![edcf5db4beda64273e25e3d8b2704709.png](https://i-blog.csdnimg.cn/blog_migrate/77d2e6f934ce5ff7c977dee3bb235d6d.png)
![2c0d589c31047757f2d78e7230219f65.png](https://i-blog.csdnimg.cn/blog_migrate/40c2dac6c190d128527c449c0715105d.png)
![5039faa1a5ea7026156074b8134ecc2f.png](https://i-blog.csdnimg.cn/blog_migrate/656d5c9b931e795513b98ff0ba259f80.jpeg)
新一期经验分享报告会又来了!本次报告满满干货,快来看看都有些什么内容吧?
报告题目
齿轮箱关键零部件复合故障特征提取方法研究
![08400ec2b3e3b9e6dd536eb4cda4708c.png](https://i-blog.csdnimg.cn/blog_migrate/622c5ab528ab962985373d105ba7d9ca.png)
报告摘要:
![28da04fc499b4dbd624fec79080eb31e.png](https://i-blog.csdnimg.cn/blog_migrate/cf1e802243b95e457deb6f70cb2cff50.jpeg)
基于振动信号的复合故障特征提取技术一直以来都是旋转机械故障诊断领域的研究热点和难点。变分模态分解(VMD)具有等效滤波特性,在复合故障解耦中具有很大潜力。然而,VMD的两个关键参数即模态个数和平衡参数,需要预定义,参数取值不当极易影响VMD的分解性能。现有的改进方法中存在较为明显的模态冗余和故障特征混合等不足。因此,提出了一种自适应变分模式分解(AVMD)方法。以齿轮箱中的关键部件——滚动轴承作为研究对象,通过对仿真和试验信号对所提出方法进行验证。结果表明,与传统方法相比,所提出的AVMD方法在分离复合故障信号方面有显著优势。
个人简介
![e75f5693e9c51d1695dd0d2d5da402c8.png](https://i-blog.csdnimg.cn/blog_migrate/75e3ca739e09509e2707f53c0c2d3991.png)
赫修智,吉林大学机械制造及其自动化专业2017级博士研究生,2017级博士学生党支部书记,研究方向为齿轮系统复合故障诊断。在读期间,以第一作者或除导师外第一作者身份发表(含待出版)SCI论文4篇,EI论文2篇,授权发明专利2项,实用新型专利1项,主持吉林大学博士研究生交叉学科科研资助计划1项,曾获得研究生优秀奖学金和学术业绩奖学金等。2018年9月受国家留学基金委资助赴加拿大女王大学进行为期1年的联合培养。现为中国机械工程学会(CMES)学生会员、国际声学与振动学会(IIAV)学生会员。
![6b03826e3e4ccab90bb53b6ab8132f33.png](https://i-blog.csdnimg.cn/blog_migrate/13b6eea975c74731594def5f3c0d2dfc.jpeg)
Wish you were here!
抓住机会!
面对着千载难逢的机会,还犹豫什么,速速报名!
![ff7357a6380ab94e2504b5ea2e893998.png](https://i-blog.csdnimg.cn/blog_migrate/22e282fe7ef8fe5b9d6048a008dcd14a.png)
01
报告主题:学术论文 专利撰写
02
时间:11月28日周六晚19:00
03
地点:机械材料馆529
![edcf5db4beda64273e25e3d8b2704709.png](https://i-blog.csdnimg.cn/blog_migrate/77d2e6f934ce5ff7c977dee3bb235d6d.png)
吉林大学机械学院信息管理中心出品
制作人|林斌
审核人|张亚歌
责任编辑|张亚歌 鞠润轩
指导老师|赵帝