您的位置： 专家智库 > >

李状

作品数：9 被引量：44H指数：4
供职机构：华北电力大学更多>>
发文基金：中央高校基本科研业务费专项资金国家自然科学基金更多>>
相关领域：机械工程电气工程电子电信更多>>

合作作者

文献类型

  • 5篇期刊文章
  • 2篇专利
  • 1篇学位论文
  • 1篇会议论文

领域

  • 6篇机械工程
  • 2篇电气工程
  • 1篇电子电信

主题

  • 6篇电机
  • 6篇齿轮
  • 5篇故障诊断
  • 4篇聚类
  • 4篇风电
  • 4篇风电机
  • 4篇风电机组
  • 4篇齿轮箱
  • 2篇压电加速度传...
  • 2篇直驱风力发电
  • 2篇直驱式风力发...
  • 2篇神经网
  • 2篇神经网络
  • 2篇试验台
  • 2篇速度传感器
  • 2篇无监督学习
  • 2篇模糊核
  • 2篇模糊核聚类
  • 2篇模拟试验台
  • 2篇均值聚类

机构

  • 9篇华北电力大学
  • 1篇北京华能新锐...

作者

  • 9篇李状
  • 8篇柳亦兵
  • 3篇姜锐
  • 3篇马志勇
  • 3篇滕伟
  • 2篇滕伟
  • 1篇周雁冰
  • 1篇辛卫东
  • 1篇胡亮
  • 1篇林杨

传媒

  • 2篇中国机械工程
  • 1篇振动．测试与...
  • 1篇机械设计与制...
  • 1篇动力工程学报

年份

  • 1篇2019
  • 1篇2017
  • 1篇2016
  • 4篇2015
  • 1篇2013
  • 1篇2012
共 9 条 记 录，以下是 1-9
全选 清除 导出
排序方式：
直驱风力发电机模拟试验台与状态监测装置
本发明属于可再生能源装备状态监测与故障诊断领域，具体涉及一种直驱式风力发电机模拟试验台与状态监测装置。本发明旨在研究直驱式风力发电机的运行特点与故障机理，分析振动信号和电信号与风力发电机运行故障的表征关系。异步电动机经齿...
滕伟姜锐李状柳亦兵
文献传递
基于粒子群优化KFCM的风电齿轮箱故障诊断被引量：19
2017年
针对基于有监督学习的方法无法识别未知类别故障,提出了一种基于粒子群优化模糊核聚类(kernel fuzzy c-means clustering,简称KFCM)的风电机组齿轮箱故障诊断方法。首先,建立以训练样本分类错误率为目标的聚类模型,利用KFCM对训练样本进行分类;然后,以初始聚类中心和核函数参数作为优化变量,利用粒子群优化算法求解聚类模型,获得最优分类结果下每个类的类心;最后,根据新样本与各类心之间的核空间样本相似度判断新样本属于已知故障或者未知故障。以某风电机组齿轮箱为例,对提出方法的有效性进行试验验证。结果表明,与传统基于有监督学习的神经网络方法相比,该方法能有效诊断已知和未知类别的故障。
李状柳亦兵滕伟林杨
关键词：模糊核聚类粒子群优化算法齿轮箱故障诊断
直驱风力发电机模拟试验台与状态监测装置
本发明属于可再生能源装备状态监测与故障诊断领域，具体涉及一种直驱式风力发电机模拟试验台与状态监测装置。本发明旨在研究直驱式风力发电机的运行特点与故障机理，分析振动信号和电信号与风力发电机运行故障的表征关系。异步电动机经齿...
滕伟姜锐李状柳亦兵
基于无监督学习的风电机组传动链智能故障诊断方法研究
对风电机组进行有效的状态监测与故障诊断，清晰掌握风电机组的运行状态，对保障风电机组的安全可靠运行，减少风电投资商的损失，优化机组检修维护计划，降低风电运行维护成本具有重要意义。我国风电行业迅猛发展，风电装机容量高速增长的...
李状
关键词：风电机组传动链故障诊断无监督学习
基于双谱熵的齿轮裂纹故障特征提取被引量：4
2013年
针对裂纹故障导致齿轮振动信号非高斯性变化这一特点,提出采用双谱熵对信号非高斯成分在双频域内的分布形态进行定量描述,并据此提取故障信息,得到裂纹产生期、扩展期的特征趋势。结果表明,双谱熵不基于信号能量信息,受非故障因素影响小,而且能有效抑制高斯噪声,同时又对微弱故障十分敏感。研究结果为后续故障诊断与趋势预测提供了新的有效方法。
周雁冰柳亦兵李宏滕伟李状
关键词：齿轮
结合C-均值聚类的自适应共振神经网络在风电机组齿轮箱故障诊断中的应用被引量：8
2015年
提出了一种结合C-均值聚类的自适应共振(Adaptive Resonance Theory 2,ART2)神经网络无监督学习分类方法,用于风电机组齿轮箱设备群的故障诊断.利用某风电场齿轮箱运行数据,采用ART2神经网络对样本数据进行初步分类,再采用C-均值聚类算法对神经网络分类结果进行修正,得到最终诊断结果,并与ART2神经网络分类结果进行了比较.结果表明:所提出的方法解决了原始神经网络算法存在"硬竞争"导致分类精度下降的问题,准确度高于传统的ART2神经网络,可以准确识别出故障齿轮箱.
李状柳亦兵马志勇滕伟
关键词：自适应共振神经网络C-均值聚类无监督学习故障诊断
风电机组齿轮箱故障分类方法研究被引量：9
2015年
风电机组齿轮箱的运行工况复杂多变,很难获取大量的所有已知故障的样本数据,为了能够实现在无已知样本数据条件下的故障分类,提出了一种基于ART2神经网络和C-均值聚类算法的风电机组齿轮箱故障分类方法。首先利用ART2无监督神经网络实现样本数据的初步分类,再利用C-均值聚类算法对分类结果进行修正,克服了由于原始神经网络算法存在"硬竞争"导致分类精度下降的问题。分析结果表明提出的方法具有更高的分类准确度,能够对健康和不同故障类型的风电机组齿轮箱进行准确分类识别。
李状马志勇姜锐柳亦兵
关键词：风电机组齿轮箱ART2神经网络C-均值聚类无监督分类故障诊断
基于模糊核聚类和引力搜索的风电齿轮箱故障诊断被引量：3
2015年
为了诊断风电齿轮箱已知类别和未知类别的故障,提出了基于模糊核聚类和引力搜索的故障诊断方法。首先建立以训练样本分类错误率为目标的聚类模型,利用模糊核聚类对训练样本进行分类;然后利用引力搜索算法求解聚类模型,获得最优分类结果下每个类的类心;最后根据新样本与各类心之间的核空间样本相似度判断属于已知故障或者未知故障。结果表明,该方法准确度高,可有效用于风电齿轮箱故障诊断。
李状马志勇胡亮柳亦兵
关键词：模糊核聚类故障诊断
齿轮轴存在安装角度偏差的振动信号时频特征分析
齿轮箱振动信号的影响因素非常复杂,研究不同类型故障的特征对于齿轮故障的精细诊断非常重要。本文对啮合齿轮轴存在相对轴向角度偏差的振动信号特征进行了分析研究,通过试验,获取的正常状态和不同轴偏移角度状态下的齿轮箱振动信号,对...
辛卫东柳亦兵李状
关键词：齿轮时频分析短时傅里叶变换
文献传递
全选 清除 导出
共1页<1>
聚类工具0