故障特征提取
故障特征提取的相关文献在2001年到2023年内共计480篇,主要集中在机械、仪表工业、自动化技术、计算机技术、无线电电子学、电信技术
等领域,其中期刊论文225篇、会议论文8篇、专利文献299689篇;相关期刊123种,包括噪声与振动控制、机械科学与技术、机械设计与制造等;
相关会议3种,包括2014年全国设备监测诊断与维护学术会议、第十六届全国设备监测与诊断学术会议、第十四届全国设备故障诊断学术会议暨2014年全国设备诊断工程会议、第六届全国技术过程故障诊断与安全性学术会议、2009中国仪器仪表与测控技术大会等;故障特征提取的相关文献由1318位作者贡献,包括孟宗、廖与禾、温广瑞等。
故障特征提取—发文量
专利文献>
论文:299689篇
占比:99.92%
总计:299922篇
故障特征提取
-研究学者
- 孟宗
- 廖与禾
- 温广瑞
- 丁康
- 何国林
- 王晓东
- 郭瑜
- 夏均忠
- 胡建中
- 黄传金
- 冷军发
- 吕琛
- 孟雅俊
- 李杨
- 李永焯
- 林慧斌
- 江铖
- 汤宝平
- 荆双喜
- 许飞云
- 贾民平
- 马军
- 黄鹏
- 伍星
- 何怡刚
- 何水龙
- 吴建德
- 姜媛媛
- 宋海军
- 徐光华
- 李慧
- 林京
- 梁霖
- 王衍学
- 王鑫
- 白云川
- 肖云魁
- 蒋占四
- 雷文平
- 马增强
- 于大程
- 余德清
- 冯辅周
- 刘红梅
- 吕麒鹏
- 崔江
- 张宇
- 张安
- 张朝龙
- 张海清
-
-
陈能思;
姚辉昌
-
-
摘要:
DGA可为电力变压器故障诊断提供重要依据,但基于DGA数据的智能诊断方法在选择故障特征量时尚无统一的标准。鉴于此,构建了由特征气体及相关比值组成的27维原始故障特征空间,以完善故障特征信息。在此基础上,先用K-S检验剔除大部分噪声特征,削弱噪声特征对故障分类产生的不利影响;再用提出的mRMR方法,从剩余故障特征中自适应地提取与故障类别相关度高且彼此之间冗余度小的故障特征量;最后将提取的特征量和传统特征量分别作为BPNN和SVM分类器的输入,对比分析诊断效果,结果表明所提方法能准确、有效地诊断变压器故障,与基于传统特征量的诊断模型相比,具有较大的优越性。
-
-
刘宏利;
张晓杭;
邵磊;
徐晓宁;
孙文涛;
李季
-
-
摘要:
针对轴承振动信号的冗余信息过多、故障特征提取率较低的问题,提出一种基于鲸鱼算法及综合评价指标优化变分模态分解(VMD)参数的轴承故障特征提取方法。首先构建了一种模糊熵与峭度倒数和的综合评价指标,作为鲸鱼优化算法(WOA)的适应度函数;其次对VMD的相关参数进行寻优;然后使用优化的参数对原始信号进行VMD分解,得到固有模态函数(IMFs),选取模糊熵与峭度倒数和最小的IMF作为目标模态;最后对目标分量进行希尔伯特包络谱分析来提取故障特征。在仿真信号实验和实测数据实验中与传统方法对比,结果表明,鲸鱼算法与综合指标的结合能选取最优VMD分解参数,故障频率提取率较传统方法有所提高。
-
-
何勇;
王红
-
-
摘要:
针对自相关谱峭度(Autogram)诊断效果易受最大重叠离散小波包变换(MODWPT)预设分解层数影响的不足,本文提出一种参数自适应Autogram诊断方法。该方法将平均包络熵(MEE)最小值作为优化目标对MODWPT最佳分解层数进行搜寻,并以分解后节点平方包络自相关峭度的最大值来确定最优频带的中心频率及带宽,最后通过包络解调提取故障特征信息。研究结果表明,自适应的分解层数确定方法较好地改善了Autogram方法的故障诊断效果,该方法可以快速、准确地识别出滚动轴承的故障特征。
-
-
安国庆;
张群虎;
安琪;
韩晓慧;
李争;
薛智宏
-
-
摘要:
行波型超声电机摩擦材料局部剥落故障直接影响电机输出性能,并加速电机失效;针对故障信息易受噪声干扰,尤其故障初期特征难以提取的问题。将孤极电压信号作为处理对象,提出了一种基于局部特征尺度分解(local characteristic-scale decomposition,LCD)与Teager能量算子相结合的故障特征提取方法:首先,对原始信号样本进行LCD得到不同内禀尺度分量,并通过自相关分析对各分量进行重构,实现降噪预处理;其次,利用Teager能量算子对重构信号低频段所包含的故障信息进行放大;最后,筛选低频段故障频率成分,提出了以幅值和频率信息为基础的故障特征计算方法。试验结果表明,该方法可有效表征行波型超声电机摩擦材料局部剥落的扩增趋势,并具备一定噪声背景下的适用性。
-
-
景雪瑞;
许昕;
潘宏侠;
李磊磊;
刘燕军;
高俊峰
-
-
摘要:
由于供输弹系统早期故障信号成分复杂,故障特征微弱,故提出一种基于自适应噪声完备经验模态分解(CEEMDAN)与以冯诺依曼拓扑结构(VN)改进鲸鱼算法(WOA)优化下的最小二乘支持向量机(LSSVM)的故障诊断方法。在对所测信号进行预处理即去趋势项和零点漂移后,通过CEEMDAN对供输弹信号进行分解,得出模态分量(IMF);然后依据相关系数和峭度准则这两个标准来选取符合标准的IMF分量,提取这些分量的分布熵(DE)作为特征;最后用VNWOA-LSSVM诊断模型,输入供输弹系统3种不同工况下的振动信号特征进行故障诊断,并且还对比了LSSVM、PSO-LSSVM、GA-LSSVM和WOA-LSSVM等方法对故障的识别率。实验结果表明:这些方法中经VNWOA优化后的LSSVM的识别率最高,高达94.03%。
-
-
韩建哲;
艾建军;
邓名姣;
袁朴
-
-
摘要:
通过深度学习实现轴承故障识别时,存在着因信号噪声导致故障识别率较低的问题,针对这一问题,提出了一种基于改进经验小波变换(IEWT)和改进Wasserstein自编码器(IWAAE)的轴承故障识别方法。首先,将轴承振动数据由时域变换到包络谱域,通过包络谱的极值点与自适应阈值的关系对其进行了包络谱自动分割,进而利用经验小波变换,将数据自动分解为不同频段的调幅调频分量,并采用改进峭度指标对选取合适的分量进行了重构,进而对信号进行了有效降噪;然后,针对变分自编码器训练困难的缺陷,引入Wasserstein自编码器,根据Wasserstein自编码器中间层神经元的激活值大小,对神经元进行了自动增加或删减,进而构造了IWAAE;最后,将重构信号输入到IWAAE中,进行了滚动轴承故障特征的自动提取和故障识别。研究结果表明:与其它的轴承故障识别方法相比,采用IEWT-IWAAE方法的故障识别精度更高,准确率可达99.28%,标准差仅0.32;该方法能在一定程度上缓解传统方法对人工特征提取和特征选择的依赖,其对噪声的鲁棒性高,故障识别能力优于其他组合模型方法。
-
-
郑攀;
周建华;
高素杰;
陈奔;
刘祥雄;
巫世晶
-
-
摘要:
针对行星齿轮箱结构和运行工况复杂,导致信号故障特征提取困难的问题,通过分析行星轮系振动机理,初步推导出含故障齿轮箱振动信号频谱特征;运用谐波乘积谱(Harmonic product spectrum,HPS)与边带乘积谱(Sideband product spectrum,SPS)的方法,在噪声干扰以及故障冲击不明显的条件下,准确提取到了仿真信号的故障特征频率。进一步采集不同运行工况、不同故障状态下的行星齿轮箱振动信号,将提取后的故障特征输入到卷积神经网络中进行故障识别,成功获取到齿轮箱的故障信息,证明了该方法在行星齿轮箱故障诊断方面的可行性。
-
-
晏云海;
郭瑜;
伍星
-
-
摘要:
循环平稳分析是滚动轴承故障特征提取的重要方法之一,但在用于滚动轴承故障特征提取时,存在因干扰成分较强而不能有效提取轴承故障特征的问题。为能在干扰环境中有效提取滚动轴承故障信息,基于循环谱分析提出一种鲁棒性滚动轴承故障特征提取方法。首先通过离散随机分离(discrete random separation,DRS)分析分离信号中的周期分量,提取其随机分量;随后用Teager能量算子(Teager energy operator,TEO)提取随机分量的振动能量序列;再对该序列进行快速谱相关(fast spectral correlation,Fast-SC)分析,采用基于能量熵的能量差异系数评价各循环频率(阶次)切片的能量强度;最终经熵加权降低无关干扰成分影响以有效提取故障特征。通过传统的快速谱峭度、快速谱相关和基于总变差去噪的快速谱相关分析方法与该方法对美国智能维护系统中心的滚动轴承振动数据以及实测齿轮箱复合故障试验信号进行对比分析,验证了该方法在滚动轴承故障诊断应用中的优势。
-
-
闫少军;
文浩
-
-
摘要:
为了实现弹药协调机械臂定位精度超差的性能故障诊断,提出了一种基于函数型主成分分析(FPCA)与差分进化极限学习机(DEELM)结合的故障诊断方法。建立了协调机械臂的动力学解析模型,进行了标准状态下协调过程的仿真分析,同时对协调机械臂实验台架进行了相同状态的协调过程测试,二者输出的支臂角位移曲线吻合较好;利用协调机械臂的动力学解析模型,分析得到气弹簧初始压力和支臂角位移测量误差2个故障参数的临界取值范围,并据此定义了不同的故障类型,在不同故障类型对应的参数取值范围内通过抽样仿真和模拟故障实验获得支臂角位移样本数据;以函数的视角对支臂角位移数据进行分析,将其表示为平滑的函数曲线,利用FPCA计算得到样本数据的函数型主成分得分作为特征参数;将FPCA提取的特征参数与对应的分类标签作为输入与输出信息训练DEELM,利用训练好的DEELM对仿真样本和实验样本进行诊断测试,诊断正确率为98.10%,表明了该方法能够实现协调机械臂性能故障的有效诊断。
-
-
谢鸿凯;
鲍光海
-
-
摘要:
针对大背景噪声下交流继电器的交流声故障特征提取效果不佳的问题,提出了一种基于参数优化变分模态分解(VMD)的故障特征提取方法。首先,采用樽海鞘群算法(SSA)对VMD的参数进行寻优,利用得到的最优值对故障信号进行VMD分解,得到若干本征模态函数(IMF),然后根据峭度准则筛选分解后的IMF分量,选择峭度最大的IMF分量作为有效分量,进行Hilbert包络解调分析,提取交流声故障特征。最后,仿真信号和实验数据的分析结果表明,相比于经验模态分解(EMD)方法,所提方法提取交流继电器的交流声故障特征可行且效果更佳,具有较高的应用价值。
-
-
LI Qiang;
李强
- 《2014年全国设备监测诊断与维护学术会议、第十六届全国设备监测与诊断学术会议、第十四届全国设备故障诊断学术会议暨2014年全国设备诊断工程会议》
| 2014年
-
摘要:
齿轮箱的早期故障信号往往故障特征微弱并且包含强烈的背景噪声,很难在低频段直接提取故障特征频率,往往需要通过对高频成分的解调来实现故障特征信息的提取.由于解调的效果受频带选取范围的影响,而传统小波变换的频率二分法在频率划分时不具有自适应性,因此难以取得较好的特征提取效果.针对该问题,提出了基于谱峭度与奇异值分解(SVD)的齿轮箱故障特征提取方法.首先,应用SVD方法对获得的原始信号进行降噪,以突显信号中的周期性冲击成分;然后,利用谱峭度获得降噪信号的谱峭度图,通过峭度图选择最佳的滤波器带宽与中心频率对降噪后的信号进行带通滤波;最后,对滤波后的信号进行包络解调分析,便可以准确地获得信号的故障特征频率.工程应用表明,该方法能够有效地提取出齿轮箱轴承振动信号中的早期故障特征信息,具有一定的工程应用价值.
-
-
-
-
GUO Yu-rong;
郭玉荣;
CUI Ling-li;
崔玲丽;
ZHU Feng;
朱锋;
YANG Zi-jing;
阳子婧
- 《2014年全国设备监测诊断与维护学术会议、第十六届全国设备监测与诊断学术会议、第十四届全国设备故障诊断学术会议暨2014年全国设备诊断工程会议》
| 2014年
-
摘要:
针对滚动轴承机械在运行过程中采集信号的非平稳性,提高信噪比,提取出淹没信号中的有用成分,正确地分析结论,构造了一种基于冗余第二代小波和阈值降噪相结合的故障特征提取方法.此方法不进行剖分运算,对其逼近信号和细节信号进行插值补零,根据待分析信号的特点,然后利用冗余预测器和更新器对每层进行预测和更新运算,可以有效地提供时域特征信息,并对各层小波系数采用选取有效的阈值降噪,之后对降噪后的系数提取出与故障频率相关的成分.从实验和工程振动信号分析结果两方面,验证了该方法的有效性.
-
-
CUI Chao;
崔超;
YANG Jin-pu;
杨晋溥;
CONG Hua;
丛华;
FENG FU-zhou;
冯辅周
- 《2014年全国设备监测诊断与维护学术会议、第十六届全国设备监测与诊断学术会议、第十四届全国设备故障诊断学术会议暨2014年全国设备诊断工程会议》
| 2014年
-
摘要:
排列熵算法作为一种较新的数学统计方法,近年来在医学、生物、气候、图像处理等领域得到广泛应用.本文首先介绍了排列熵算法的基本原理,运用MATLAB进行信号仿真,计算并分析了仿真信号的排列熵,进一步验证了排列熵算法在机械设备信号异常检测中的优势,为推动其应用于机械设备异常检测提供理论依据.最后通过实验,提取齿轮箱不同状态下的箱体振动信号,运用排列熵算法提取故障特征,分析在不同状态下箱体的振动信号以及排列熵变化,从而实现了齿轮箱不同工作状态的识别,实验结果表明,排列熵算法能够较好反映信号的变化规律,可以在机械设备故障检测中得到应用.
-
-
-
袁芳;
郭培源;
吴浩;
孙梅
- 《第六届全国技术过程故障诊断与安全性学术会议》
| 2009年
-
摘要:
基于Dezert-Smarandache理论(DSmT)给出了一种证据相关情况下的并发故障诊断方法.首先,结合并发故障的特点,给出了能够涌盖单发和并发故障的辨识框架,并介绍了适用于并发故障诊断的DSmT组合规则;然后,按照传感器、故障特征以及故障特征提取方法的不同,对证据的相关性进行了分类,并给出了证据解相关的方法;接着,应用DSmT组合规则对解相关后的证据进行组合,得到融合结果;最后,以多功能转子试验台的故障诊断为例验证了本文所提方法的有效性.
-