丁庆喜 作品数:6 被引量:53 H指数:5 供职机构: 中国人民解放军海军工程大学兵器工程系 更多>> 发文基金: 国家自然科学基金 国家部委资助项目 更多>> 相关领域: 机械工程 电子电信 更多>>
基于小波包和改进BP神经网络的滚动轴承故障诊断方法 被引量:11 2013年 为了改进BP神经网络进行滚动轴承故障诊断时,网络存在收敛速度慢、易于陷入局部极小点的缺点。应用基于Levenberg-Marquardt法对BP网络进行改进,实现了改进后的BP神经网络结合小波包进行滚动轴承故障诊断的方法。首先,利用小波包多分辨率的特点对滚动轴承的振动信号进行分解和重构,计算各子频带能量并进行归一化,构造特征向量。然后,将所得到的特征向量作为两种BP神经网络的输入,即改进后的BP神经网络和常规的BP神经网络。最后,对两种网络进行训练并测试,结合实验数据验证改进方法的可行性。实验结果表明,改进后的BP神经网络不仅可行,同时提高了收敛速度和诊断的精确度。 丁庆喜 田福庆 罗荣关键词:小波包 BP神经网络 滚动轴承 故障诊断 基于改进的双曲正切函数变步长LMS算法 被引量:23 2012年 为了改进现有的变步长最小均方误差(least mean square,LMS)算法在低信噪比时性能较差的缺陷,提出了一种基于改进的双曲正切函数的变步长LMS算法,从理论分析和仿真实验两方面讨论了引入参数对算法收敛性、跟踪性、稳定性的影响及算法的抗干扰性。理论分析和仿真实验表明该算法在高低信噪比时均具有较快的收敛速度和跟踪速度以及较小的稳态误差和稳态失调,并且在低信噪比时该算法的收敛性、跟踪性、稳态性均优于其他多种变步长算法。 田福庆 罗荣 李克玉 丁庆喜关键词:自适应滤波 最小均方误差算法 变步长 冗余小波包改进及其在齿轮箱故障诊断中应用 被引量:6 2014年 针对小波包分解广泛存在频率折叠、频带重叠与频带错位缺陷,分析了其产生的根源,并以此提出了一种改进的冗余小波包分解算法。该算法通过交换偶数位置子带小波包分解后的两子带顺序来消除频带错位缺陷,通过引入两算子依据傅里叶变换滤波原理分别从频域滤去低、高频子带理论频率范围外的频率成分来避免频带重叠缺陷。分别使用仿真信号与某直升机中减速器疲劳试验的故障数据对该算法进行了仿真验证与试验验证。分析结果表明:相对于Mallat小波包算法和通常的冗余小波包算法,改进的冗余小波包分解算法确实成功消除了频率折叠、频带重叠和频带错位等三类缺陷,因此该算法能更有效地提取淹没在强噪声和其他强干扰背景下微弱故障特征,具有一定的工程应用价值。 罗荣 田福庆 冯昌林 丁庆喜 李万关键词:包络解调 基于第二代小波包自适应包络解调故障诊断方法 被引量:1 2013年 针对第二代小波包存在频带错位的固有缺陷,研究了克服这一缺陷的移频算法。为了更有效地提取滚动轴承微弱冲击故障特征,提出了一种基于第二代小波包自适应包络解调相结合的滚动轴承故障诊断方法。该方法首先利用第二代小波包对原始信号进行分解与重构,然后为了避免对分解与重构后的所有子带都进行包络谱分析,根据能量最大化准则自适应选择一组故障信息最为丰富的子带进行包络谱分析,最后根据包络谱即可提取微弱冲击故障特征。仿真实验和应用实例表明:该方法可以准确地提取隐藏在强噪声背景中的微弱冲击故障特征。 田福庆 丁庆喜 罗荣关键词:故障诊断 HILBERT变换 滚动轴承 卷积型小波变换实现及机械早期故障诊断应用 被引量:6 2013年 为消除Mallat算法存在的频率折叠等固有缺陷对机械故障诊断的不利影响,提出采用卷积型小波变换进行机械故障诊断。推导卷积型小波变换快速分解算法,给出基于滤波器组的递归分解实现方法;针对滚动轴承早期故障诊断与定量识别难题及共振解调法与冲击脉冲法的不足,提出将卷积型小波变换与共振解调法、冲击脉冲法相结合的新方法对滚动轴承早期故障进行诊断与定量识别,给出具体实现过程。仿真实验与实例分析表明:卷积型小波变换能消除Mallat算法固有缺陷对机械故障诊断的不利影响,较内积型小波变换更适合机械故障诊断。该方法可有效对滚动轴承早期故障诊断与定量识别,具有一定应用价值。 罗荣 田福庆 李克玉 丁庆喜关键词:MALLAT算法 共振解调法 冲击脉冲法 改进的卷积型小波包分解及在故障诊断中的应用 被引量:6 2014年 针对卷积型小波包分解存在频带错位与频带重叠缺陷,提出了一种改进的卷积型小波包分解算法。该算法通过交换偶数位置节点小波包分解后的两节点顺序来消除频带错位缺陷,引入两算子分别从频域除去低、高频子带理想通带范围外的频率成分以消除频带重叠缺陷。由构造的故障信号进行仿真实验,并使用某直升机中减速器疲劳实验的故障数据进行了验证。结果表明:由于消除了卷积型小波包和内积型小波包分解算法中广泛存在的频率折叠、频带重叠和频带错位缺陷,改造的卷积型小波包分解算法能更方便、更有效地提取隐藏在强噪声和其他强干扰背景下的故障特征信息,从而为机械故障的诊断提供了一种强有力的分析手段。 田福庆 罗荣 李万 丁庆喜关键词:故障诊断