公共文化服务平台

曾鸣: 作品数：13 被引量：151H指数：8; 供职机构：湖南大学机械与运载工程学院汽车车身先进设计制造国家重点实验室更多>>; 发文基金：国家自然科学基金湖南省自然科学基金中央高校基本科研业务费专项资金更多>>; 相关领域：机械工程电子电信更多>>

合作作者

μ-SVD降噪算法及其在齿轮故障诊断中的应用被引量：33: 2015年; 为了提取机械设备被强背景噪声淹没的故障特征,采用一种具有通用意义的基于奇异值分解(Singular value decomposition,SVD)的子空间降噪算法对信号进行处理,即?-SVD降噪算法。传统的SVD降噪算法是?-SVD降噪算法中拉格朗日乘子??0时的一种特殊情况。?-SVD降噪算法包含滤值因子,能够抑制以噪声贡献占主导的奇异值对降噪后信号的信息贡献量。?-SVD降噪算法涉及延迟时间、嵌入维数、降噪阶次、噪声功率和拉格朗日乘子等5个参数。讨论了?-SVD降噪算法的参数选择方法,并着重研究降噪阶次和拉格朗日乘子对降噪效果的影响。齿轮故障仿真信号和齿轮早期裂纹故障振动信号的试验结果表明,?-SVD降噪算法在降噪效果方面要优于传统的SVD降噪算法,可以在强背景噪声情况下更好地提取出齿轮的故障特征。; 曾鸣杨宇郑近德程军圣; 关键词：降噪故障诊断齿轮

一种新的时频分析方法——局部特征尺度分解被引量：24: 2012年; 在定义瞬时频率具有物理意义的内禀尺度分量(Intrinsic scale component,ISC)的基础上,提出了一种新的自适应时频分析方法——局部特征尺度分解(Local charac-teristic-scale decomposition,LCD),该方法可以自适应地将一个复杂信号分解为若干个ISC分量之和.分别采用LCD方法和经验模态分解(Empirical mode decomposition,EMD)方法对仿真信号进行了分析,分析结果表明:2种方法都可以有效地对信号进行分解,但LCD方法在计算效率和抑制端点效应等方面要优于EMD方法.此外,还将LCD方法应用于滚动轴承故障诊断,实验信号的分析结果进一步表明了该方法的有效性.; 杨宇曾鸣程军圣; 关键词：故障诊断局部特征尺度分解滚动轴承

基于改进的局部特征尺度分解和归一化正交的时频分析方法被引量：10: 2015年; 针对希尔伯特-黄变换(Hilbert-Huang Transform,HHT)中经验模态分解(Empirical Mode Decomposition,EMD)和希尔伯特变换(Hilbert Transform,HT)的不足,提出了一种基于改进的局部特征尺度分解(Improved Local Characteristic-scale Decomposition,ILCD)和归一化正交(Normalized Quadrature,NQ)的时频分析方法.ILCD克服了LCD的固有缺陷,在精确性和正交性等方面要优于EMD和LCD方法.同时为了克服HT的不足,提出了一种基于经验调幅调频分解标准化估计瞬时频率的归一化正交(Normalized Quadrature,NQ)方法.通过仿真信号将EMD,LCD与ILCD进行对比,同时将标准希尔伯特变换,直接正交法与NQ进行对比,结果表明了论文方法的有效性.转子碰摩故障数据分析结果进一步验证了论文方法的有效性和优越性.; 郑近德程军圣曾鸣; 关键词：HILBERT-HUANG变换经验模态分解局部特征尺度分解时频分析转子碰摩

基于局部特征尺度分解和核最近邻凸包分类算法的滚动轴承故障诊断方法被引量：5: 2013年; 提出了一种基于局部特征尺度分解(Local characteristic-scale decomposition,LCD)和核最近邻凸包(Kernelnearest neighbor convex hull,KNNCH)分类算法的滚动轴承故障诊断方法。采用LCD方法对滚动轴承原始振动信号进行分解得到若干内禀尺度分量(Intrinsic scale component,ISC),然后将这些ISC分量组成初始特征向量矩阵,再对该矩阵进行奇异值分解,提取奇异值作为故障特征向量并输入到KNNCH分类器,根据其输出结果来判断滚动轴承的工作状态和故障类型。LCD方法是一种新的自适应时频分析方法,非常适用于非平稳信号的处理,而KNNCH算法是一种基于核函数方法,并将凸包估计与最近邻分类思想相融合的模式识别算法,可直接应用于多类问题且需优化的参数只有核参数。实验分析结果表明,所提出的方法能有效地提取滚动轴承故障特征信息,而且在小样本的情况下仍能准确地对滚动轴承的工作状态和故障类型进行分类。同时,与支持向量机(Support vec-tor machine,SVM)算法的对比分析结果表明,KNNCH算法的分类性能的稳定性要高于SVM算法。; 杨宇曾鸣程军圣; 关键词：滚动轴承故障诊断局部特征尺度分解奇异值分解

归一化复域能量算子解调及其在转子碰摩故障诊断中的应用被引量：8: 2014年; 归一化希尔伯特变换(Normalized Hilbert transform,NHT)解调采用经验AM-FM分解实现信号的包络信号(即瞬时幅值)和纯调频信号的分离,再对纯调频信号进行希尔伯特变换提取瞬时频率。与直接希尔伯特变换解调比较,归一化希尔伯特变换的解调效果有较大提高。然而,研究发现,经验AM-FM分解得到的纯调频信号可能存在易导致负频率出现的骑波,并且由于归一化希尔伯特变换求取瞬时频率仍采用希尔伯特变换,则不可避免地在端点处产生振荡。针对归一化希尔伯特变换解调存在的问题,提出可以消除骑波的改进的经验AM-FM分解以及基于复域能量算子的纯调频信号的瞬时频率估计,并在此基础之上进一步提出一种新的信号解调方法——归一化复域能量算子(Normalized complex Teager energy operator,NCTEO)解调,采用改进的经验AM-FM分解提取单分量信号的瞬时幅值,再用基于复域能量算子的瞬时频率估计对纯调频信号进行解调提取瞬时频率。通过仿真试验以及转子早期碰摩故障诊断的应用实例验证了归一化复域能量算子解调的优越性和有效性。; 曾鸣杨宇郑近德程军圣; 关键词：能量算子转子碰摩

局部特征尺度分解方法及其分解能力研究被引量：38: 2012年; 在研究内禀时间尺度分解(Intrinsic Time-Scale Decomposition,ITD)方法的基础上提出了一种新的自适应时频分析方法——局部特征尺度分解(Local Characteristic-scale Decomposition,LCD)方法,该方法可以自适应地将一个复杂的多分量信号分解为若干个瞬时频率具有物理意义的内禀尺度分量(Intrinsic Scale Component,ISC)之和。对LCD方法的基本原理进行了阐述,通过建立分解能力研究模型分别研究了分量信号的频率比、幅值比和初相位差以及单个分量迭代次数对LCD方法分解能力的影响,并给出了多分量信号可由LCD方法分解的大致条件。; 杨宇曾鸣程军圣; 关键词：自适应时频分析局部特征尺度分解

基于分段多项式的局部特征尺度分解方法及应用被引量：4: 2016年; 针对局部特征尺度分解(Local Characteristic-scale Decomposition,LCD)方法中两极值点连线在极值点处一阶微分不连续,引起分解精度降低问题,提出新非平稳信号分析方法 -基于分段多项式的局部特征尺度分解(Piecewise Polynomial based Local Characteristic-scale Decomposition,PPLCD)。用分段多项式取代LCD中直线连接,且均值曲线插值点由相邻3个同类极值点构成的多项式计算产生。通过仿真信号将PPLCD与LCD对比,结果表明,PPLCD在提高分量正交性、精确性等具有一定优越性;由转子碰摩故障诊断表明该方法的有效性。; 吴占涛程军圣曾鸣郑近德; 关键词：局部特征尺度分解故障诊断转子

局部特征尺度分解方法及其分量判据研究被引量：19: 2013年; 在研究内禀时间尺度分解(ITD)方法的基础上提出了一种新的自适应时频分析方法——局部特征尺度分解(LCD)方法,该方法可以自适应地将一个复杂的多分量信号分解为若干个瞬时频率具有物理意义的内禀尺度分量(ISC)之和。对LCD方法的基本原理进行了阐述,并对其分量判据进行了研究,将经验模态分解(EMD)方法中的标准差判据应用于LCD方法。标准差判据的阈值会因自适应时频分析方法的不同而有所差异,因此标准差判据不具有自适应性,针对标准差判据的这一缺陷,提出了一种新的具有自适应性的分量判据——极值单调性判据,该判据无需设定任何阈值。信号分析结果表明了这两种判据的有效性,而极值单调性判据的适用性更强,可直接应用于EMD方法。另外,对比分析了LCD方法和EMD方法的计算效率,分析结果表明LCD方法在计算效率方面要优于EMD方法。; 杨宇曾鸣程军圣; 关键词：自适应时频分析局部特征尺度分解

基于伪极值点假设的经验模态分解及其在转子故障诊断中的应用被引量：7: 2014年; 针对经验模态分解(EMD)的模态混淆问题,提出了一种新的抑制模态混淆的方法——基于伪极值点假设的经验模态分解(PEEMD)。与总体平均经验模态分解(EEMD)通过添加白噪声再进行总体平均的方式不同,PEEMD通过定义最小极值尺度,并用其度量其他极值尺度,通过增加伪极值点的方式来均匀化尺度,有效地抑制了模态混淆的产生。详细介绍了PEEMD方法,并通过仿真信号将其与EMD和EEMD进行了对比,最后,将PEEMD应用于转子碰摩故障的诊断中。仿真和实测信号结果表明,PEEMD在分量的精确性和抑制模态混淆的产生等方面要优于EMD和EEMD,是一种有效的信号分解方法。; 郑近德程军圣曾鸣罗颂荣; 关键词：经验模态分解故障诊断转子碰摩

基于LCD和KNNCH分类算法的齿轮故障诊断方法被引量：10: 2014年; 提出了一种基于局部特征尺度分解(LCD)和核最近邻凸包(KNNCH)分类算法的齿轮故障诊断方法。该方法采用LCD对齿轮原始振动信号进行分解得到若干内禀尺度分量(ISC),然后提取包含主要信息的ISC分量的能量作为特征向量输入到KNNCH分类器,根据其输出结果来判断齿轮的工作状态。实验分析结果表明,所提出的方法能有效地提取齿轮故障特征信息,而且在小样本的情况下仍能准确地对齿轮的工作状态进行识别。同时,与支持向量机(SVM)算法的对比分析结果表明,KNNCH算法能取得与SVM算法相当或更高的正确识别率。; 曾鸣杨宇郑近德程军圣; 关键词：齿轮故障诊断

曾鸣

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

曾鸣

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈