An Acoustic Emission Diagnosis Method for Water Contamination in Journal Bearings Based on Adaptive Decoupling of Multidimensional Physical Features and CNN-GRU
编号:47 访问权限:仅限参会人 更新:2026-09-19 11:33:15 浏览:7次 口头报告

报告开始:暂无开始时间(Asia/Shanghai)

报告时间:暂无持续时间

所在会场:[暂无会议] [暂无会议段]

暂无文件

摘要
本文提出了一个物理先验约束框架,具有双维物理特征的自适应解耦和1D-CNN-GRU 时空分析。首先,变分模分解(VMD)的参数配置通过常春藤优化算法(IVY)自适应优化,从而提升了在强噪声存在下分离信号分量和减少模混的能力。其次,构建了一个由皮尔逊相关系数(R)和包络基尼指数(SEGI)组成的二维物理量化矩阵,忠实地将混合声学发射信号解耦为两种跨尺度特征通道:宏观流体动力学剪切和微观瞬态撞击。最后,异构特征被输入1D-CNN-GRU网络,实现时空特征空间的深度映射和联合分析。在识别0%至20%的水污染梯度时,该方法整体准确率达93.00%,远高于基线模型的51.00%。建立了一套结合物理知识与数据驱动建模的新框架,用于在运行条件下诊断轴承润滑剂中的水污染。
 
关键词
journal bearing; Water contamination diagnosis; Acoustic emission (AE); Dual-dimensional physical decoupling; CNN-GRU
报告人
谷铮 邢
学生 河北工业大学

稿件作者
Guzheng Xing Hebei University of Technology
Hao Zhang Hebei University of Technology
Guojin Feng Hebei University of Technology
Dong Zhen Hebei University of Technology
Yang Guan Hebei University of Technology
发表评论
验证码 看不清楚,更换一张
全部评论
重要日期
  • 会议日期

    11月06日

    2026

    至

    11月08日

    2026

  • 10月15日 2026

    初稿截稿日期

主办单位
IEEE Instrumentation and Measurement Society
承办单位
Sichuan University
移动端
在手机上打开
小程序
打开微信小程序
客服
扫码或点此咨询