李善
- 作品数：11 被引量：49H指数：5
- 供职机构：青岛理工大学机械工程学院更多>>
- 发文基金：国家教育部博士点基金国家自然科学基金青岛市科技发展计划项目更多>>
- 相关领域：机械工程金属学及工艺更多>>
- 基于多传感器信息融合的滚动轴承故障诊断研究被引量：15
- 2016年
- 由于单一传感器所包含的故障信息不能全面地反映滚动轴承的故障状态,提出了一种基于多传感器信息融合的滚动轴承故障诊断方法。首先,利用不同位置的加速度传感器采集滚动轴承故障振动信号,经集成经验模态分解(EEMD)后,前8个固有模态分量(IMF)的能量值作为分类器支持向量机(SVM)的输入故障特征参量;其次,利用故障特征参量训练分类器SVM,并对测试样本进行分类,实现故障的初步分离;然后,根据混淆矩阵获得各分类器的全局可信度和局部可信度,并与各测试样本的后验概率输出结合实现DS证据理论中基本概率分配函数的赋值;最后,利用DS证据理论实现融合以获得最终诊断结果。试验结果表明:提出的方法可有效融合不同传感器的故障信息,最大限度地避免误诊现象。
- 俞昆谭继文李善
- 关键词：滚动轴承支持向量机DS证据理论信息融合
- 基于多源信息融合的数控机床进给系统复合故障诊断研究
- 数控机床是现代工业生产中最常用、最典型的机电一体化设备，进给系统作为数控机床中的重要环节，其性能参数和进给效率直接影响数控机床的加工精度和生产质量。滚动轴承和滚珠丝杠副是进给系统中的两大主要部件，分别起到支撑和传动的作用...
- 李善
- 关键词：数控机床进给系统性能检测故障诊断
- 基于多域空间状态矩阵奇异值与局部保持投影的滚动轴承故障特征提取方法被引量：6
- 2017年
- 针对滚动轴承振动信号复杂且难以从中提取有效故障特征的问题,提出了一种总体经验模态分解(EEMD)、奇异值分解(SVD)和局部保持投影(LPP)相结合的故障特征提取方法。首先,对振动信号进行EEMD分解,利用EEMD分解后的固有模态分量(IMF)分别构造时域、频域和时频域空间状态矩阵;其次,利用SVD提炼时域、频域和时频域空间状态矩阵中的故障信息,筛选其中累加百分比大于90%的奇异值组成多域有效奇异值数组,构造多域奇异值特征矩阵;然后,利用LPP约简多域奇异值特征矩阵,提取低维、高区分度的故障特征;最后,利用支持向量机(SVM)对提出的故障特征提取方法进行评估。实验结果证明了该方法提取的故障特征可有效反映滚动轴承的故障状态。
- 俞昆谭继文李善
- 关键词：奇异值分解局部保持投影特征提取
- 基于KPCA-LVQ和内置传感器信息采集的滚珠丝杠故障诊断研究被引量：4
- 2016年
- 研究了全闭环数控机床伺服进给系统的编码器、光栅尺等内置传感器信息采集并从中获取滚珠丝杠故障状态信息的方法;在分析了滚珠丝杠信号的非线性、非平稳性特征的基础上,提出了基于小波包分解提取滚珠丝杠故障状态信号能量特征值的方法,并用该能量特征值与峰度、频率、方差等时-频特征量组成滚珠丝杠故障诊断的原始特征集,采用KPCA法剔除了对故障诊断贡献率不明显的冗余特征;建立了基于KPCA-LVQ神经网络的滚珠丝杠故障模型;并通过试验,对KPCA-LVQ与KPCA-BP两种神经网络的诊断结果进行了对比分析。证明了文中所研究方法对滚珠丝杠故障诊断的可行性和有效性。
- 俞昆谭继文李善战红
- 关键词：滚珠丝杠故障诊断
- 基于小波改进阈值去噪与LMD的滚动轴承故障诊断研究被引量：3
- 2016年
- 为从含有强烈噪声干扰的滚动轴承振动信号中提取故障特征信息,提出了一种小波改进阈值去噪与局部均值分解(LMD)相结合的故障诊断方法。首先,根据构造小波改进阈值函数需满足的必要条件以及滚动轴承振动信号特征,提出了适应于滚动轴承振动信号的抛物线平滑阈值函数,利用其对振动信号进行去噪预处理;然后,对去噪后的振动信号进行LMD分解得到若干乘积函数分量(PF);最后,根据相关系数筛选出有效PF分量,并对其进行包络解调,提取故障特征频率。仿真分析和应用实例结果表明,该方法能有效提取滚动轴承故障特征信息,实现滚动轴承的故障诊断。
- 俞昆谭继文李善
- 关键词：局部均值分解滚动轴承故障诊断
- KPCA-GRNN网络在数控机床复合故障诊断中的应用被引量：6
- 2016年
- 提出了一种将核主元分析法(KPCA)与GRNN网络相结合的数控机床复合故障诊断方法。原始复合信号经过EMD分解,将得到的IMF与其他时频域特征值组成原始信号特征集;运用KPCA方法对原始特征集进行降维处理,构造核主元特征集;将筛选后的特征向量作为GRNN网络的输入,实现了数控机床不同复合故障的模式识别,并与其他3种网络对比,验证了该方法的优越性。
- 李善谭继文俞昆文妍
- 关键词：GRNN神经网络故障诊断
- 基于EEMD的ICA算法在轴承-丝杠复合故障诊断中的应用
- 2016年
- 提出了一种基于EEMD的ICA算法,旨在解决单通道轴承-丝杠复合故障的信号分离。首先通过EEMD分解,将复合信号分解在不同的通道中,得到一系列IMF分量;再计算各IMF的峭度值和相关系数值,选取数值较大的几个IMF分量,与原始信号重新组成一组观测信号,作为ICA的输入,得到一系列IC分量;最后选取含有冲击成分较大的IC分量,进行包络分析,对故障类型进行诊断识别。通过实验成功分离并识别出两种故障类型,证明了该方法的有效性。
- 李善谭继文俞昆
- 关键词：相关系数故障诊断
- 基于SLLE算法和流形聚类分析的滚珠丝杠故障诊断
- 2016年
- 针对滚珠丝杠故障信号非线性的特点及故障特征集中冗余信息的干扰,提出了将SLLE降维方法与流行聚类分析相结合的故障诊断方法。采集滚珠丝杠不同故障状态的振动信号和噪声信号,构造原始信号特征向量;利用SLLE算法对特征向量进行降维处理,得到筛选后的特征向量,绘制出其三维分布图;计算每种故障的聚类中心和流形距离,根据"最短距离"原则进行故障识别诊断。并通过试验及与KPCA、LLE两种诊断方法的比较,验证了SLLE降维方法与流行聚类分析相结合的故障诊断方法的有效性和识别结果的准确性。
- 李善谭继文俞昆
- 关键词：流形距离故障诊断
- 基于EEMD-GRNN网络的滚动轴承故障诊断试验研究被引量：9
- 2016年
- 提出了一种基于总体平均经验模态分解和GRNN神经网络的滚动轴承故障诊断方法。首先通过EEMD方法将非平稳、非线性的滚动轴承振动信号分解为若干个平稳的固有模态函数(IMF)之和,提取前8个IMF分量作为频域特征,同其他14个时频域特征指标组成特征集输入到GRNN神经网络中,建立起GRNN网络模型,对滚动轴承三种故障状态进行模式识别。通过分析比较BP和GRNN两种网络模型对故障的诊断结果,验证了GRNN网络的优越性和可行性。
- 李善谭继文俞昆
- 关键词：滚动轴承GRNN神经网络
- 神经网络和改进D-S证据理论相结合的滚动轴承复合故障诊断研究被引量：5
- 2018年
- 提出了将神经网络与D-S证据理论相结合的故障诊断方法,实现了故障信号的特征级和决策级融合,并应用于轴承的复合故障诊断研究。将BP、RBF、GRNN 3种神经网络的输出结果作为3个证据体,滚动轴承的4种复合故障特征作为系统的识别框架,引入聚类系数作为权值分配,重新计算基本概率赋值,对D-S证据理论进行改进,以提高轴承复合故障诊断的准确性。
- 李善谭继文俞昆
- 关键词：滚动轴承神经网络聚类系数D-S证据理论
