典型文献
基于运行状态辐射声信号的轴承性能退化监测方法研究
文献摘要：
文章针对滚动轴承运行辐射声信号,提出一种滚动轴承性能退化预测的方法.轴承辐射声信号通过改进变分模态分解(improved variational mode decomposition,IVMD)得到K层有限带宽固有模态函数(band-limited intrinsic mode functions,BLIM Fs);对BLIM Fs分量的能量进行相对能量熵分析并作为轴承性能退化特征指标,将退化指标构成的时间序列分解成趋势项和残余项,对残余项进行平稳性检验和白噪声检验,对趋势项和非白噪声的残余项分别通过堆栈长短时记忆(stack long short-term memory,SLSTM)神经网络进行预测,使用自适应矩估计(adaptive moment estimation,ADAM)优化器反向优化网络权值、阈值;采用拉伊达法则确定阈值作为预警线,当预测退化曲线超过阈值报警线时实现报警.实验结果表明:SLSTM模型预测与分解趋势项之间的均方误差为4.1492×10-5,均方根误差为0.0036,相关系数为0.9753;SLSTM模型预测与未去除残余项的相对能量熵之间的相关系数为0.7763,模型的拟合程度较高,轴承性能退化评估良好,预测曲线在轴承早期退化阶段时能够予以报警.
文献关键词：
辐射声信号;变分模态分解(VMD);相对能量熵;堆栈长短时记忆(SLSTM)神经网络
中图分类号：
作者姓名：
陈剑;曹昆明;张磊;孙太华;程明;阚东
作者机构：
合肥工业大学 噪声振动工程研究所 ,安徽 合肥 230009;合肥工业大学 机械工程学院 ,安徽 合肥 230009
文献出处：
引用格式：
[1]陈剑;曹昆明;张磊;孙太华;程明;阚东-.基于运行状态辐射声信号的轴承性能退化监测方法研究)[J].合肥工业大学学报（自然科学版）,2022(08):1009-1015
A类：
辐射声信号,BLIM,相对能量熵
B类：
监测方法,承运,滚动轴承性能退化,退化预测,改进变分模态分解,improved,variational,mode,decomposition,IVMD,有限带宽,固有模态函数,band,limited,intrinsic,functions,Fs,退化特征,特征指标,退化指标,时间序列分解,分解成,趋势项,余项,平稳性检验,白噪声检验,堆栈,长短时记忆,stack,long,short,term,memory,SLSTM,自适应矩估计,adaptive,moment,estimation,ADAM,优化器,反向优化,权值,拉伊,伊达,预警线,均方误差,未去,拟合程度,性能退化评估,早期退化,退化阶段
AB值：
0.333739
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
