欧璐
- 作品数：5 被引量：61H指数：3
- 供职机构：湖南大学机械与运载工程学院汽车车身先进设计制造国家重点实验室更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：电子电信机械工程理学更多>>
- 路图傅里叶变换及其在滚动轴承故障诊断中的应用被引量：20
- 2015年
- 图信号处理(Graph signal processing,GSP)是由谱图理论发展起来的新研究领域。图傅里叶变换(Graph Fourier transformation,GFT)是图信号关于图拉普拉斯矩阵特征函数的展开,也是GSP的基础。对路图的GFT进行分析,发现GFT得到的特征值谱与经典的傅里叶变换(Fourier transformation,FT)频谱有一一对应关系,同时,特征值谱的幅值与特征矢量也有对应关系。将GFT引入滚动轴承故障诊断,提出基于GFT特征提取和K-均值聚类的滚动轴承故障诊断方法。该方法先用GFT将滚动轴承的路图信号变换到特征值谱域;再计算特征值谱的统计量作为故障特征;最后运用K-均值聚类分类器识别滚动轴承的故障类型。对实际轴承振动信号的分析结果表明,基于GFT和K-均值聚类的故障诊断方法能准确有效地识别滚动轴承故障。
- 欧璐于德介
- 关键词：路图K-均值聚类滚动轴承故障诊断
- 基于监督拉普拉斯分值和主元分析的滚动轴承故障诊断被引量：24
- 2014年
- 在拉普拉斯分值(Laplaian score,LS)方法的基础上,提出一种监督拉普拉斯分值(Supervised laplaian score,SLS)特征选择方法。该方法同时考虑数据的标号信息和局部几何结构,避免LS方法中要设定近邻图参数的问题。将SLS和主元分析(Principal component analysis,PCA)相结合,提出基于SLS和PCA的滚动轴承故障诊断方法。该方法在时域和频域对滚动轴承振动信号进行特征提取,组成初始特征矢量;利用SLS进行特征选择,形成故障特征矢量;再对特征矩阵进行PCA降维处理,并用K近邻(K-nearest neighbor algorithm,KNN)分类算法实现滚动轴承不同故障类型的识别。应用实例表明,该方法能有效提取滚动轴承振动信号特征,诊断滚动轴承故障,且故障分辨率优于基于LS和PCA的故障诊断方法。
- 欧璐于德介
- 关键词：主元分析故障诊断
- 拉普拉斯特征向量相关谱及其在滚动轴承故障诊断中的应用被引量：3
- 2014年
- 为了将谱方法的模式识别能力应用于机械故障诊断领域,提出了拉普拉斯特征向量相关谱,并应用于滚动轴承故障诊断。拉普拉斯特征向量相关谱定义为拉普拉斯矩阵特征向量之间夹角余弦的绝对值,由特征集的拉普拉斯矩阵进行标准正交分解后得到,具有计算过程简单、运算速度快等特点。基于拉普拉斯特征向量相关谱的滚动轴承故障诊断方法首先在时域、频域和能量熵域对滚动轴承振动信号进行特征提取,组成特征集;然后对特征集的拉普拉斯矩阵进行标准正交分解,计算拉普拉斯特征向量相关谱;最后通过相关谱矩阵实现滚动轴承不同故障类型的识别。应用实例表明,该方法能有效识别滚动轴承故障。
- 欧璐于德介王翠亭
- 关键词：故障诊断特征提取
- 关于m2(3,q)的上界
- 2014年
- 令m′2(3,q)是使得PG(3,q)中一个完全k-cap集存在的所有k值中第二大的那个值.本文研究了有限射影空间PG(3,q)中m′2(3,q)的上界值,改进了一些定理的结果.
- 欧璐曹金明
- 关键词：切线
- 基于拉普拉斯分值和模糊C均值聚类的滚动轴承故障诊断被引量：17
- 2014年
- 针对滚动轴承故障振动信号的非平稳特征和故障征兆的模糊性,提出了基于拉普拉斯分值和模糊C均值(FCM)聚类的滚动轴承故障诊断方法。该方法首先在时域和频域对滚动轴承振动信号进行特征提取,组成初始特征向量;然后利用拉普拉斯分值进行特征选择,形成故障特征向量;最后以FCM聚类为故障分类器,实现滚动轴承不同故障类型的识别。应用实例和对比实验表明,该方法能有效提取滚动轴承振动信号特征,诊断滚动轴承故障。
- 欧璐于德介
- 关键词：滚动轴承模糊C均值聚类故障诊断
