科研动态

首页/ 首页 / 科学研究 / 科研动态 / 正文

    重庆交通大学教师团队研究成果获《机械工程学报》第七届高影响力论文

    日期:2024年01月03日 14:33作者:李河星编辑:机电学院审核人:陈仁祥 赵树恩点击量:


    12月24日,《机械工程学报》举办第七届高影响力论文评选活动,该次评选由中国机械工程学会、两刊编委会、董事会以及编辑部共同组织策划,旨在评选出创新性强、学术影响力高、关注度广的优秀成果,鼓励科研工作者把论文发表在祖国大地上。

    2021年两刊共发表的768篇篇论文,经专家委员会评选出10篇高影响力论文,10篇青年杰出论文,20篇优秀论文。它们所反映的科研成果,或在基础研究领域对科技创新有重大影响,进而引领机械工程学科发展;或在应用研究领域具有巨大价值,进而推动机械工程技术进步。

    我校重庆市高校创新团队董绍江教授团队研究成果《基于多层降噪技术及改进卷积神经网络的滚动轴承故障诊断方法》斩获高影响力论文。该研究成果在轴承故障诊断研究领域取得重要进展,并得到了国家自然科学基金委的资助。该成果曾获得《机械工程学报》2021年第1期最受关注论文榜首。

    该研究成果针对滚动轴承微弱故障在强噪声下难以实现有效诊断的问题,提出了一种基于多层降噪技术及改进卷积神经网络(Improved convolution neural network,ICNN)的轴承故障诊断新方法。首先,对滚动轴承的一维振动信号进行预处理,得到标签化的数据样本,分为训练集和测试集;然后采用奇异值分解(Singularvalue decomposition,SVD)处理训练样本,通过二分之均值法选择有效奇异值个数,获得原始降噪信号和带噪信号;为了避免丢失微弱故障细节特征,将带噪信号经过SVD进一步去噪消除模态混叠并输入经验模态分解(Empiricalmodedecomposition,EMD)得到内禀模态函数,根据方差贡献率大小选出IMF分量并与原始降噪信号叠加得到最终信号;将处理后的训练集数据输入到引入注意力机制(Attention mechanism,AM)的ICNN中进行学习;最后将得到的诊断模型应用于测试集,输出故障类别诊断结果。通过滚动轴承故障诊断模拟试验,在强噪声环境下进行测试,结果表明所提方法能更准确的在强噪声环境中实现轴承的故障诊断。该研究成果对轴承故障诊断相后续的研究具有重要的指导意义。

    《机械工程学报》创刊于1953年,是由中国机械工程学会主办、机械工业信息研究院承办的机械工程类高学术水平期刊,是中国机械工程领域的顶级学术刊物,主要报道机械工程领域及其交叉学科、新兴学科、边缘学科等领域具有创新性及重要意义的前沿基础研究、应用研究的最新科研成果。

    原文链接:

    https://mp.weixin.qq.com/s/XGq7QSjx5mzVoDywZ2hoyw

    关闭