湖南省自然科学基金(09JJ8005)
- 作品数：7 被引量：108H指数：5
- 相关作者：李学军蒋玲莉杨大炼刘义伦陈安华更多>>
- 相关机构：湖南科技大学中南大学湘潭电机股份有限公司更多>>
- 发文基金：湖南省自然科学基金国家自然科学基金湖南省高校科技创新团队支持计划更多>>
- 相关领域：机械工程自动化与计算机技术理学更多>>
- 基于基座多传感核主元分析的故障诊断被引量：5
- 2011年
- 传统振动测试中传感器一般安装在靠近振源位置,此类方式采集的振动信号的故障特征相对明显,但实际应用中常存在传感器安装不便的矛盾。本文提出基于基座的故障诊断方法,以多个传感器采集的基座上的微弱故障特征信号为原始信号,通过核主元分析(kernel principal component analysis,KPCA)进行信息融合,利用支持向量机(support vector machine,SVM)进行模式识别。文章还探析了核参数选取对KPCA性能的影响,最后实例验证了基于基座故障诊断方法的可行性。
- 李学军杨大炼郭灯塔蒋玲莉
- 关键词：核主元分析故障诊断信息融合支持向量机
- 基于双谱分布区域的齿轮聚类分析与故障诊断被引量：13
- 2011年
- 齿轮(尤其是故障齿轮)振动信号具有明显的非高斯性,双谱是分析非高斯信号的有效方法。齿轮不同故障模式振动信号双谱分析表明齿轮双谱分布区域与故障模式间存在映射关系,可作为分类特征。采用阈值化的双谱二值图作为特征向量,基于目标函数的聚类法实现分类与故障诊断。聚类过程以训练样本双谱二值图的逻辑与运算表征类间分布共性,逻辑或运算表征类间分布范围,构成类模板,测试样本与类模板距离最小值构造最近邻模板分类器,实现聚类,整个过程只是计算1的个数,简单、实用。齿轮故障诊断实例验证了该方法的有效性。
- 李学军蒋玲莉杨大炼王可
- 关键词：故障诊断齿轮双谱聚类分析
- 基于Schur正交的局部Fisher判别转子故障诊断被引量：3
- 2011年
- 为更好识别转子系统故障,将正交思想引入到局部Fisher判别分析(LFDA)中,提出了一种基于Schur正交的局部Fisher判别(SOLFD)监督流形学习算法。算法以转子故障训练样本为监督信息,通过局部加权邻接矩阵重新定义类内散度和类间散度,构建局部Fisher判别函数。以判别函数值最大化为目标,通过Schur正交分解方式求解最优正交投影向量。将新增测试数据投影到该向量上,获取新数据故障类别信息。转子故障诊断实验表明,相对其他流形学习算法,SOLFD算法有更好的诊断效果。
- 王广斌李学军黄良沛
- 关键词：故障诊断
- EMD模糊聚类法及在滚动轴承故障诊断中的应用被引量：8
- 2011年
- 轴承故障是导致旋转机械失效的重要原因,故障诊断对保障轴承正常运行至关重要。文中提出经验模态分解(empirical mode decomposition,EMD)和模糊聚类相结合的滚动轴承故障诊断方法,以经验模态分解所得内禀模态函数能量值作为特征向量建立模糊关系矩阵,基于欧氏距离建立模糊相似矩阵,基于传递闭包法建立模糊等价矩阵,利用λ截矩阵实现聚类分析与模式识别。实例验证该方法可对不同故障状态的滚动轴承准确分类,实现故障诊断,诊断过程简单、准确、有效,具有一定的实用价值。
- 蒋玲莉刘义伦李学军陈安华
- 关键词：滚动轴承模糊聚类
- 小波包去噪与改进HHT的微弱信号特征提取被引量：29
- 2010年
- 为提取机械设备早期故障微弱信号特征频率,在对信号进行小波包降噪后,利用改进Hilbert-Huang变换(Hilbert-Huang transform,简称HHT)进行特征提取,通过经验模态分解(empirical mode decomposition,简称EMD)得到若干个固有模态函数(intrinsic mode function,简称IMF)后,利用IMF与EMD分解前信号的相关系数作为判断标准,剔除分解中产生的多余低频IMF,选取有效IMF集进行边际谱分析。改进HHT不仅可消除多余IMF的影响,还可节省Matlab计算内存,提高运算速度。
- 蒋玲莉刘义伦李学军杨大炼
- 关键词：特征提取故障诊断
- 一种细菌觅食算法的改进及其应用被引量：24
- 2012年
- 针对原有细菌觅食算法收敛速度慢、计算量大的问题,首先通过改进细菌种群大小、细菌运动步长、引进迭代终止条件改进原有细菌觅食算法,然后将其应用到支持向量机的参数优化上。实验以Iris标准测试数据集为依托,以高斯核支持向量机中核参数γ和惩罚因子C为优化对象,分析了遗传算法、粒子群算法、原有的和改进后的细菌觅食算法的寻优性能,验证了将改进后的细菌觅食算法应用到支持向量机参数选择上具有优越性。
- 杨大炼李学军蒋玲莉
- 关键词：参数优化遗传算法
- 基于SVM与多振动信息融合的齿轮故障诊断被引量：30
- 2010年
- 针对齿轮振动信号故障特征微弱以及单个传感器故障诊断可靠性与准确性低等问题,采用多传感器信息融合方法,利用支持向量机(SVM)对8路齿轮振动信号进行特征级融合,实现故障诊断。研究结果表明:基于多个传感器单个特征量信息融合的齿轮故障诊断率比常规的基于单个传感的多个特征量的诊断准确率更高,诊断结果更可靠;峰值因子对齿轮故障最敏感,以峰值因子为特征量的多传感器信息融合,诊断准确率达93.33%。
- 蒋玲莉刘义伦李学军陈安华
- 关键词：信息融合SVM故障诊断齿轮
