国家自然科学基金(51005172)
- 作品数：3 被引量：215H指数：3
- 相关作者：雷亚国林京李乃鹏何正嘉更多>>
- 相关机构：西安交通大学学研究院更多>>
- 发文基金：中央高校基本科研业务费专项资金国家自然科学基金留学人员科技活动项目择优资助经费更多>>
- 相关领域：机械工程自动化与计算机技术更多>>
- 混合智能故障诊断与预示技术的应用进展被引量：45
- 2011年
- 为了对大型复杂关键设备进行有效的状态监测和故障诊断,综合运用多种人工智能技术和现代信号处理方法的混合智能故障诊断与预示技术得到国内外学者的高度重视和广泛研究。在研究大量相关文献的基础上,概括了混合智能故障诊断与预示技术的广义内涵;综述了国内外研究现状;分析指出了当前研究中存在的关键问题;针对目前的研究现状和存在问题,最后讨论了混合智能故障诊断与预示技术的发展趋势。
- 雷亚国何正嘉
- 关键词：信号处理
- 基于改进Hilbert-Huang变换的机械故障诊断被引量：130
- 2011年
- Hilbert-Huang变换(Hilbert-Huang transform,HHT)通过经验模式分解(Empirical mode decomposition,EMD)和Hilbert变换能够自适应地将复杂的非线性、非平稳信号刻画成Hilbert-Huang谱,突显信号的局部特征,具有良好的时频聚集能力,因此被广泛用于机械信号处理与故障诊断。然而,EMD存在的模式混淆问题使其难以获得准确的本征模式分量(Intrinsic mode function,IMF)。此外,通常只有部分IMF包含故障敏感信息、表征故障特征。因此基于EMD和所有IMF的Hilbert-Huang谱的故障诊断精度有待提高。为此提出一种基于总体平均经验模式分解(Ensemble empirical mode decomposition,EEMD)和敏感IMF的改进HHT。该方法利用EEMD获取无模式混淆的IMF,通过敏感度评估算法从EEMD所有的IMF中选择反应故障特征的敏感IMF,从而得到改进的Hilbert-Huang谱以更准确地诊断机械故障。通过仿真试验以及转子早期碰摩故障诊断的工程实例验证了改进HHT的有效性。
- 雷亚国
- 关键词：故障诊断
- 自适应总体平均经验模式分解及其在行星齿轮箱故障检测中的应用被引量：45
- 2014年
- 总体平均经验模式分解(Ensemble empirical mode decomposition,EEMD)是针对经验模式分解(Empirical mode decomposition,EMD)存在的模式混淆问题而提出的,对分解信号加入高斯白噪声,改善信号的极值点分布,经过多次平均,从而达到减小模式混淆的目的。然而,EEMD分解效果取决于添加噪声的幅值、筛选次数等参数的选择。目前的研究通常是人为选择这些参数,具有较大的盲目性和主观性,因此分解结果差强人意。为了解决以上问题,提出一种新的自适应总体平均经验模式分解方法。该方法基于EMD的滤波特性,在提取本征模式分量(Intrinsic mode function,IMF)的过程中自适应改变加入噪声的幅值,并对每个IMF自动选择不同的筛选次数,可以更好地削弱模式混淆。通过仿真试验验证了该方法的有效性,并将该方法应用于行星轮故障检测中,取得了比EEMD更好的故障检测结果。
- 雷亚国孔德同李乃鹏林京
- 关键词：行星齿轮箱故障检测
