公共文化服务平台

共 7 条记录，以下是 1-7

全选清除导出

排序方式：

基于ASTFA的广义解调方法及应用被引量：1: 2015年; 结合自适应最稀疏时频分析(ASTFA)和广义解调的优点提出了基于ASTFA的广义解调方法。该方法首先采用ASTFA对原始信号进行分解,得到分量信号及其相位函数;然后,提取该相位函数的二次项及高次项,获得解调相位函数;之后利用解调相位函数对分量信号进行广义解调;最后对广义解调后的信号进行频域分析,提取特征信息。仿真和实验分析结果表明,基于ASTFA的广义解调方法非常适用于处理多分量频率调制信号,能够有效提取滚动轴承在变速工况下的故障特征信息。; 李宝庆程军圣彭延峰杨宇; 关键词：频率调制滚动轴承

基于初值优化的自适应最稀疏时频分析方法被引量：4: 2017年; 自适应最稀疏时频分析(adaptive and sparsest time-frequency analysis,ASTFA)是一种新的时频分析方法,该方法需要事先确定较为准确的初始值,缺乏自适应性.针对ASTFA存在的问题,提出了基于初值优化的ASTFA方法.该方法使用残余量的能量作为优化目标函数,使用不同的初始值对信号进行分解,当残余量的能量最小时,则认为该初始值为最优初始值.因此,该方法能够自适应地寻找最优的初始值,增加了ASTFA方法的自适应性.采用仿真信号将该方法与原ASTFA方法进行对比,结果表明该方法能自适应地得到更准确的分解结果.对仿真信号和滚动轴承故障数据进行分析,结果表明ASTFA在抑制端点效应和模态混淆、抗噪声性能、提高分量的准确性等方面要优于经验模态分解(empirical mode decomposition,EMD),并能有效应用于滚动轴承故障诊断.; 彭延峰刘贞涛程军圣杨宇刘燕飞; 关键词：故障诊断经验模态分解

自适应最优化窄带分解方法及其应用: 2016年; 提出了自适应最优化窄带分解(Adaptive Optimization Narrow-Band Decomposition,AONBD)方法。该方法将信号分解转化为对滤波器参数的优化问题,以得到信号的最优化解为优化目标,在优化过程中将信号自适应的分解成多个内禀窄带分量(Intrinsic Narrow-Band Components,INBC)。AONBD分为两步,首先通过优化得到最优的滤波器,然后使用该滤波器对信号进行滤波以得到信号的最优化解。阐述了AONBD的基本原理及分解步骤。采用仿真信号将AONBD方法与自适应最优化时频分析(Adaptive Sparsest Time-Frequency Analysis,ASTFA)方法及经验模态分解(Empirical Mode Decomposition,EMD)方法进行对比。结果表明,AONBD在抑制端点效应和模态混淆、抗噪声性能、提高分量的正交性和准确性等方面具有一定的优越性。对转子振动信号的分析结果表明,AONBD能有效应用于机械故障诊断。; 彭延峰程军圣杨宇李宝庆; 关键词：转子故障诊断

基于GA的自适应最稀疏时频分析方法及应用被引量：4: 2016年; 为解决自适应最稀疏时频分析(ASTFA)方法中初始相位函数的选择问题,采用遗传算法(GA)对ASTFA的初始相位函数进行优化,提出了GA-ASTFA方法。进一步研究了GA-ASTFA方法抑制模态混淆的能力,分析结果表明,GA-ASTFA能较好地抑制模态混淆,分解得到的分量信号精度高,且可抑制分解中的伪分量。最后将GA-ASTFA方法用于转子碰摩故障诊断,实验分析结果表明,GA-ASTFA方法能有效提取转子碰摩故障特征信息。; 李宝庆程军圣吴占涛彭延峰; 关键词：遗传算法经验模态分解转子碰摩

基于自适应最稀疏时频分析的阶次方法及应用被引量：6: 2016年; 自适应最稀疏时频分析(Aadaptive and Sparsest Time-Frequency Analysis,ASTFA)是一种新的时频分析方法,该方法将信号分解转化为最优化问题,在优化的过程中实现信号的自适应分解。为解决ASTFA方法初始相位函数的选择问题,采用了分辨率搜索改进的ASTFA方法,并进一步结合阶次分析方法提出了基于ASTFA的阶次方法。该方法首先采用改进的ASTFA方法对原始信号进行分解同时获得分量的瞬时幅值,然后对瞬时幅值进行阶次分析从而提取故障特征信息。将该方法应用于变速齿轮传动过程中的时变非平稳振动信号的分析与处理,仿真与实验分析表明该方法能够准确提取变速齿轮的故障特征信息,具有一定的优越性。; 程军圣李宝庆彭延峰吴占涛杨宇; 关键词：故障诊断齿轮阶次分析

自适应最稀疏时频分析与经验模态分解的对比研究: 介绍了一种新的用于非线性非平稳信号的自适应信号处理方法一自适应最稀疏时频分析(adaptive and sparsest time-frequency analysis,ASTFA)方法.该方法的主要思想是在目标优化的过...; 程军圣彭延峰杨宇刘燕飞; 关键词：滚动轴承故障诊断信号处理; 文献传递

ACROA优化的自适应最稀疏窄带分解方法被引量：3: 2016年; 提出了基于人工化学反应优化算法(artificial chemical reaction optimization algorithm,ACROA)的自适应最稀疏窄带分解(adaptive sparsest narrow-band decomposition,ASNBD)方法,将信号分解转化为对滤波器参数的优化问题,使用ACROA进行优化,以得到信号的最稀疏解为优化目标,在优化过程中将信号自适应地分解成若干个具有物理意义的局部窄带信号。对数值仿真和齿轮故障数据进行分析,结果表明该方法在抑制模态混淆、抗噪声性能、提高分量的正交性和准确性等方面要优于ASTFA方法、基于遗传算法(genetic algorithm,GA)的ASNBD方法及总体平均经验模态分解(ensemble empirical mode decomposition,EEMD)方法,并能有效识别出齿轮的典型故障。; 彭延峰程军圣杨宇; 关键词：故障诊断齿轮

全选清除导出

共1页<1>

彭延峰