复合故障诊断或检测类论文文献(2021年已发表)

所属分类：期刊知识阅读419次时间：2021-11-15 17:02

本文摘要：复合故障诊断在故障诊断技术中是较为常见的，在实际工程和复杂系统中也会存在多个故障，做好故障诊断或者检测对工程顺利开展是至关重要的，下面学术顾问也分享了2021年已发表的复合故障诊断或检测类论文文献，发表论文人员可作为参考：文献一、基于深度学习的城轨列

　　复合故障诊断在故障诊断技术中是较为常见的，在实际工程和复杂系统中也会存在多个故障，做好故障诊断或者检测对工程顺利开展是至关重要的，下面学术顾问也分享了2021年已发表的复合故障诊断或检测类论文文献，发表论文人员可作为参考：

机械工程学报

　　文献一、基于深度学习的城轨列车轴承复合故障诊断研究

　　摘要针对轴承复合故障振动信号的多分量耦合调制特征及特征参数难确定问题,提出一种基于深度学习的城轨列车轴承复合故障诊断方法。对轴承振动信号进行标准化处理并转换为二维数组,将数组以灰度图形式存储得到特征样本,分为训练集和测试集。将训练集作为卷积神经网络(CNN)模型的输入,对模型进行训练,确定网络最佳结构和参数;通过测试集验证网络的可行性和有效性。实验结果表明,基于深度学习的城轨列车轴承复合故障诊断方法,可有效识别城轨列车轴承复合故障,为轴承复合故障辨识提供了一种新思路。

　　出处《铁道学报》 EI CAS CSCD 北大核心 2021年第6期37-44,共8页

　　关键词城轨列车轴承复合故障卷积神经网络故障诊断

　　文献二、一维深度子领域适配的不同转速下旋转机械复合故障诊断

　　摘要旋转机械复合故障与单一故障样本间相关性高易造成错分类,且旋转机械转速往往不同,进一步加剧了旋转机械复合故障诊断的难度。针对上述问题,提出一维深度子领域适配的不同转速下旋转机械复合故障诊断方法。首先,以旋转机械复合故障的频域信号作为网络的输入,最大程度保留信号特征;其次,搭建领域共享的一维卷积神经网络,对不同转速下旋转机械复合故障的频域信号特征进行学习;然后,添加局部最大均值差异形成子领域适配层,对齐每对子领域分布以避免单一故障和复合故障的特征混合,并通过最小化局部最大均值差异值缩小两域子领域特征分布差异,以减少不同转速所带来的干扰;最后,在子领域适配层后添加softmax分类层,实现对目标数据的故障状态识别。通过不同转速旋转机械复合故障诊断实验证明了所提方法的有效性。

　　出处《仪器仪表学报》 EI CAS CSCD 北大核心 2021年第5期227-234,共8页

　　关键词复合故障不同转速子领域适配故障诊断

　　文献三、基于AFOA的降噪源分离在轴承复合故障诊断中的试验研究

　　摘要源分离算法的分离性能受到分离矩阵的影响,不能自适应地分离滚动轴承的复合故障特征,针对这一问题,将自适应果蝇优化算法(AFOA)与降噪源分离(DSS)相结合,提出了一种基于AFOA算法的滚动轴承复合故障降噪源分离方法。首先,利用自适应果蝇优化算法对分离矩阵进行了初步优化,再将分离矩阵作为果蝇个体,负熵作为目标函数,对目标函数最大值进行了全局寻优,进而确定了降噪源分离的最优分离矩阵;以正切函数作为降噪源分离的降噪函数,对内、外圈复合故障轴承振动信号进行了估计;最后,进行了包络分析,提取出了轴承内、外圈故障特征;此外,通过仿真和实测轴承内、外圈复合故障试验,将所提方法与基于自适应果蝇优化算法的快速独立成分分析进行了对比。研究结果表明:AFOA-DSS方法能够更精确分离滚动轴承的复合故障特征,实现对轴承复合故障的诊断;该方法的有效性和实用性得到了验证。

　　出处《机电工程》 CAS 北大核心 2021年第6期681-688,共8页

　　关键词滚动轴承复合故障诊断自适应果蝇优化算法降噪源分离负熵快速独立成分分析

　　以上是复合故障诊断或检测方向的论文文献，是比较新颖的文献，具有较高的参考价值，也有作者想要了解更多的参考文献，或者是故障诊断方向投稿期刊知识，欢迎随时咨询在线学术顾问。