温国强
- 作品数：5 被引量：14H指数：3
- 供职机构：青岛理工大学更多>>
- 发文基金：国家自然科学基金青岛市科技发展计划项目国家教育部博士点基金更多>>
- 相关领域：金属学及工艺机械工程更多>>
- 基于平均影响值与SVM的滚珠丝杠故障诊断技术
- 2014年
- 针对滚珠丝杠故障诊断中存在大量冗余信息的特点,引入平均影响值法对故障信号特征进行筛选。该法可剔除冗余特征,保留对诊断结果影响较大的特征作为支持向量机(SVM)的输入,然后借助支持向量机实现对输入参量的训练以及故障模式识别。经实验验证,实例中所建立的滚珠丝杠故障诊断模型,能在更大程度上缩短诊断时间,提高分类精度,具有较传统诊断模型更好的诊断效果。
- 温国强文妍谭继文
- 关键词：滚珠丝杠故障诊断
- 基于MIV与RBF神经网络的滚珠丝杠故障诊断被引量：1
- 2014年
- 滚珠丝杠故障特征值引入平均影响值(MIV)的特征值筛选方法,剔出冗余特征值,减少了特征向量数;设计了径向基(RBF)神经网络,并建立了基于MIV与RBF神经网络的滚珠丝杠故障识别模型。经试验,对"未筛选-BP"、"未筛选-RBF"和"MIV-RBF"三种诊断模型进行对比分析研究,结果表明:"MIV-RBF"训练步数少、收敛快、诊断精度高,是一种较为理想的滚珠丝杠故障诊断方法。
- 温国强文妍谭继文
- 关键词：滚珠丝杠RBF神经网络故障诊断
- 基于多信息源的滚动轴承故障诊断方法与实验研究
- 滚动轴承是旋转机械设备中的重要基础部件，也是导致机械设备运行故障的主要来源之一。因此，研究滚动轴承的故障诊断技术对于尽早识别出轴承的初期故障，并且作出及时的维护处理，进而提高相关机械设备运行性能与使用寿命，具有极为重要的...
- 温国强
- 关键词：滚动轴承多源信息融合粗糙集经验模态分解RBF神经网络
- 基于EMD与神经网络的滚珠丝杠故障诊断被引量：3
- 2013年
- 针对滚珠丝杠故障信号的非线性和非平稳性特征,引入经验模态分解(EMD)的信号处理方法。将复杂的原信号分解为有限个本征模函数(IMF),提取IMF分量的能量作为特征值,利用BP神经网络进行故障类型识别。经试验验证,采用该方法能达到滚珠丝杠故障识别的目的且具有较高的识别率。
- 温国强文妍谭继文
- 关键词：滚珠丝杠经验模态分解BP网络故障诊断
- 滚动轴承故障信号处理方法与诊断试验研究被引量：6
- 2014年
- 分析了滚动轴承故障振动信号的非线性、非平稳性特征,基于经验模态分解法(EMD)在处理此类信号中的优势,研究了滚动轴承故障信号的时频分析处理方法。通过EMD法将滚动轴承故障原始振动信号分解为多个平稳的IMF分量之和;选取前8个IMF能量值作为频域特征并结合时域特征构成故障振动信号特征集合,作为BP神经网络的输入;建立了滚动轴承故障诊断的BP神经网络模型,利用BP网络的自学习机制进行网络训练,得到了输入特征与故障模式之间的映射关系;通过对滚动轴承不同类别的故障诊断试验,验证了该方法的可行性。
- 徐卫晓谭继文温国强
- 关键词：滚动轴承经验模态分解故障诊断BP神经网络
