首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   13篇
  免费   3篇
  国内免费   4篇
航空   14篇
航天技术   4篇
综合类   1篇
航天   1篇
  2021年   1篇
  2020年   1篇
  2019年   3篇
  2018年   2篇
  2017年   2篇
  2016年   1篇
  2015年   2篇
  2014年   1篇
  2012年   1篇
  2010年   1篇
  2009年   1篇
  2008年   1篇
  2007年   1篇
  2006年   1篇
  2005年   1篇
排序方式: 共有20条查询结果,搜索用时 14 毫秒
1.
《中国航空学报》2020,33(2):407-417
Multi-faults detection is a challenge for rolling bearings due to the mode mixture and coupling of multiple fault features, as well as its easy burying in the complex, non-stationary structural vibrations and strong background noises. In this paper, a method based on the flexible analytical wavelet transform (FAWT) possessing fractional scaling and translation factors is proposed to identify multiple faults occurred in different components of rolling bearings. During the route of the proposed method, the proper FAWT bases are constructed via genetic optimization algorithm (GA) based on maximizing the spectral correlated kurtosis (SCK) which is firstly presented and proved to be efficient and effective in indicating interested fault mode. Via using the customized FAWT bases for each interested fault mode, the original vibration measurements are decomposed into fine frequency subbands, and the sensitive subband which enhances the signal-to-noise ratio (SNR) is selected to exhibit the fault signature on its envelope spectrum. The proposed method is tested via simulated signals, and applied to analyze the experimental vibration measurements from the running roller bearings subjected to outrace, inner-race and roller defects. The analysis results validate the effectiveness of the proposed method in identifying multi-faults occurred in different components of rolling bearings.  相似文献   
2.
卷积神经网络和峭度在轴承故障诊断中的应用   总被引:2,自引:1,他引:1  
李俊  刘永葆  余又红 《航空动力学报》2019,34(11):2423-2431
针对传统智能诊断方法依靠专家知识和人工提取数据特征工作量大的问题,结合深度学习方法在特征提取和处理大数据方面的优势,研究了一种基于卷积神经网络和振动信号峭度指标的滚动轴承故障诊断方法。该方法将深度学习应用于轴承故障诊断,提取滚动轴承正常状态、内圈故障、外圈故障和滚动体故障4种状态的振动信号,将振动信号分段处理得到峭度指标,使用数据到图像的转换方法将峭度指标转换为灰度图,送入卷积神经网络模型完成故障分类。在进行滚动轴承故障诊断的实验时,所提的模型诊断准确率达到99.5%,高于传统支持向量机(SVM)算法的95.8%。   相似文献   
3.
非高斯随机振动的模拟方法   总被引:1,自引:0,他引:1  
随机振动台根据功率谱密度(PSD,Power Spectral Density)生成的信号为高斯信号,而实际振动环境有时是非高斯的,因此随机振动实验常常无法准确模拟产品在真实振动环境下的失效情况。通过两个案例分别对均方根值(RMS,Root Mean Square)不随时间变化和随时间变化的非高斯随机振动进行了模拟方法研究。案例1利用Hermite多项式法对高斯信号进行了转换,在保证功率谱密度不变的同时得到了具有指定峭度的RMS不随时间变化的非高斯信号,但该方法对于输入的峭度有限制,当输入峭度大于10时,误差达到了20%。案例2利用一种新方法对实测的RMS随时间变化的非高斯振动进行了模拟,模拟后得到的非高斯信号和实测信号具有相同的功率谱密度、峭度以及概率分布,验证了新方法的准确性。  相似文献   
4.
基于盲源分离的雷达信号欺骗干扰抑制   总被引:3,自引:0,他引:3  
针对脉冲压缩信号的频谱弥散(SMSP)干扰,通过分析其时频特性,提出了一种基于盲分离的抑制算法。首先,推导了基于独立分量分析的代价函数,由于代价函数中信号概率密度函数不能精确估计,利用信号高阶互累积量的性质,重新构造了一种新的代价函数;其次,利用基于自然梯度的方法对新代价函数进行优化,从而得到基于峭度的盲分离算法;最后,通过仿真证明,对比Fast ICA算法,文中算法具有更快的收敛速度和更好的分离性能,在保证分离精度的前提下,可成功将目标回波信号分离,达到SMSP干扰抑制的目的。  相似文献   
5.
传统的环境振动试验常将随机振动信号假设服从高斯分布,且利用功率谱密度(PSD)来作为试验条件。然而实际环境中结构所受到的振动激励很多呈现非高斯性,且PSD只能描述信号的低阶统计量,无法描述非高斯信号的峭度和偏度等高阶统计量。针对此情况,研究了在窗函数幅值调制法(AMT)基础上利用自PSD和峭度生成非高斯信号的方法。针对调制信号的生成,提出了近似模拟方法。通过Weibull和Beta 2种分布构造调制信号,研究分布参数与目标峭度值之间的关系,并分析2种分布合成目标峭度值的范围。案例验证了仿真生成的非高斯信号与实测外场数据具有相同的PSD、概率密度函数(PDF)和峭度值,进而证明了方法的正确性。   相似文献   
6.
阐述了基于峭度的盲源分离开关算法,对仿真信号进行分离,验证了该算法的可行性.并将该算法与FFT分离法结合,对某型双转子航空发动机高、低压转子实测振动信号进行了盲源分离实践,取得了很好的分离效果,从而为双转子发动机振动监测与故障诊断提供了一种可行的信号处理方法.  相似文献   
7.
在振动试验台上进行多自由度(MDOF)随机振动激励时,传统的控制方法生成的驱动信号及试验台的响应信号都是高斯信号。但真实的振动干扰信号多是超高斯的;而相比于高斯激励,亚高斯激励可降低驱动信号的最大幅值。为实现多自由度亚高斯和超高斯振动控制,提出一种多自由度非高斯随机振动控制方法,该方法采用系统辨识解决系统耦合问题,而后通过选择特殊的相位生成非高斯伪随机驱动信号,再经过时域随机化得到真随机非高斯驱动信号。基于Hexapod平台的多自由度微振动试验台的亚高斯和超高斯实验表明,在试验台的响应功率谱(PSD)满足工程中常用的±3dB精度的同时,亚高斯驱动信号的最大幅值相比于高斯驱动信号的最大幅值降低了20%以上;超高斯响应信号的峭度与参考峭度的误差在0.2之内。实验结果验证了所提方法的有效性。  相似文献   
8.
滚动轴承故障诊断的品质因子可调小波重构方法   总被引:1,自引:1,他引:0  
张顶成  于德介  李星 《航空动力学报》2015,30(12):3051-3057
针对轴承早期故障诊断困难的问题,提出了基于信号共振稀疏分解与品质因子可调小波重构的滚动轴承故障诊断方法.该诊断方法首先对轴承故障信号进行共振稀疏分解获得高共振分量和低共振分量;然后对低共振分量进行品质因子可调小波重构,并结合峭度分析,筛选出最佳分析信号;最后对最佳分析信号进行希尔伯特解调分析,从而提取滚动轴承故障特征信息.通过对仿真信号和实际故障信号进行分析,该方法能有效提取轴承故障信号中的冲击成分,凸显故障特征.  相似文献   
9.
针对传统共振解调方法易受噪声干扰导致故障特征提取效果不佳的问题,提出了一种基于Birge-Massart策略的阈值降噪与集成经验模态分解(EEMD)和快速谱峭度算法相结合的滚动轴承故障特征提取方法。对原始故障信号进行EEMD并采用峭度准则筛选出含有故障信息的本征模态函数(IMF)分量;采用Birge-Massart策略和快速谱峭度对故障信号进行滤波降噪;对滤波后信号进行Hilbert包络解调,提取轴承故障特征。采用该方法分别对仿真信号和实验信号进行特征提取,结果表明该方法可以有效提高故障信号信噪比,清晰准确地获取轴承内、外圈故障的频率特征。利用峭度因子准则筛选IMF分量能有效保留原始故障信号中的冲击特征,去除无关IMF分量的影响。   相似文献   
10.
多通道相关-自适应轴承故障诊断方法   总被引:1,自引:1,他引:0  
提出了多通道相关-自适应共振解调(MCC-ARD)方法 ,该方法使用冗余信号源采集故障信息,并利用谱峭度(SK)优化经验模态分解(EMD)的分解效率,根据互相关系数更加合理地选择本征模态函数(IMF)分量完成重构,对重构IMF进行包络解调,实现对滚动轴承的故障诊断。通过对多通道相关-自适应共振解调方法的实测数据分析,结果表明:该方法不仅克服了单一信号源系统修正能力差的缺陷,而且相频谱辨识率为传统EMD结合谱峭度共振解调方法的2.7倍,对滚动轴承故障的诊断结果更加清晰、准确。  相似文献   
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号