您的位置: 专家智库 > >

国家自然科学基金(51275099)

作品数:10 被引量:32H指数:3
相关作者:张春良岳夏朱厚耀欧伟光周超更多>>
相关机构:广州大学南华大学华南理工大学更多>>
发文基金:国家自然科学基金广东省自然科学基金广州市属高校科研项目更多>>
相关领域:机械工程自动化与计算机技术电子电信理学更多>>

文献类型

  • 10篇中文期刊文章

领域

  • 6篇机械工程
  • 4篇自动化与计算...
  • 2篇电子电信
  • 1篇动力工程及工...
  • 1篇理学

主题

  • 5篇故障诊断
  • 4篇轴承
  • 3篇轴承故障
  • 3篇轴承故障诊断
  • 3篇滚动轴承
  • 2篇信号
  • 2篇故障诊断技术
  • 1篇带宽
  • 1篇信号特征
  • 1篇信号特征提取
  • 1篇烟草
  • 1篇烟草机械
  • 1篇烟草设备
  • 1篇隐马尔科夫模...
  • 1篇语音
  • 1篇语音增强
  • 1篇噪声
  • 1篇噪声谱
  • 1篇阵列
  • 1篇正则

机构

  • 9篇广州大学
  • 4篇南华大学
  • 2篇华南理工大学

作者

  • 9篇张春良
  • 6篇岳夏
  • 3篇朱厚耀
  • 3篇欧伟光
  • 2篇周超
  • 2篇郭莹莹
  • 1篇姚明镜
  • 1篇周智恒
  • 1篇杨广权
  • 1篇王杰
  • 1篇赵学智
  • 1篇上官文斌
  • 1篇刘凯
  • 1篇严周颖
  • 1篇刘威

传媒

  • 4篇机电工程技术
  • 1篇系统工程与电...
  • 1篇振动.测试与...
  • 1篇现代制造工程
  • 1篇机械制造
  • 1篇机械工程与自...
  • 1篇Journa...

年份

  • 1篇2020
  • 1篇2018
  • 1篇2016
  • 3篇2015
  • 3篇2014
  • 1篇2013
10 条 记 录,以下是 1-10
排序方式:
故障诊断技术在烟草机械中的应用和发展趋势被引量:16
2014年
机械故障诊断技术作为一门新兴的学科,在现代化工业生产中的重要性越来越明显,已经成为保证生产系统安全稳定运行和提高产品质量的重要手段和关键技术。尤其是随着科学技术的进步,人工智能化的故障诊断技术更成为近年来的研究方向。介绍了故障诊断技术的含义、目的、研究方向及意义,对故障诊断技术的发展进行了概述,在此基础上,阐述了故障诊断技术在烟草机械中的应用及其研究概况,提出了烟草机械故障诊断技术的发展趋势及研究方向。
姚明镜张春良岳夏
关键词:故障诊断人工智能烟草设备
Forming mechanism of three-dimensional integral fin based on flat surface
2015年
To improve heat-transfer performance, a novel integral three-dimensional fin-structure on the plat surface was presented to increase the evaporation efficiency. The three-dimensional fin-structure is composed of a spiral micro-groove and multi radial micro-grooves. Both ploughing-extrusion(P-E) and stamping were used to form the integral-fins with a connection between radial and circumferential directions. Based on the SEM results, the relationships among P-E speed v P-E, rotational speed np and feed fp, and among interference length Li, stamping feed angle θc and stamping depth ac were analyzed. The effects of processing parameters on the groove morphology and the matching relationship between parameters were also discussed. The integral finned surface with micro-grooves and cracks can be obtained under such processing conditions: P-E depth ap=0.3 mm, ac=0.3 mm, the interval of helical groove dp=1.24 mm, θc=2° and np=50 r/min.
向建化段吉安周海波张春良刘贵云周超
关键词:STAMPING
基于统计最优的近场声全息理论与仿真实验被引量:2
2014年
对统计最优平面近场声全息(SOPNAH)技术进行研究,提出了一种吉洪诺夫(Tikhonov)正则化方法并选择最优正则化参数λ。通过仿真实验验证了结合吉洪诺夫正则化方法的SOPNAH能够对噪声源进行准确定位及实现声场重建,并且重建的精度比传统的方法更高。
刘凯张春良岳夏
关键词:平面近场声全息统计最优正则化
机械故障诊断技术机遇与挑战被引量:3
2020年
随着人工智能和信息技术的快速发展,故障诊断也从基于故障机理和经验模式的诊断方法逐步向智能诊断等方向发展。分别从实时故障诊断、早期故障诊断、智能故障诊断、5G联合数据故障诊断的角度对故障诊断技术的新进展进行了探讨,可为故障诊断系统的研发与应用提供参考。
陈国梁岳夏周超张春良
关键词:智能故障诊断
基于过完备字典的基追踪法在轴承故障诊断中的应用被引量:1
2015年
滚动轴承故障具有信号复合和环境噪声大的特点。通过构建一个对复合信号敏感的过完备字典,利用基追踪法对故障信号进行最优化的稀疏表示,获得简洁的故障冲击时频特征结构,并实现阈值降噪。通过对重构信号谱分析后得到明确的故障特征频率及其倍频。仿真与实验结果表明:该方法具有良好的降噪功能,能够准确地提取信号中的冲击特征。
欧伟光张春良岳夏刘威
关键词:基追踪故障诊断时频分析
基于HMM算法体系的逆维特比算法理论研究被引量:4
2014年
隐马尔可夫模型(Hidden Markov Model,HMM)的基本算法体系主要包括Baum-Welch算法、前向-后向算法与Viterbi算法三大经典算法,通过展开对HMM新问题及新算法的理论研究,引出逆维特比问题及逆维特比算法的理论体系,并提出将逆维特比算法引入HMM基本算法体系中构建一种新的算法体系及一种新评估体系的构想,最后对新算法体系的应用进行了展望。
刘功生张春良岳夏朱厚耀
关键词:隐马尔科夫模型
声信号形态分量分析在轴承故障诊断中的应用被引量:2
2016年
滚动轴承是工业领域旋转机械中最重要的零部件,也是机器中最易损坏的零件之一,其工作表面发生局部缺陷时会产生异常声响。实际的滚动轴承故障声信号信噪比差,成分复杂,信号中的冲击成分、谐振成分及噪声无法被任意单一的字典充分表示。在分析该信号时频特性的基础上,提出了一种基于声信号MCA和Hilbert谱分析的轴承故障诊断新方法。该方法通过构建一个冗余字典来逼近故障声信号,利用形态分量分析稀疏分离出故障声信号中的冲击分量、谐振分量和噪声分量三种成分,并对冲击分量进行Hilbert谱分析。经仿真和实例分析,得出该方法能准确识别滚动轴承故障的结论。
郭莹莹张春良岳夏周超朱厚耀欧伟光
关键词:滚动轴承故障诊断声信号
基于稀疏分解的轴承声阵列信号特征提取被引量:2
2018年
利用滚动轴承运行时的异常声响来识别轴承故障,搭建了轴承声阵列信号故障诊断实验平台。针对轴承声信号信噪比差、成分复杂、故障特征不明显的特点,提出一种基于稀疏分解的轴承传声器阵列信号特征提取方法。利用全息面有效声压场及其投影图对实验设备进行噪声源识别与定位,通过coif4小波字典和局部余弦字典构建冗余字典,采用稀疏分解提取热点噪声源声信号的冲击特征。仿真和实际声信号的处理结果表明,该方法准确提取了不同转速下声信号中的故障特征频率,证明了利用声阵列信号对轴承进行故障识别的有效性和可靠性。
郭莹莹赵学智上官文斌张春良
关键词:滚动轴承传声器阵列稀疏分解冗余字典特征提取
噪声谱驱动后滤波算法被引量:1
2013年
阵列语音增强中,传统的后滤波算法大多采用固定带宽的谱估计。推导了固定带宽谱估计后滤波算法的一般表达式及其估计器的概率密度函数,首次从理论上分析了在随机信号模型下采用固定带宽谱估计存在的问题,指出后滤波的频率分辨率应由噪声谱的结构特性决定,并提出了一个新的噪声谱结构特性驱动的自谱和互谱估计的后滤波算法,该算法在增加噪声抑制量的同时能避免更多的语音失真。测试实验证明,本文算法在段信噪比提高以及噪声抑制等方面都优于传统后滤波算法,尤其是噪声抑制量方面相比传统方法提高了6dB。
王杰严周颖周智恒张春良杨广权
关键词:语音增强自适应带宽
基于形态分量分析的希尔伯特变换在滚动轴承故障诊断中的应用被引量:2
2015年
形态分量分析是一种基于信号形态多样性和信号稀疏表示的信号处理方法。滚动轴承故障信号具有振幅呈指数衰减与环境噪声大的特点。通过构建一个对冲击信号敏感的字典,利用形态分量分析对轴承故障信号的时域形态特征进行最优化稀疏表示,得到滚动轴承冲击信号。并对形态分量分析后的冲击信号进行希尔伯特变换,得到明确的故障特征频率及其倍频。仿真分析与实验结果表明:该方法具有良好的降噪功能,能够准确地提取滚动轴承故障信号中的早期冲击特征。
欧伟光张春良郭莹莹朱厚耀
关键词:希尔伯特变换故障诊断滚动轴承
共1页<1>
聚类工具0