首页>
根据【关键词:滚动轴承,多传感器信息融合,故障诊断,短时傅里叶变换,视频特征 】搜索到相关结果 14 条
多源融合的STFT-IncepNext航空发动机轴承故障诊断 方法
作者:
万安平
张华
张今
蒋俊杰
王景霖
单添敏
来源:
航空动力学报
年份:
2025
文献类型 :
期刊
关键词:
滚动轴承
多传感器信息融合
故障诊断
短时傅里叶变换
视频特征
描述:
多源融合的STFT-IncepNext航空发动机轴承故障诊断 方法
多源融合的STFT-IncepNext航空发动机轴承故障诊断 方法
作者:
万安平
张华
张今
蒋俊杰
王景霖
单添敏
来源:
航空动力学报
年份:
2025
文献类型 :
期刊
关键词:
滚动轴承
多传感器信息融合
故障诊断
短时傅里叶变换
视频特征
描述:
多源融合的STFT-IncepNext航空发动机轴承故障诊断 方法
基于频域特征的航空轴承智能诊断
作者:
李宏宇
苏越
陈康
王俨剀
来源:
航空动力学报
年份:
2024
文献类型 :
期刊
关键词:
特征提取
滚动轴承
故障诊断
双向循环长短期记忆网络
神经网络
描述:
针对航空发动机滚动轴承 的故障诊断 ,提出一种基于频域特征的故障诊断 模型。将原始振动信号进行包络解调预处理,仅取每段数据处理后的512个点作为故障特征,将其作为双向循环长短期记忆网络(BiLSTM)模型
保持架打滑对航空发动机主轴承故障特征频率的影响
作者:
景新
曹宏瑞
陈雪峰
来源:
航空动力学报
年份:
2019
文献类型 :
期刊
关键词:
滚动轴承
故障轴承实验
局部损伤
故障特征频率
保持架打滑
描述:
。结果表明:随着转速升高,滚动轴承 保持架打滑率趋于增大,导致轴承实际故障特征频率与基于纯滚动假设的理论计算值的偏差也随之增大。研究结论对于航空发动机主轴承的故障诊断 具有指导意义。
含复杂滚动轴承 建模的航空发动机整机振动耦合动力学模型
作者:
陈果
来源:
航空动力学报
年份:
2018
文献类型 :
期刊
关键词:
整机振动
航空发动机
滚动轴承
耦合动力学
动力学建模
描述:
在航空发动机整机振动模型中对滚动轴承 进行了详细建模。建立了5自由度(DOF)球轴承动力学模型,推导了在5自由度复杂变形下的轴承力和力矩表达式;针对圆柱滚子轴承,利用"切片法",推导了考虑轴承径向变形
航空滚动轴承 振动特征的故障灵敏度分析与融合技术
作者:
林桐
陈果
张全德
王洪伟
陈立波
来源:
航空动力学报
年份:
2018
文献类型 :
期刊
关键词:
特征提取
灵敏度分析
滚动轴承
特征融合
状态评估
描述:
针对工程中航空滚动轴承 实时状态监测的需要,提出了基于标准化欧氏距离的多特征融合评估方法。首先,进行了航空滚动轴承 故障模拟试验,引入了故障灵敏度的定量评价指标,对融合前后特征的故障灵敏度进行了分析
振动与滑油金属屑末信息融合的航空发动机主轴承状态监控方法
作者:
栾孝驰
白天
赵俊豪
沙云东
来源:
航空动力学报
年份:
2025
文献类型 :
期刊
关键词:
滚动轴承
信息融合
振动信号
状态监控
滑油金属屑末
描述:
振动与滑油金属屑末信息融合的航空发动机主轴承状态监控方法
航空发动机磨损故障多目标融合诊断
作者:
马佳丽
陈果
康玉祥
王雨薇
苗慧慧
曹桂松
来源:
航空动力学报
年份:
2024
文献类型 :
期刊
关键词:
滚动轴承
一维卷积残差网络
融合诊断
D
S证据理论
磨损故障
描述:
和颗粒计数原始分析数据为输入,基于(Dempster-Shafer)证据理论获得发动机磨损故障定性诊断结果;在定位分析部分,建立了基于深度学习的滚动轴承 故障部位识别模型,以能谱分析原始数据作为模型输入
基于RS-CART决策树的航空发动机小样本故障诊断
作者:
庞梦洋
索中英
郑万泽
徐宇恒
包壮壮
黄林
来源:
航空动力学报
年份:
2021
文献类型 :
期刊
关键词:
分类与回归树
GINI系数
故障诊断
属性约简
规则提取
描述:
规则。实验结果表明:将改进的CART决策树算法应用于某型航空发动机油液故障诊断 ,提取的规则可解释性强,能够减小冗余属性及噪声对决策的影响,与常用故障诊断 算法相比,该模型的诊断准确率提升20%左右,AUC(area under curve)值高达92%,可以有效处理高维离散型航空发动机小样本故障问题。
基于RS-CART决策树的航空发动机小样本故障诊断
作者:
庞梦洋
索中英
郑万泽
徐宇恒
包壮壮
黄林
来源:
航空动力学报
年份:
2021
文献类型 :
期刊
关键词:
分类与回归树
GINI系数
故障诊断
属性约简
规则提取
描述:
规则。实验结果表明:将改进的CART决策树算法应用于某型航空发动机油液故障诊断 ,提取的规则可解释性强,能够减小冗余属性及噪声对决策的影响,与常用故障诊断 算法相比,该模型的诊断准确率提升20%左右,AUC(area under curve)值高达92%,可以有效处理高维离散型航空发动机小样本故障问题。