河北省高等学校科学技术研究指导项目(ZD20131080)
- 作品数：6 被引量：71H指数：5
- 相关作者：谢平江国乾何群黄梦君李磊更多>>
- 相关机构：燕山大学更多>>
- 发文基金：河北省高等学校科学技术研究指导项目河北省自然科学基金国家自然科学基金更多>>
- 相关领域：机械工程一般工业技术自动化与计算机技术电气工程更多>>
- 基于PCA和多变量极限学习机的轴承剩余寿命预测被引量：22
- 2014年
- 提出了一种基于主成分分析(PCA)和多变量极限学习机(MELM)的轴承剩余寿命预测方法。该方法首先利用PCA技术融合多个表征轴承运行状态与衰退趋势的时域频域特征指标来消除特征间的冗余性和相关性;进一步在单变量极限学习机(ELM)的基础上构建多变量极限学习机模型来预测轴承剩余寿命。该方法克服了传统单变量极限学习机结构简单、信息匮乏等缺点,能有效提高轴承剩余寿命的预测精度。运用全寿命轴承振动数据对模型进行验证,结果表明,相比单独应用ELM模型或MELM模型,基于PCA和MELM剩余寿命预测方法具有更高的预测精度和稳定性。
- 何群李磊江国乾谢平
- 关键词：主成分分析极限学习机剩余寿命预测
- 基于排序模式相异性分析的轴承健康监测被引量：3
- 2017年
- 排序模式分析方法通过相空间重构将一维振动时间序列映射到排序模式概率分布,来揭示序列内部结构的复杂性变化,为微弱信号特征提取提供了一种新视角。将排序模式分析和信息散度相结合,提出一种排序信息散度指标,用于对设备不同运行状态下的振动信号在高维相空间中排序模式概率分布的差异性进行量化分析,并用于轴承内圈不同损伤程度评估和轴承全寿命退化趋势分析。结果表明,与传统的时域统计指标及小波熵、近似熵、排序熵等非线性复杂度指标相比较,所提出的排序信息散度指标具有较好的故障程度量化分析性能,对轴承早期故障退化更加敏感,且稳定性好、计算效率高,利于工程实现。
- 江国乾谢平王霄何群李继猛
- 关键词：信息散度滚动轴承
- 基于EEMD与AR建模的风电场风速预测被引量：9
- 2015年
- 针对风速时间序列的非平稳性与非线性，提出一种基于集合经验模式分解（EEMD）与AR建模分析的风电场风速集成预测方法。首先运用EEMD对风速序列进行预处理，将其分解为一系列相对平稳的固有模态分量（IMF），突出原始风速序列的局部特征信息；然后利用AR建模对各分量进行预测分析，降低建模难度与预测成本；最后，将各分量的预测结果利用最小二乘法求得权值后进行集成得到风速序列的预测结果。风电场实测数据验证表明，相比单一的AR建模预测和基于EMD的AR集成预测，该方法有效地提高了预测的精度。
- 何群赵文爽江国乾谢平
- 关键词：计量学风速最小二乘法
- 同步压缩-交叉小波变换及滚动轴承故障特征增强被引量：8
- 2018年
- 为了更有效地对轴承故障进行监测和诊断,提出了一种基于同步压缩-交叉小波变换的滚动轴承故障特征增强方法。该方法首先将信号分成长度相等的两路信号,然后分别进行同步压缩小波变换,并将得到的同步压缩小波系数作为交叉小波变换的输入,进而获得交叉小波尺度谱,实现轴承故障特征频率的增强。将该方法应用于滚动轴承的故障诊断,与连续小波变换、交叉小波变换和同步压缩小波变换方法相比,所提方法可有效提取轴承在时频域内的细节特征,使轴承特征频率在时频域上的可读性增强,进而实现轴承故障的精确可靠诊断。
- 李继猛黄梦君谢平江国乾陈萌何群
- 关键词：计量学滚动轴承交叉小波故障诊断
- 基于样本熵的风力发电机早期故障检测被引量：6
- 2017年
- 针对发电机定子匝间短路和转子断条等早期故障特征具有幅值小、非稳态、易受工况影响等特点,引入样本熵算法实现风力发电机定子电流和电磁转矩信号特征提取,并模拟不同负载条件下故障信号,实现定量参数分析。分析结果表明,样本熵算法适用于在变工况及噪声干扰条件下,对短数据参量进行分析并实现故障特征定量描述,可用于风力发电机早期故障检测和实时在线监测。
- 谢平王一凡江国乾黄梦君何群
- 关键词：计量学风力发电机转子断条
- 基于相关主成分分析和极限学习机的风电机组主轴承状态监测研究被引量：24
- 2018年
- 提出了一种基于相关系数法和主成分分析法以及极限学习机相结合的主轴承状态监测方法。该方法利用相关系数法选取数据采集与监视控制系统中与主轴承温度相关的变量作为初始输入变量;再用主成分分析法对所选变量进行降维处理,以消除变量之间的相关性和冗余性;进一步利用极限学习机建立主轴承正常运行时的温度模型并用其进行温度预测;最后利用滑动窗和核密度估计方法对残差进行分析,并基于实测的数据进行主轴承故障模拟。结果表明,该方法可有效地实现主轴承潜在故障的预测。
- 何群王红江国乾谢平李继猛王腾超
- 关键词：计量学风电机组主轴承极限学习机
