杨蕊
- 作品数：11 被引量：118H指数：7
- 供职机构：大连理工大学机械工程学院更多>>
- 发文基金：国家自然科学基金中央高校基本科研业务费专项资金更多>>
- 相关领域：机械工程电子电信金属学及工艺化学工程更多>>
- 非下采样轮廓波变换在故障分类中的应用
- 2018年
- 基于非下采样轮廓波变换的多尺度分解和多方向分解的特性,提出一种用于时频图像特征提取的方法。首先,将振动信号变换到时频域得到时频图像,并利用Matlab将得到的时频图像转换为灰度图像;其次,对该图像进行非下采样轮廓波变换,得到其高频和低频子带,根据高频子带和低频子带所包含信息不同,研究不同的特征提取方法,笔者提取高频子带的能量和低频子带的均值、标准差作为特征值;最后,利用支持向量机(support vector machine,简称SVM)对齿轮箱的不同程度故障以及滚动轴承故障进行分类测试。实验结果验证了该方法提取时频图像特征量的有效性,为设备的状态识别提供了一种有效的方法。
- 李宏坤崔明利杨蕊张志新王奉涛
- 关键词：支持向量机
- 利用粒子滤波与谱峭度的滚动轴承故障诊断被引量：36
- 2017年
- 针对快速谱峭度在低信噪比情况下分析效果差的问题,提出应用粒子滤波的前处理降噪方法来提高信噪比,从而解决谱峭度受噪声干扰效果差的问题,进而提高滚动轴承故障诊断的成功率。建立振动信号的状态方程,提取原始信号的背景噪声,将其与状态方程之和作为观测方程。联立状态方程与观测方程来建立状态空间模型。采用粒子滤波对信号重新估计,得到新序列即是降噪之后的信号,结合快速谱峭度方法,获取最佳分析频带。并结合频谱分析得出故障频率。对比快速谱峭度与经验模式分解(Empirical mode decomposition,EMD)方法降噪的谱峭度分析诊断结果,证明所提方法的有效性。
- 李宏坤杨蕊任远杰何德鲁郭斌
- 关键词：滚动轴承粒子滤波
- 基于DT-CWT和MED的齿轮箱轴承早期故障诊断
- 针对齿轮箱轴承早期故障特征信号微弱且受环境噪声影响严重,故障特征信息难以识别的问题,提出了双树复小波变换(Dual-Tree Complex Wavelet Transform,DT-CWT)和最小熵反褶积(Minimu...
- 王朝阁李宏坤杨蕊侯梦凡欧佳玉唐道龙
- 关键词：齿轮箱轴承双树复小波变换
- 基于压缩感知和加噪堆栈稀疏自编码器的铣刀磨损程度识别方法研究被引量：24
- 2019年
- 数控机床在加工过程中,刀具磨损会对被加工零件的表面质量、尺寸精度产生巨大影响,而传统依靠切削力系数来分析刀具磨损的方法,需要在工作台上安装额外测力装置,这将干扰机床正常加工,限制被加工零件尺寸,引起加工质量降低等问题,限制了其在实际工业环境中的应用。针对上述问题,提出利用主轴电流结合深度学习网络识别铣刀磨损状态的监测方法。首先,理论论证利用主轴电流代替切削力识别刀具磨损的可行性;然后,利用压缩感知对电流信号的频域数据进行数据压缩,其中为提高网络的鲁棒性,对观测信号添加高斯白噪音;最后,将压缩后的数据输入堆栈稀疏自编码网络,利用有监督学习与无监督学习相结合的方法,提取刀具磨损所引起的特征信息,用于表征刀具磨损程度。试验结果表明,该方法可以有效对铣刀磨损程度进行识别。
- 李宏坤郝佰田代月帮杨蕊
- 关键词：压缩感知
- 基于参数优化MCKD的行星齿轮箱微弱故障诊断研究被引量：7
- 2018年
- 针对行星齿轮箱在故障早期时振动信号比较微弱,受噪声污染严重、且传递路径复杂多变,实际情况下故障特征难以准确提取与分离的问题,提出了基于参数优化最大相关峭度解卷积(MCKD)的微弱故障特征提取方法。首先通过最大相关峭度解卷积对原始信号进行了降噪处理,设置了峭度和自相关峰态系数作为筛选准则,对算法参数组合进行了优化选取,检测周期性故障冲击特征;然后对降噪后的信号进行了希尔伯特包络谱分析,从而获得了准确故障特征频率。仿真信号和实验数据分析结果表明:该方法对于强背景噪声下的行星齿轮箱微弱故障诊断具有良好的效果,有效抑制了噪声干扰,成功提取了故障特征。
- 唐道龙李宏坤王朝阁侯梦凡杨蕊
- 关键词：行星齿轮箱峭度
- 基于小波分析的某离心式压缩机叶片裂纹检测
- 叶片是离心式压缩机的核心部件.在压缩机高速运转的过程中,叶片承受离心力,气流脉动压力和摩擦力等的交互作用,容易产生裂纹出现疲劳失效,严重影响离心式压缩机的正常工作.因此针对压缩机叶片早期裂纹的检测工作显得尤为重要.由于离...
- 李宏坤贺长波杨蕊
- 关键词：离心式压缩机压力脉动小波分析
- 文献传递
- 基于最大相关峭度去卷积和稀疏分解进行轴承故障诊断
- 滚动轴承的局部故障振动信号一般表现为周期的瞬态冲击成分.对轴承振动信号进行瞬态冲击成分分析,可以提取轴承的故障特征.而在强噪声存在的情况下,很难提取冲击故障.提出了基于最大相关峭度去卷积和增广拉格朗日收缩方法对微弱滚动轴...
- 李宏坤杨蕊贺长波
- 关键词：轴承故障诊断稀疏分解
- 文献传递
- 利用FCKT以及深度自编码神经网络的滚动轴承故障智能诊断被引量：13
- 2019年
- 实时、快速、批量地对振动信号进行处理成为故障诊断领域的未来发展趋势,但是可能会带来数据维数灾难问题。针对在样本较大情况下深度学习运行时间较长,以及层与层之间节点数的减少使得故障识别准确率降低问题,提出首先计算原始时域信号的频谱在不同偏移点数下的相关峭度值(FCKT)作为新的样本数据,并结合深度自编码神经网络实现轴承的智能故障分类。新样本相对于原始样本,实现了数据的维数约减,缩短了样本集的分析时间。同时,在保持各样本数据原有信息的基础上,使得样本之间差异性更突出。另外,该方法在避免深度学习算法层与层之间的权值根据经验设定的同时,解决了通过逐层减少隐含层节点数来提高计算效率时带来的分类识别准确率降低的问题。最后,通过试验数据对比分析验证了算法的有效性。
- 杨蕊李宏坤王朝阁郝佰田
- 基于POVMD和CAF的低转速齿轮箱故障诊断被引量：7
- 2020年
- 针对低转速齿轮箱齿轮故障特征频率低、故障特征频率易被背景噪声淹没,使其难以准确提取的问题,提出了基于参数优化的变分模态分解(parameter optimization variational mode decomposition,简称POVMD)和循环自相关函数(cyclic autocorrelation function,简称CAF)结合的故障诊断方法。首先,通过POVMD对原始信号进行分解,选用余弦相似度度量选取敏感的本征模态函数(intrinsic mode function,简称IMF);其次,计算其循环自相关函数谱,获得包含调制特征的循环自相关函数谱切片;最后,使用Teager能量算子(Teager energy operator,简称TEO)算法对切片解调,提取故障特征频率。同时将本方法与相关方法进行了对比分析,特征频率提取效果更加显著,仿真信号和实验数据分析验证了该方法的有效性和可靠性。
- 李宏坤侯梦凡唐道龙杨蕊王朝阁
- 关键词：循环自相关函数低转速齿轮故障诊断
- 基于自适应噪声参数优化ELMD的行星齿轮箱故障诊断研究被引量：10
- 2020年
- 针对总体局部平均分解(ELMD)中添加白噪声的振幅和集成次数两个关键参数设置依赖使用者经验,以及添加噪声后在信号重构过程中存在残余噪声污染和运算量大的问题,提出一种自适应噪声参数优化的总体局部均值分解(APOELMD)方法。该方法在局部均值分解(LMD)过程中添加成对高频正负白噪声,噪声的幅值和集成次数分别固定为0.01 SD(SD为原始信号的标准差)和2;不断地改变白噪声的上限频率,利用相对均方根误差这一指标来自适应地选取白噪声的最佳上限频率;白噪声的最佳上限频率确定之后,APOELMD方法即可实现最理想的分解效果。仿真实验结果表明,该方法显著提升了ELMD的性能,提高了诊断效率;将该方法应用于行星轮箱故障诊断中,能够精确提取故障特征信息,实现了对行星齿轮箱局部损伤故障的准确判别。
- 王朝阁李宏坤杨蕊任学平
- 关键词：参数优化行星齿轮箱特征提取
