首页  |  期刊简介  |  期刊荣誉  |  编委会  |  现任主编  |  投稿指南  |  下载中心  |  期刊征订
中文核心期刊
Ei Compendex收录期刊
中国科学引文数据库来源期刊
中文科技期刊数据库收录期刊
国际刊号:1004-6801
国内刊号:32-1361/V
用户登录
  E-mail:  
  密  码:  
  作者 审稿  
  编辑 读者  
期刊向导
联系方式
  • 主管:中华人民共和国工业和信息化部
  • 主办:南京航空航天大学
  •           全国高校机械工程测试技术研究会
  • 国际刊号:1004-6801
  • 国内刊号:32-1361/V
  • 地址:南京市御道街29号
  • 电话:025-8489 3332
  • 传真:025-8489 3332
  • E-mail:qchen@nuaa.edu.cn
  • 邮编:210016
基于KJADE的列车轴承轨边声学诊断方法研究
Fault Diagnosis of Locomotive Bearings Using Wayside Acoustic Signals Based on KJADE
  
DOI:10.16450/j.cnki.issn.1004-6801.2020.04.022
中文关键词:  核特征矩阵联合近似对角化  列车轴承  故障诊断  多普勒校正
英文关键词:kernel joint approximate diagonalization of eigen-matrices (KJADE)  locomotive bearing  fault diagnosis  Doppler effect correction
基金项目:(国家自然科学基金资助项目(51675001,51505001,51605002)
作者单位
龙磊1,何兵1,刘方1,2,刘永斌1,2,李桂华1,陆思良1,2 (1.安徽大学电气工程与自动化学院 合肥230601)(2.高节能电机及控制技术国家地方联合工程实验室 合肥230601) 
摘要点击次数: 29
全文下载次数: 23
中文摘要:
      为在线诊断运行列车的轴承状态,提出一种基于核特征矩阵联合近似对角化(kernel joint approximate diagonalization of eigen-matrices,简称KJADE)的列车轴承轨边声学故障诊断方法。首先,从校正后的轨边信号中提取原始特征,将其通过非线性映射函数映射到高维特征空间;其次,对特征空间的核矩阵进行四阶累积量的特征分解,获得新融合特征,并采用支持向量机分类器对融合特征进行辨识;最后,对轴承外圈、内圈、滚子故障和正常4种状态下的列车轨边声学信号进行分析。结果表明,该方法可以有效实现对列车轴承轨边声音信号的非线性特征提取,提高了故障的识别率。
英文摘要:
      A novel method of wayside acoustic fault diagnosis for locomotive bearings is presented to evaluate the bearings status of running train, which mapped the original features extracted from corrected acoustic signals into a high-dimensional feature space through nonlinear mapping. Where, the original features are extracted from bearing′s acoustic signal acquired by the wayside microphone after Doppler distortion correction being conducted. In the high-dimension feature space, new features can be fused through the eigen-decomposition of the fourth-order cumulative kernel matrix. And the fusion features are extracted from acoustic signals of locomotive bearings with normal condition, inner race defect, outer race defect and ball defect respectively, and identified using the support vector machine classifier. The results show that the proposed method is efficient in nonlinear feature extraction from bearing′s acoustic signals and can obtain high accuracy in fault identification.
查看全文  查看/发表评论  下载PDF阅读器
关闭

Copyright @2010-2015《振动、测试与诊断》

地址:南京市御道街29号        邮编:210016

电话:025-8489 3332      传真:025-8489 3332       E-mail:qchen@nuaa.edu.cn

您是本站第2174656位访问者 本站今日一共被访问172

技术支持:北京勤云科技发展有限公司