您的位置: 专家智库 > >

湖北省教育厅科学技术研究项目(Q20100003)

作品数:2 被引量:14H指数:1
相关作者:肖涵李友荣吕勇余成义刘安中更多>>
相关机构:武汉科技大学更多>>
发文基金:湖北省教育厅科学技术研究项目国家自然科学基金国家教育部博士点基金更多>>
相关领域:理学机械工程自动化与计算机技术更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 1篇机械工程
  • 1篇自动化与计算...
  • 1篇理学

主题

  • 1篇自适
  • 1篇自适应
  • 1篇混合模型
  • 1篇降噪
  • 1篇故障识别
  • 1篇故障诊断
  • 1篇高斯
  • 1篇高斯混合
  • 1篇高斯混合模型
  • 1篇齿轮

机构

  • 2篇武汉科技大学

作者

  • 2篇李友荣
  • 2篇肖涵
  • 1篇吕勇
  • 1篇刘安中
  • 1篇余成义

传媒

  • 1篇振动工程学报
  • 1篇振动与冲击

年份

  • 1篇2012
  • 1篇2011
2 条 记 录,以下是 1-2
排序方式:
自适应局部独立分量分析
2012年
提出一种自适应局部独立分量分析降噪算法。该算法先将一维时间序列重构到高维相空间,用聚集模糊K均值聚类和聚类评价函数求取高维数据集的聚类个数和聚类中心位置,然后利用K均值聚类寻找局部投影区间,对每个聚类进行独立分量分析并投影到低维空间,将低维空间数据排列并重构成一维时间序列。与使用聚类的局部独立分量分析相比,该算法具有自适应性和稳定性。使用数值仿真试验和齿轮故障信号对该算法进行验证,结果表明该算法对此类信号具有良好的降噪效果。
余成义肖涵刘安中李友荣
关键词:降噪故障诊断
基于递归定量分析与高斯混合模型的齿轮故障识别被引量:14
2011年
针对递归图只能对信号进行定性分析,不利于其深入应用的缺点,应用递归定量分析方法对各种故障模式振动信号进行定量分析。采用确定率和层流率组成齿轮故障识别的特征向量,并结合高斯混合模型实现齿轮故障模式识别。以齿轮故障实验台上所测取的实验数据为对象,分别采用Re-substitution检验法,Jackknife检验法和Inde-pendent dataset检验法对提出的方法和RBF人工神经网络分类算法进行检验。结果表明,递归定量分析与高斯混合模型相结合应用于齿轮故障模式识别具有更高的识别率。
肖涵李友荣吕勇
关键词:高斯混合模型故障识别
共1页<1>
聚类工具0