公共文化服务平台

国家教育部博士点基金(20103108110006): 作品数：17 被引量：115H指数：6; 相关作者：刘树林刘颖慧唐友福姜锐红张宏利更多>>; 相关机构：上海大学东北石油大学滁州学院更多>>; 发文基金：国家教育部博士点基金国家自然科学基金黑龙江省教育厅科学技术研究项目更多>>; 相关领域：自动化与计算机技术机械工程理学化学工程更多>>

往复压缩机气阀振动信号的二阶循环谱特征提取被引量：3: 2012年; 往复压缩机气阀振动信号具有典型的循环平稳性,循环平稳理论正是处理这类信号的有效工具,在研究二阶循环自相关及其傅里叶谱理论的基础上,对其主要特性进行了信号仿真研究,并将其应用到往复压缩机故障特征提取中,对2D12往复压缩机气阀在正常阀片和有缺口故障阀片两种状态下的实验数据进行了分析,结果表明二阶循环谱能够准确、有效地提取出往复压缩机气阀故障特征。; 雷娜唐友福赵亚男; 关键词：往复压缩机气阀特征提取

基于α稳定分布的往复压缩机故障诊断方法被引量：3: 2011年; 针对往复压缩机信号具有典型的非高斯脉冲特性,提出了一种基于α稳定分布模型的往复压缩机故障诊断方法。通过该方法估计了往复压缩机在气阀正常、阀片有缺口、阀片断裂和弹簧损坏4种状态下的信号分布参数,提取了估计参数下各状态的分数低阶统计量特征。结果表明:α稳定分布可以有效表征往复压缩机气阀信号状态,为其故障诊断提供了一种有效方法。; 唐友福刘树林刘颖慧姜锐红; 关键词：往复压缩机 Α稳定分布分数低阶统计量故障诊断

基于超环监测器的滚动轴承异常度监测方法被引量：2: 2012年; 滚动轴承是旋转机械的重要部件,如何快速高效地监测滚动轴承的异常程度一直是旋转机械故障诊断的难点问题。针对人工免疫系统的智能机理,依据滚动轴承正常运行数据,提出了多级超环监测器的概念,继而提出了基于超环监测器的滚动轴承异常度监测方法及实现算法。通过滚动轴承试验数据检验,结果表明:所提出的方法能够较好地分辨出滚动轴承的正常状态、异常状态及异常程度,较好地解决了滚动轴承异常监测问题。; 李余珍刘树林刘颖慧张宏利; 关键词：滚动轴承免疫系统

基于快速谱峭度图的EEMD内禀模态分量选取方法被引量：20: 2015年; 针对在总体平均经验模式分解(ensemble empirical mode decomposition,简称EEMD)的多个内禀模态分量(intrinsic mode function,简称IMF)中,如何选取出反应故障特征的敏感IMF的问题,提出一种基于快速谱峭度图的敏感IMF选取方法。由EEMD分解获得的一组无模式混淆的IMF,计算原信号及各个IMF的快速谱峭度图,选择每个快速谱峭度图中谱峭度最大值所处的频带作为参考频带,比较各个IMF的参考频带与原信号谱峭度最大值所处频带之间的从属关系,筛选出反应故障特征的敏感IMF,为后续故障诊断提供特征信息。将该方法应用于模拟仿真信号及滚动轴承滚动体故障信号,验证了方法的有效性。; 蒋超刘树林姜锐红王波; 关键词：冲击信号故障诊断

基于非线性复杂测度的往复压缩机故障诊断被引量：27: 2012年; 往复压缩机以多源非线性冲击振动信号为主,应用传统方法难以从振动信号中提取故障特征,为此提出一种基于非线性复杂测度的往复压缩机故障诊断方法。以气阀正常、阀片有缺口、阀片断裂及弹簧损坏4种状态下往复压缩机气阀振动信号为分析数据,在小波阈值降噪处理的基础上,采用均值符号化方法计算信号的归一化Lempel-Ziv复杂度(Lempel-Zivcomplexity,LZC)指标,分别给出各状态相应的LZC特征区间,利用BP人工神经网络对各状态信号的有效值特征、功率谱能量特征及LZC特征分别进行训练和测试,结果表明LZC更能准确区分不同状态的往复压缩机气阀故障,为往复压缩机故障诊断和维修决策提供了一种有效方法。; 唐友福刘树林刘颖慧姜锐红; 关键词：复杂度往复压缩机故障诊断人工神经网络

基于斜率关联度的模式识别方法及滚动轴承故障诊断应用被引量：4: 2012年; 模式识别的首要问题是特征提取,在特征提取过程中,是否可以找到有效区分不同模式的特征,对模式识别的准确率有至关重要的影响。特征向量在高维可视化过程中,每一类都有自己固有的几何形态,在原有特征的基础上,可以进一步从斜率的角度反映每一类的形状,为此提出一种基于斜率关联度的模式识别方法,利用UCI机器学习数据库中的Iris数据集进行了模式识别效果分析,得到了较高的识别准确率。将基于斜率关联度的模式识别方法应用于滚动轴承故障诊断,同样得到了较理想的故障诊断效果。; 刘颖慧刘树林唐友福姜锐红; 关键词：模式识别滚动轴承故障诊断

基于自适应超环检测器的设备异常度检测方法被引量：6: 2014年; 针对在无故障样本情况下如何快速检测设备异常度问题,在引入自己空间边界样本概念的基础上,提出一种自适应超环检测器。在描述自适应超环检测器生成算法的基础上,以Iris数据集为例进行分析,发现与已有的异常检测方法相比,自适应超环检测器异常检测方法在区分有较清晰类边界数据时,具有更好检测性能。利用自适应超环检测器异常检测方法分析轴承状态数据,不仅能反映出轴承的各种状态,而且能通过设备的异常程度反映出同类故障的轻重程度。基于自适应超环检测器的设备异常度检测方法,是在学习设备正常运行数据的基础上,寻找自己空间的边界样本,结合其方位信息与自己样本半径,建立能完全覆盖状态空间的自适应超环检测器,不需要设备运行的故障数据,它适合对故障数据缺乏的设备进行有效的异常检测。; 李栋刘树林刘颖慧张宏利; 关键词：异常检测轴承

Correlation between detrended fluctuation analysis and the Lempel-Ziv complexity in nonlinear time series analysis被引量：1: 2013年; We study the correlation between detrended fluctuation analysis（DFA） and the Lempel-Ziv complexity（LZC） in nonlinear time series analysis in this paper.Typical dynamic systems including a logistic map and a Duffing model are investigated.Moreover,the influence of Gaussian random noise on both the DFA and LZC are analyzed.The results show a high correlation between the DFA and LZC,which can quantify the non-stationarity and the nonlinearity of the time series,respectively.With the enhancement of the random component,the exponent α and the normalized complexity index C show increasing trends.In addition,C is found to be more sensitive to the fluctuation in the nonlinear time series than α.Finally,the correlation between the DFA and LZC is applied to the extraction of vibration signals for a reciprocating compressor gas valve,and an effective fault diagnosis result is obtained.; 唐友福刘树林姜锐红刘颖慧

相关向量机及其在机械故障诊断中的应用研究进展被引量：18: 2015年; 相关向量机是一种基于贝叶斯稀疏理论的新型机器学习算法,近年来被应用于多个行业,并得到了国内外学者的不断关注和研究,然而在机械故障诊断领域还未得到足够的重视。简述了相关向量机的特点,通过与支持向量机相比较,阐述了相关向量机的优缺点,综述和分析了近年来相关向量机的国内外研究现状,重点关注相关向量机在机械设备状态监测与故障诊断领域的研究进展。在此基础上,分析了相关向量机研究所存在的一些问题,并展望了相关向量机在机械故障诊断领域应用的未来方向。; 王波刘树林张宏利蒋超; 关键词：故障诊断相关向量机智能诊断

基于量子遗传算法优化RVM的滚动轴承智能故障诊断被引量：19: 2015年; 提出了基于量子遗传算法(QGA)优化相关向量机(RVM)核函数参数的方法,通过仿真比较了量子遗传算法与其它方法在核函数参数优化方面的性能,结果表明基于量子遗传算法优化出的算法性能优于其它方法的优化性能。将基于量子遗传算法优化的相关向量机(QGA-RVM)应用于滚动轴承的故障诊断;采用总体平均经验模态分解(EEMD)将滚动轴承故障信号自适应地分解成多个内禀模态函数(IMF),将IMF能量作为故障特征输入到QGA-RVM进行最终的故障诊断。结果表明,该方法能够快速准确地诊断出滚动轴承故障,验证了该方法的有效性和稳定性;此外,通过与支持向量机(SVM)的对比分析,显示了RVM在智能故障诊断应用中的优越性。; 王波刘树林蒋超张宏利; 关键词：量子遗传算法故障诊断相关向量机

国家教育部博士点基金(20103108110006)

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

国家教育部博士点基金(20103108110006)

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈