对不同状态的区分能力强、采样频率对其计算结果影响小等特点,可用于行星变速箱的故障诊断。 相似文献
4.
5.
随着行星齿轮传动在军用飞机、新型装甲装备及自行火炮中的广泛应用,研究行星齿轮箱的状态监测方法意义重大。以行星齿轮箱为研究对象,提出一种基于局部均值分解和时频熵的行星齿轮箱状态监测方法。首先利用局部均值分解方法自适应地将振动信号分解成若干个具有物理意义的乘积函数之和,然后对分解得到的各乘积函数进行Hilbert变换,得到信号的时频分布,最后使用时频熵算法计算行星齿轮箱不同运行状态的熵值,以此作为判断行星齿轮箱运行状态的依据。分析结果表明,局部均值分解和时频熵方法对于行星齿轮箱的状态监测非常有效。 相似文献
6.
7.
8.
针对实际运行中行星变速箱故障数据较少、各个状态样本不均衡的问题,提出了由Wasserstein生成式对抗网络(WGAN)样本生成模型和卷积神经网络(CNN)分类模型组合的WGAN-CNN故障诊断分类模型。该模型对故障数据的频谱信号进行过采样,以扩展故障样本数量,从而更好地对故障状态进行分类。采用加州大学欧文分校人工数据集对WGAN生成模型以及经典过采样方法进行对比,并在行星变速箱故障试验台上进行验证。结果表明,样本不均衡会严重影响分类结果,而WGAN-CNN模型可以很好地扩充故障样本集,提高在故障样本稀少情况下的诊断准确率。 相似文献
9.
10.
针对传统故障模式及影响分析(failure mode and effects analysis,简称FMEA)不能识别装备或零部件的故障机理,其故障原因分析、故障影响推理及潜在故障模式识别能力较弱,故障信息描述不规范等导致的分析效率低、可信度差、分析结果重复使用性差等问题,提出一种新的故障机理、模式及影响分析(failure mode, mechanism and effects analysis,简称FMMEA)方法。首先,根据系统结构、功能及其内部物质流、能量流、信号流、部件故障等信息建立系统的功能-结构-故障模型;其次,采用模糊认知图推理分析各故障模式的传播途径及影响,得到规范化的故障模式及影响分析表格,可为系统的可靠性、测试性设计与分析提供基础数据;最后,以某燃油供给系统为例进行了FMMEA分析,验证了该方法的可行性和有效性。 相似文献