公共文化服务平台

改进的EMD方法及其在滚动轴承故障诊断中的应用被引量：6: 2009年; 针对经验模态分解中筛选终止条件和极值点的选择问题,定义了基于能量比值的筛选终止条件,采用抛物线插值拟合的方法,改进了确定极值点的位置和极值大小的方法,对仿真信号进行分解的结果显示了所提方法的优越性,最后将改进的经验模态分解方法与Hilbert谱结合应用于滚动轴承故障诊断,实验结果显示该方法的有效性。; 李健宝彭涛; 关键词：经验模态分解 HILBERT变换故障诊断滚动轴承

基于贝叶斯推断LSSVM的滚动轴承故障诊断被引量：20: 2010年; 针对传统最小二乘支持向量机分类器的参数选择具有随意性和不确定性等不足,采用贝叶斯推断方法通过三级分层推断优化确定最小二乘支持向量机的各参数,有效提高了最小二乘支持向量机的建模效率.将基于贝叶斯推断最小二乘支持向量机分类方法应用于滚动轴承故障诊断中,实验仿真结果表明该方法能有效地识别滚动轴承的故障,且训练时间和测试时间均小于传统最小二乘支持向量机方法。; 杨正友彭涛李健宝钟云飞; 关键词：滚动轴承故障诊断最小二乘支持向量机贝叶斯推断

基于时变自回归参数模型的滚动轴承智能故障诊断被引量：4: 2010年; 轴承运行时的振动信号是典型的非线性非平稳时间序列,对其建立时变自回归参数模型,可以较好地表征轴承振动的非平稳特征。在对轴承振动信号时变自回归模型的时变参数进行大量实验分析研究的基础上,提取均值作为表征轴承运行状态的特征参数,并输入支持向量机分类器进行故障识别与分类,实现滚动轴承的智能故障诊断。实验结果表明,该故障诊断方法可以有效准确地识别滚动轴承的运行状态。; 李健宝彭涛; 关键词：故障诊断特征提取滚动轴承

Weibull Distribution Parameters for Fault Feature Extraction of Rolling Bearing: A novel approach to fault feature extraction using Weibull distribution parameters is proposed.After the origi...; PENG Tao is with the School of Information Science and Engineering,Changsha,410083 China.Also,she is with the College of Automatic Control,Beijing Institute of Technology,Beijing,100081 China.JIANG Haiyan is with the College of Electrical Engineering,Hunan University of Technology,Zhuzhou,412008 China .XIE Yong is with the College of Electrical Engineering,Hunan University of Technology,Zhuzhou,412008 China .; 文献传递

基于时变自回归模型阶次判定值的滚动轴承特征提取被引量：4: 2012年; 针对滚动轴承振动信号的非平稳性,提出了一种基于时变自回归模型阶数判定值的特征提取方法。通过用时变自回归模型定阶过程中的判定值构建特征量,并以支持向量机的分类识别率为依据选择最佳的特征向量维数,输入支持向量机进行滚动轴承运行状态的识别。仿真实验表明,所提方法能够有效地提取滚动轴承的故障信息进而实现其故障诊断。; 魏巍彭涛; 关键词：特征提取滚动轴承故障诊断

基于核主元分析的滚动轴承故障混合域特征提取方法被引量：15: 2011年; 为有效利用时域、频域、时-频域中各类具有显著类别差异信息的非平稳统计特征,提高滚动轴承状态监测和故障诊断的性能和效率,提出一种基于核主元分析的混合域特征提取方法。通过对原始信号分别生成时域、频域状态特征,并利用多分辨率小波分解生成时-频域状态特征,构建出144个表征原始振动信号特征的混合域特征集。采用核主元分析方法对其中能敏感地反映故障特性的特征进行二次非线性特征提取,按累计贡献率大于90%的标准,选取前11个核主元作为主要特征量,将其输入支持向量机分类器进行状态识别。仿真结果表明:混合域特征集比单个特征、单域特征能更全面准确地反映故障特性,核主元分析方法能有效降低输入特征维数,并确保输出特征具有较高的反映轴承运行状态的敏感性和适于模式识别的可分性;与通常使用的基于小波分解的特征提取方法相比,本文方法能更加准确有效地提取不同运行条件下滚动轴承不同类型不同程度的故障特征。; 彭涛杨慧斌李健宝姜海燕魏巍; 关键词：混合域特征提取核主元分析故障检测轴承

基于EMD与相关性分析的滚动轴承智能故障诊断: 提出一种结合经验模态分解与相关性分析的特征提取新方法。对滚动轴承的振动信号进行经验模态分解后得到一系列内禀模态函数分量,在对各内禀模态函数分量与被分解的振动信号进行大量的相关性研究分析的基础上,发现不同状态下各内禀模态函...; 李健宝彭涛; 关键词：经验模态分解支持向量机故障诊断滚动轴承; 文献传递

基于小波包参数模型的滚动轴承智能故障诊断被引量：6: 2012年; 针对平稳自回归模型无法准确描述滚动轴承振动信号的非平稳性,提出一种结合小波包分解与自回归模型的故障特征提取方法,以提取能准确反映轴承运行状态的特征向量。首先,通过小波包变换对滚动轴承运行时产生的非平稳振动信号进行分解,得到一系列刻画原始信号特征的系数;然后,利用自相关算法对各系数建立自回归模型,并将自回归模型的参数作为特征向量;最后,采用支持向量机分类器对提取的特征向量进行故障分类,从而实现滚动轴承的智能故障诊断。仿真结果表明该方法的有效性。; 李健宝彭涛; 关键词：故障诊断小波包自回归模型支持向量机滚动轴承

基于威布尔分布和支持向量机的滚动轴承故障诊断方法被引量：3: 2010年; 提出了一种基于威布尔分布模型和支持向量机的滚动轴承故障诊断方法。首先对滚动轴承原始振动信号建立威布尔分布模型,提取其形态参数和尺度参数构建表征轴承运行状态的特征向量,然后将提取的特征向量输入支持向量机分类器进行故障诊断和识别。分别与基于小波分解和小波包分解特征提取的支持向量机诊断方法进行滚动轴承故障试验仿真比较,结果表明,基于威布尔分布模型特征提取的支持向量机诊断方法具有更高的故障识别准确率。; 姜海燕彭涛; 关键词：特征提取支持向量机滚动轴承故障诊断

基于小波域对数正态模型的滚动轴承故障诊断被引量：4: 2012年; 针对小波分析无法全面准确描述滚动轴承振动信号的非高斯问题,提出一种结合小波变换与对数正态分布模型的故障特征提取方法,以提取能准确反映滚动轴承运行状态的特征信息。首先,通过小波变换对滚动轴承运行时产生的非平稳、非高斯振动信号进行分解重构,得到不同尺度下的重构信号;然后对重构信号建立对数正态分布模型,提取模型的对数均值和对数标准差作为表征滚动轴承运行状态的统计特征;最后采用支持向量机分类器对提取的特征进行故障分类与识别。实验结果表明,该方法可以有效、准确地识别滚动轴承的运行状态。; 姜海燕彭涛; 关键词：小波变换特征提取滚动轴承

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

中国博士后科学基金(20070410462)