首页期刊导航|噪声与振动控制
期刊信息/Journal information
噪声与振动控制
中国声学学会
噪声与振动控制

中国声学学会

严济宽

双月刊

1006-1355

NVC@sjtu.edu.cn

021-62932221

200030

上海市华山路1954号上海交通大学

噪声与振动控制/Journal Noise and Vibration ControlCSCD北大核心CSTPCD
查看更多>>本刊是科技工作者和工程师交流噪声与振动控制理论和实际应用研究的最新理论、方法、信息和知识的重要平台。主要内容包括噪声和振动控制领域中理论和实践的最新发展、创新方法、重要成果、新技术等。可供相关专业的大专院校师生、各单位噪声振动专业人员参考。
正式出版
收录年代

    参数优化VMD结合改进小波包阈值的去噪方法

    张晓莉黄嘉谞
    128-132页
    查看更多>>摘要：针对轴承信号故障特征容易被噪声淹没的问题,提出一种参数优化变分模态分解结合改进小波包阈值的去噪方法.首先,通过变分模态分解(Variational Mode Decomposition,VMD)结合改进粒子群算法(Improve Particle Swarm Optimization,IPSO)将含噪信号分解为若干本征模态分量(Intrinsic Mode Function,IMF).以最大相关系数-相关峭度为准则,把IMF分为高值分量(High-value Intrinsic Mode Function,HIMF)和低值分量(Low-value Intrinsic Mode Function,LIMF).再对LIMF进行改进小波包(Improved Wavelet Packet,IWP)阈值去噪.最后对重构信号进行包络解调,提取轴承故障特征频率,完成故障诊断.实验结果表明,该方法不仅能够避免"过扼杀"现象,并且可以得到信噪比更高的去噪信号.

    振动与波变分模态分解小波包阈值去噪相关峭度相关系数轴承

      原文链接:
    • 万方数据
    • 维普

    基于LWKConv-DRSN-FPN的旋转机械故障诊断

    伍兴李志伟宁文乐郑照...
    133-139页
    查看更多>>摘要：针对传统旋转机械故障诊断方法难以应对强噪声干扰以及诊断准确率较低的问题,提出一种Laplace小波核卷积层(Laplace Wavelet Kernel Convolutional Layer,LWKConv)、深度残差收缩网络(Deep Residual Shrinkage Networks,DRSN)和特征金字塔网络(Feature Pyramid Networks,FPN)相结合的故障诊断方法.具体地,在DRSN模型结构基础上,构造LWKConv,通过更新尺度因子和平移因子,多尺度提取故障引起的突变冲击特征;引入FPN融合深层和浅层特征,提高模型对浅层细节信息的利用程度,实现对旋转机械的故障诊断.研究表明:所提的LWKConv-DRSN-FPN方法基于轴承和齿轮数据集的诊断准确率最高能达到100%,尤其在-4 dB强噪声干扰条件下的诊断准确率达到97.75%,能有效提取突变冲击特征,具有较好的通用性和抗强噪声干扰能力.

    故障诊断旋转机械Laplace小波核卷积层深度残差收缩网络特征金字塔网络

      原文链接:
    • 万方数据
    • 维普

    基于PSO-VMD和EWT的异步电机滑动轴承故障诊断

    彭川吝伶艳雷志鹏田慕琴...
    140-147,209页
    查看更多>>摘要：针对大型电机滑动轴承故障诊断困难的问题,提出基于频域积分、变分模态分解(Variational Mode Decom-position,VMD)和经验小波分解(Empirical Wavelet Transform,EWT)相结合的滑动轴承故障诊断方法.以实际故障电机轴承加速度信号为例,首先通过频域积分得到位移信号,分析位移信号的时域和频域特征可初步诊断出电机可能存在碰摩故障和不对中故障,但轴心轨迹图混乱,无法给出肯定结论;然后将经粒子群算法(Particle Swarm Optimization,PSO)优化的变分模态分解和小波阈值去噪相结合对原始位移信号进行去噪,通过经验小波变换得到位移信号的主要频率成分并进行重构,重新绘制轴心轨迹,分析表明经提纯得到的轴心轨迹清晰、特征明显,可以由此判断出电机存在碰摩-轴承不对中耦合故障.最后将该方法与聚类经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)等方法对比可以得出,采用该方法可以得到更清晰的轴心轨迹图,有助于实现电机滑动轴承的故障诊断.

    故障诊断滑动轴承频域积分变分模态分解(VMD)经验小波分解(EWT)轴心轨迹

      原文链接:
    • 万方数据
    • 维普

    DHSI筛选奇异值分量在齿轮故障诊断中的应用

    杨伟新刘飞春唐鑫朱如鹏...
    148-153页
    查看更多>>摘要：为有效剥离传动系统齿轮故障信号中的噪声成分,提出基于差分谐波显著指数(Differential Harmonic Significance Index,DHSI)筛选奇异值分量的齿轮故障诊断方法.该方法首先对原始信号构造Hankel矩阵,并对该矩阵进行奇异值分解,然后利用提出的一种新的奇异值突变位置判别指数,即奇异分量的差分谐波显著指数筛选奇异值的个数,并由这些奇异值分量重构信号,得到故障信号的包络谱.应用该方法分析齿轮故障仿真信号以及某型直升机传动系统并车级齿轮掉块故障信号,与基于奇异值差分谱的奇异值分量筛选结果对比表明,基于差分谐波显著指数的奇异值分量筛选能够更好地消除噪声并提取齿轮振动信号中的故障特征.

    故障诊断谐波显著指数奇异值分解谐波积频谱齿轮传动

      原文链接:
    • 万方数据
    • 维普

    高效带宽傅里叶分解及其轴承故障诊断应用

    王爽宋秋昱张驰江星星...
    154-159页
    查看更多>>摘要：自适应带宽傅里叶分解(Adaptive Bandwidth Fourier Decomposition,ABFD)是一种基于带宽优化的非平稳信号分析方法.然而,以中心频率重叠度作为分解终止条件在实际应用中会分解出若干冗余的模式分量,造成分解效率降低,为后续分析增加负担.为此,提出高效带宽傅里叶分解(Efficient Bandwidth Fourier Decomposition,EBFD)的轴承故障诊断方法.该方法构建重加权峭度引导的快速停止准则,能够高效地确定最优分解模式数目,避免大量冗余分量的干扰.进一步地,根据重加权峭度指标定位出目标故障分量,实现轴承故障诊断.滚动轴承故障试验信号分析结果表明:所提出方法能够高效终止分解进程,得到所有潜在的模式分量,并准确定位出故障分量;由EBFD与ABFD提取故障分量的归一化频率能量比均为1.0,EBFD运行所需时间为3.3 s,分解速度相较于ABFD提高33.8 s;相较于其他信号分析方法,采用所提出方法能够更准确识别出轴承故障特征.

    故障诊断带宽傅里叶分解轴承重加权峭度

      原文链接:
    • 万方数据
    • 维普

    集成辛奇异值模态分解及其在滚动轴承故障诊断中的应用

    颜秋艳刘玄
    160-165,217页
    查看更多>>摘要：对时间序列的分析是机械故障诊断领域中最为重要的手段,但是拾取的信号往往包含大量干扰噪声,严重影响故障诊断的准确性.因此,提出一种集成辛奇异值模态分解(Ensemble Symplectic Singular Mode Decomposition,ESSMD)降噪方法.在ESSMD方法中,采用互信息函数法和GP算法自适应设置参数,并构造辛几何相似变换矩阵,进而获得降噪分量信号.然而,通过辛几何相似变换获得的分量可能耦合噪声信息,难以通过传统的"筛选"分量进行降噪.为了弱化分量信号中的耦合噪声,在ESSMD中进一步引入拉格朗日乘子,抑制分量中噪声对纯信号信息的干扰,获得更加纯净的纯信号矩阵.仿真和实验结果表明,ESSMD能够有效减少信号中包含的噪声.

    故障诊断集成辛奇异值模态分解拉格朗日乘子降噪

      原文链接:
    • 万方数据
    • 维普

    基于样本自适应条件对抗网络的齿轮箱跨域故障诊断研究

    赵敏范永胜邓艾东邓敏强...
    166-171页
    查看更多>>摘要：基于对抗训练的深度领域适应在旋转部件跨域故障诊断中应用效果良好.然而,现有研究主要致力于降低边缘分布差异而忽略对类别分布信息的挖掘,导致其在复杂场景下诊断准确性不足.针对该问题,提出一种样本自适应条件对抗网络,通过分解抽象特征和评估样本置信度挖掘类别分布特征,增强对抗训练的域适配能力,从而有效提高跨域诊断性能.通过齿轮箱故障诊断实验验证所提方法在实际应用中的有效性和优越性.

    故障诊断深度领域适应对抗训练条件对抗网络齿轮箱

      原文链接:
    • 万方数据
    • 维普

    基于双通道数据主振动特征提取的水电机组轴系故障诊断

    付骏宇许景辉
    172-178页
    查看更多>>摘要：相对于特征层和决策层融合,数据层融合可以充分保留数据中的原始诊断信息,从而为后续故障诊断奠定基础.为此,提出一种基于双通道数据主振动特征提取的水电机组轴系故障诊断方法.该方法首先利用主成分分析(Principal Component Analysis,PCA)对轴系双通道时域振动信号进行数据层融合,得到最大振动强度方向上的合成振动(简称主振动);随后,对主振动进行特征提取,再利用支持向量机(Support Vector Machine,SVM)进行分类,从而实现故障诊断.利用转子台数据对所提方法进行验证.结果表明,与直接利用单通道进行诊断或通过双通道进行特征层融合诊断相比,所提方法可以消除主振动方向变化带来的影响,提升类内聚类和类间分离的效果,最终提高故障诊断的准确率.

    故障诊断水电机组数据层融合主成分分析支持向量机

      原文链接:
    • 万方数据
    • 维普

    强度与振动响应协同约束的邮轮轻量化研究

    张春吉向阳黄陈哲魏建红...
    179-185,192页
    查看更多>>摘要：为解决进行邮轮轻量化时因模型差异而不便协同约束强度和振动响应的问题,对中型邮轮全船主要结构变量进行质量和强度的灵敏度分析,筛选出对全船最大应力和质量敏感度最高的4个变量,进而构建最大Von-Mises应力和最大切应力的响应面函数代理模型.基于代理模型提出强度和振动响应协同约束的轻量化方法,运用OptiStruct对全船主要结构的板厚进行尺寸优化.最后对优化后模型的强度和振动响应进行校核,结果显示:在协同约束下的轻量化后全船最大应力较优化前增量小于2%,优于仅约束振动响应的轻量化方法的结果;对于全船振动的控制较仅约束强度的轻量化方法可提高2～4 dB以上,且可实现3.232%的轻量化效果.协同约束方法能在保障强度和振动响应的前提下实现轻量化.

    振动与波灵敏度分析代理模型尺寸优化强度约束振动响应约束协同约束

      原文链接:
    • 万方数据
    • 维普

    轨式输送机轮轨噪声预测技术研究

    马红荣牟宗磊胡景淇
    186-192页
    查看更多>>摘要：针对轨式输送机运行中产生的噪声污染问题,基于通过现场试验采集的噪声数据,提出一种基于参数优化多项式曲面拟合的轨式输送机轮轨噪声建模方法.根据均值和最大值筛选出异常数组,采用局部离群因子算法检测异常数组中的异常数据并替换.选取预处理后数据的最大值,以残差平方和最小值为目标函数,利用秃鹰搜索算法建立不同位置处轨式输送机轮轨噪声预测模型,揭示距离和速度对噪声的影响规律.分析结果表明:在轨式输送机机头、中间、机尾3个位置处模型拟合度达到0.9以上,模型预测值与实测值的误差小于0.7 dB(A),模型吻合度较好;在距离和速度的影响下,机头处噪声高于机尾处噪声且变化趋势基本一致;中间处噪声低于机头与机尾处噪声且随速度与距离的增加呈二次曲线型变化.该研究成果可为轨式输送机噪声控制提供理论依据.

    声学轨式输送机噪声预测多项式曲面拟合局部离群因子算法秃鹰搜索算法

      原文链接:
    • 万方数据
    • 维普