李健宝
- 作品数：10 被引量：51H指数：4
- 供职机构：湖南工业大学电气与信息工程学院更多>>
- 发文基金：国家自然科学基金中国博士后科学基金湖南省科技厅科技计划项目更多>>
- 相关领域：自动化与计算机技术机械工程更多>>
- 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
- 基于AR模型和KFDA的滚动轴承故障诊断
- 提出了基于时间序列参数模型和核Fisher判别分析(KFDA)的滚动轴承故障诊断方法.该方法首先通过自相关算法对轴承振动信号建立自回归(AR)模型,将自回归模型的参数作为特征向量并映射到高维核空间.然后在高维核空间中进行...
- 李健宝彭涛
- 关键词：模式识别自回归模型滚动轴承
- 文献传递
- 基于AR模型和KFDA的滚动轴承故障诊断
- 2009年
- 提出了基于时间序列参数模型和核Fisher判别分析(KFDA)的滚动轴承故障诊断方法.该方法首先通过自相关算法对轴承振动信号建立自回归(AR)模型,将自回归模型的参数作为特征向量并映射到高维核空间.然后在高维核空间中进行Fisher判别分析,求出Fisher判别分析的最优投影向量以及各类状态的Fisher判别值.最后获取未知状态轴承的高维核空间特征向量,求出其在最优投影向量上的投影值,通过与判别值进行距离判别来识别轴承所处的状态.实验结果验证了所用方法的有效性.
- 李健宝彭涛
- 关键词：模式识别自回归模型滚动轴承
- 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
- 基于非平稳信号处理的滚动轴承智能故障诊断方法研究
- 滚动轴承是旋转机械中使用最为广泛和最易受损的零部件之一，其工作状态直接影响到整个机械系统的性能，对其进行故障诊断具有重要的实际意义。 基于振动信号分析的滚动轴承故障诊断方法是国内外使用最多、也是最有效的方法之一。然而滚...
- 李健宝
- 关键词：滚动轴承故障诊断特征提取
- 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智能故障诊断滚动轴承
- 文献传递
- 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
