针对螺栓组中松动螺栓定位的问题,基于自适应局部迭代滤波算法(ALIF)和多尺度样本熵(MSE),提出了一种新的特征提取方法,并用卷积神经网络(CNN)分类识别特征来实现对松动螺栓的有效定位.首先,将螺栓组在不同工况下的非线性响应信号进行自适应局部迭代滤波分解;然后,选取分解后部分有效的本征模态函数(IMF),并提取每一个IMF分量的多个尺度的样本熵形成二维特征矩阵;最后,将特征矩阵输入CNN,训练好的网络模型被用来实现对螺栓组中螺栓松动的定位.基于压电主动传感设计了实验装置,并选择混沌信号作为激励进行了实验研究.实验结果表明:该方法能够有效定位出螺栓组中松动的螺栓,并且相比于其他方法有着更高的准确性、更快的训练速度和更强的鲁棒性.

螺栓松动;定位;压电换能器;自适应迭代滤波;多尺度样本熵;卷积神经网络

武汉科技大学冶金装备及其控制教育部重点实验室,湖北 武汉430081;武汉科技大学精密制造研究院,湖北 武汉430081;武汉科技大学机械传动与制造工程湖北省重点实验室,湖北 武汉430081

[1]张世壮;王涛;谭波海;袁锐-.基于ALIF多尺度样本熵和CNN的螺栓组松动定位)[J].传感技术学报,2022(06):850-856

自适应局部迭代滤波算法

ALIF,多尺度样本熵,MSE,分类识别,识别特征,不同工况,非线性响应,响应信号,波分,取分,后部,本征模态函数,IMF,维特,特征矩阵,练好,螺栓松动,实验装置,混沌信号,其他方法,训练速度,压电换能器,自适应迭代滤波

0.270616