薛红涛
- 作品数：27 被引量：58H指数：5
- 供职机构：江苏大学汽车与交通工程学院更多>>
- 发文基金：国家自然科学基金中国博士后科学基金更多>>
- 相关领域：机械工程交通运输工程电气工程金属学及工艺更多>>
- 轮毂电机轴承故障的MIWF-2DCNN诊断方法
- 2024年
- 为了有效监测复杂工况下分布式驱动电动汽车用轮毂电机的运行状态,提高其轴承故障的识别准确率,提出一种基于多信息加权融合和二维卷积神经网络(MIWF-2DCNN)的故障诊断方法。首先,将轮毂电机轴承的多方位振动监测信号分别进行二维数据重构和时频变换,逐一转化成灰度图后按照方位顺序堆叠成时域灰度图集和时频域灰度图集,作为故障诊断模型的输入;其次,将高效通道注意力机制(ECANet)的网络结构进行改进,提出了改进高效通道注意力机制(iECANet),其核心思想是在全局平均池化(GAP)基础上添加上全局最大池化(GMP)分支,基于有效信息的贡献度更新各分支的权重系数,进而提取时域和时频域的故障特征,实现了多信息加权融合;再次,利用GMP简化传统二维卷积神经网络(2DCNN)模型的一层全连接层,实现了网络轻量化。最后,基于轮毂电机不同工况下实验数据,进行同一工况下对应验证、不同工况下交叉验证及消融实验验证。结果表明所提的MIWF-2DCNN模型能够有效提取轮毂电机轴承故障特征,在复杂环境和多变工况下故障识别率保持在95%以上,整体优于传统的LeNet-5、1DCNN模型。
- 戈淳宋子为商嘉桐薛红涛王天鸶
- 关键词：轮毂电机故障诊断
- 基于WMM-HMM的轮毂电机机械故障诊断方法被引量：7
- 2021年
- 为有效监控电动汽车用轮毂电机的运行状态,保障整车的运行安全,提出了一种基于混合Weibull分布模型(WMM)与隐马尔科夫模型(HMM)的轮毂电机机械故障诊断方法(WMM-HMM诊断法).首先,利用轮毂电机振动信号提取敏感特征参数,用以表征其运行状态,建立观测序列.其次,利用WMM对轮毂电机各种运行状态下有限的观测序列进行拓展,获取足量的观测序列作为HMM的训练样本集,确立HMM参数,进而在低、中速工况下分别构建轮毂电机运行状态的WMM-HMM诊断模型.最后,定制相应的故障轮毂电机,搭建试验台,对所提出的方法进行验证.结果表明:所提出的方法能够在低、中速工况下精确识别出轮毂电机的机械故障状态,较传统方法识别精度至少提高了9.3%.
- 薛红涛周嘉文童鹏
- 关键词：轮毂电机振动信号隐马尔科夫模型
- 基于人工碳氢网络的轮毂电机轴承故障逐次振动方法
- 为了监测和评估电动汽车轮毂轴承的工作状态，提出了一种基于振动信号的轮毂轴承故障的逐次振动方法。考虑到不同的车速和工况条件对轮毂电机状态的影响，基于复合权重区分指数(CWDI)在时间频率提取了多个高灵敏度症状参数(SPs)...
- 薛红涛吴蒙张子鸣
- 关键词：轮毂电机轴承故障
- 采用MPC-MSCA的四轮毂驱动电动汽车容错控制
- 2024年
- 针对四轮毂驱动电动汽车中局部轮毂电机发生故障后存在的安全隐患问题,提出了一种基于模型预测控制-多系统协同分配(MPC-MSCA)的容错控制方法,以应对局部轮毂电机发生故障后输出能力不足的运行工况;搭建了14自由度四轮毂驱动车辆动力学模型,包括六自由度车身模型和4个二自由度车轮模型;参考二自由度车辆模型设计了容错控制方法,包括运动跟踪层和力矩分配层,运动跟踪层用于计算车辆正常行驶所需的总纵向力和附加横摆力矩,力矩分配层设计了优化分配方案和MSCA方案,分别应对局部轮毂电机发生故障后输出能力充足和不足2种运行工况,重点研究了MSCA控制方法的目标函数、约束条件和控制变量;利用Simulink/MATLAB和CarSim联合仿真,分别设置了直线行驶和双移线行驶2种运行环境,验证了所提MPC-MSCA控制方法的有效性。研究结果表明:相较于传统方法,在直线行驶环境下,MPC-MSCA控制方法可使车辆横摆角速度平均误差降低了31.6%,有效保障了局部轮毂电机故障时车辆的直线行驶能力;在双移线行驶环境下,质心侧偏角和横摆角速度平均误差分别降低了7.4%和6.9%,提高了局部轮毂电机故障时车辆的操纵稳定性。可见,所提容错控制方法可以确保四轮毂驱动电动汽车在1个或2个轮毂电机故障工况下满足操纵稳定性和安全性要求。
- 薛红涛张雨乐宋子为冯涵
- 关键词：汽车工程容错控制操纵稳定性
- 基于多域信息融合与改进ELM的船舶电机轴承故障诊断
- 2025年
- [目的]针对监测信号在单一分析域内的特征参数难以完整表征监测对象的运行状态,以及极限学习机(ELM)网络的模型参数难以达到最优的问题,提出一种基于多域信息融合与改进ELM的船舶电机轴承故障诊断方法。[方法]首先,基于船舶电机轴承振动信号在时域、频域与时频域内的特征信息,构建多域特征参数集,作为故障诊断模型的输入;然后,运用麻雀搜索算法改进ELM网络的模型参数优化方法,确定最优的权值与阈值,进而提高故障诊断ELM模型的识别精度。最后,通过船用电机试验台架实验数据和开源实验数据,对电机轴承故障状态进行识别。[结果]基于船用电机试验台架的实验数据验证表明,采用多域特征参数集的故障诊断模型在训练集和测试集上的识别精度均为100%;基于开源实验数据验证表明,改进ELM模型的测试集识别精度为90.5%,相较于原始ELM模型提高了12.7%,且训练集识别精度与测试集识别精度均高于其他诊断模型。[结论]所提方法在输入特征参数集与诊断模型上均有改进,可有效识别电机轴承故障状态,且模型具有良好的稳定性,为船舶电机轴承故障诊断提供参考。
- 戈淳闫灶宇商嘉桐薛红涛
- 关键词：轴承故障诊断极限学习机
- 基于DBNs的轮毂电机机械故障在线诊断方法被引量：4
- 2020年
- 为实现电动汽车用轮毂电机运行状态在线监测及其安全评估,提出一种基于动态贝叶斯网络(dynamic Bayesian networks,简称DBNs)的轮毂电机机械故障在线诊断方法。首先,以轮毂电机运行安全为目标,着重考虑车速对轮毂电机振动信号的影响程度,在时域和频域中提炼出多个敏感度高的特征参数来表征轮毂电机的运行状态,并将其作为DBNs的观测节点;其次,基于速度片构建轮毂电机机械故障诊断模型,解决其运行状态在相邻时间片之间无法构建转移概率分布的问题,根据不同速度片之间的转移概率分布,建立以二速度片展开的DBNs,实现对轮毂电机机械故障的在线诊断;最后,通过轮毂电机综合台架试验,验证了该方法对轮毂电机机械故障在线诊断的有效性。
- 李仲兴陈震宇薛红涛殷苏群江洪
- 关键词：轮毂电机机械故障动态贝叶斯网络
- 浅析“三疑三探”教学在高校教学中的运用被引量：2
- 2016年
- "三疑三探"教学模式以学生为中心,重视求异思维的培养,多角度引导学生主动发现问题、独立思考问题、合作探索问题、归纳拓展问题,以学生不断反馈为驱动,强调学习目标的达成,让学生在反复探索中学习知识、提高能力,是课堂教学改革的发展方向。高校课堂既有利于开展"三疑三探"教学,又迫切需要"三疑三探"教学理念,提升高校教学水平和创新能力。
- 薛红涛李仲兴江洪
- 关键词：教学改革
- 基于OSSD-EMOMEDA的轮毂电机轴承故障特征提取方法被引量：4
- 2023年
- 为了解决轮毂电机轴承早期微弱故障特征难以提取的问题,提出一种基于优化奇异谱分解(optimized singular spectrum decomposition,OSSD)和增强多点最优调整最小熵解卷积(enhance multipoint optimal minimum entropy deconvolution adjusted,EMOMEDA)的特征提取方法,以实现故障特征的检测与提取,及时掌握轮毂电机的运行安全。首先,提出由新的时频综合指标(time-frequency composite index,TCI)自适应优化分量个数的OSSD方法,并对原始信号进行前处理,通过包络谱峰值指标选择敏感的奇异谱分量。然后,提出EMOMEDA方法,设计一种改进的波形延拓策略恢复解卷积信号长度,克服MOMEDA算法的边缘效应,并通过二次解卷积运算获得最优解卷积信号。最后,对最优解卷积信号进行包络分析,实现故障特征的增强提取。分别采用仿真和试验信号验证所提方法的可行性,并将其与多种故障特征提取方法进行对比,证明了其优越性。结果表明,所提方法能够有效提取微弱故障特征,在特征增强方面具有可观的优势。
- 丁殿勇薛红涛刘炳晨
- 关键词：轮毂电机轴承故障特征提取
- 基于AHN的轮毂电机轴承故障特征提取方法被引量：4
- 2019年
- 针对间歇性强干扰下轮毂电机用深沟球轴承常见的机械故障,提出一种基于人工碳氢网络(AHN)技术的故障特征提取方法.该方法将监测信号分割成多个窗口以模拟碳氢分子,构建人工碳氢混合物网络模型.基于有机化合物及其分子对信息的封装特性,实现局部信号中高低频信号的分离,滤除干扰信号,并基于正态分布3σ原则选取间歇性强干扰下微弱的非平稳瞬态冲击信号,提取故障特征.通过仿真信号和轮毂电机综合台架实验,验证了该方法可有效提取轮毂电机用深沟球轴承的故障特征.
- 薛红涛殷苏群李仲兴陈震宇
- 关键词：轮毂电机深沟球轴承特征提取
- 基于分量加权重构和稀疏NMF的轮毂电机轴承复合故障特征提取方法被引量：6
- 2023年
- 为解决复合故障特征分离提取效果不佳的问题,针对轮毂电机轴承故障,提出一种基于分量加权重构(Component weighted reconstruction,CWR)与稀疏非负矩阵分解(Sparse nonnegative matrix factorization,SNMF)相结合的故障特征提取方法。首先,提出了一种融合指标CIH,从多角度评价振动信号并自适应选取局部均值分解后的乘积函数(Product function,PF)分量,进行CWR实现故障特征的增强表达;其次,分析重构信号时频能量矩阵的奇异值与隐含子空间的关系,基于奇异值方差比定义重构信号的平滑系数,对SNMF算法最优分解维数进行预估计;最后,引入板仓-斋藤(Itakura-Saito,IS)距离和稀疏约束建立SNMF算法,对时频能量矩阵进行分解降维,通过短时傅里叶逆变换获得子空间时域分离信号并进行频谱包络分析,提取故障特征。由仿真及试验结果表明,所提方法可以有效实现复合故障特征的分离提取,具有一定的工程应用价值。
- 薛红涛丁殿勇李汭铖徐兴
- 关键词：轮毂电机特征提取
