公共文化服务平台

基于谱聚类初始化非负矩阵分解的机械故障诊断被引量：12: 2013年; 针对非负矩阵分解(NMF)收敛性问题,提出使用谱聚类方法为NMF产生结构化初始值,研究基于谱聚类初始化NMF的机械故障诊断模型。首先利用NJW谱聚类算法求取振动信号聚类中心,再以聚类中心初始化信号特征空间基向量并以NMF算法迭代求取基向量,最后将各模式数据在特征空间映射所得投影系数作为特征矢量输入到最近邻分类器(KNNC)中进行故障识别。基于谱聚类初始化NMF的机械故障诊断模型实现了机械故障特征提取到故障识别的全程自动化,谱聚类初始化方法提升了NMF收敛效果与分解性能,并提高了诊断精度,滚动轴承诊断实例验证了模型的有效性。; 张焱汤宝平邓蕾; 关键词：非负矩阵分解谱聚类故障诊断

机械设备状态监测无线传感器网络研究进展被引量：42: 2014年; 通过分析无线传感器网络(wireless sensors network,简称WSN)的优势和潜能,提出将无线传感器网络应用于机械设备状态监测中,以弥补目前有线连接的机械设备状态监测系统的局限性。针对目前机械设备状态监测中所用的无线传感器网络节点硬件性能偏低、采样频率也低、缺乏信号同步采集研究、对大量数据快速可靠传输研究偏少、对于反映机械设备状态最关键的机械振动的监测还难以实现等问题,提出要实现基于无线传感器网络的机械设备状态监测,必须解决高速同步采集、实时可靠传输和能量供应等难题。指出了低成本、低功耗、微型化、网络化、多功能化将是无线传感器网络在机械设备状态监测应用中的发展方向。; 汤宝平黄庆卿邓蕾刘自然; 关键词：机械设备状态监测同步采集

动态增殖流形学习算法在机械故障诊断中的应用被引量：8: 2014年; 针对现有的批量式流形学习算法无法利用已学习的流形结构实现新增样本的快速约简的缺点,提出增殖正交邻域保持嵌入(Incremental Orthogonal Neighborhood Preserving Embedding,IONPE)流形学习算法。该算法在正交邻域保持嵌入算法基础上利用分块处理思想实现新增样本子集的动态约简。从原始样本中选取部分重叠点合并至新增样本,对重叠点和新增样本子集不依赖原始样本使用正交邻域保持嵌入(ONPE)进行独立约简获取低维嵌入坐标子集,并基于重叠点坐标差值最小化原则,将新增样本低维嵌入坐标通过旋转平移缩放整合到原样本子集中。齿轮箱故障诊断案例证实了IONPE算法具有良好的增量学习能力,在继承ONPE优良聚类特性的同时有效提高了新增样本约简效率。; 宋涛汤宝平邓蕾; 关键词：动态约简分块处理故障诊断

基于多故障流形的旋转机械故障诊断被引量：9: 2015年; 针对旋转机械不同故障可能分布于不同故障流形,提出了基于多故障流形的旋转机械故障诊断方法。该方法分别提取每一类故障对应的故障流形,并在多故障流形上进行新增样本的故障识别。针对所需解决的低维流形提取、流形内蕴维数选取和多故障流形上的故障识别问题,分别采用线性局部切空间排列算法和免疫遗传算法来进行低维故障流形提取和流形内蕴维数选取,并通过故障样本重构误差这一新的判别准则进行故障识别。齿轮箱故障模拟实验的结果验证了此方法的有效性。; 苏祖强汤宝平赵明航秦毅; 关键词：故障诊断旋转机械局部切空间排列算法

基于流形学习和最小二乘支持向量机的滚动轴承退化趋势预测被引量：35: 2015年; 为更好地表征滚动轴承性能退化趋势,提出基于流形学习和最小二乘支持向量机的滚动轴承退化趋势预测新方法。提取振动信号的多域特征组成高维特征集,利用局部保持投影算法(LPP)对多域高维特征集进行维数约简,消除各特征指标之间的冗余、冲突等问题。将维数约简后的特征向量作为最小二乘支持向量机的输入,建立退化趋势预测模型,完成退化趋势预测。运用实测的滚动轴承全寿命实验数据进行检验,结果表明该方法能获得准确的预测结果。; 肖婷汤宝平秦毅陈昌; 关键词：信息熵流形学习最小二乘支持向量机

基于威布尔分布及最小二乘支持向量机的滚动轴承退化趋势预测被引量：27: 2014年; 为有效描述滚动轴承的退化趋势,提出结合威布尔分布及最小二乘支持向量机的滚动轴承退化趋势预测新方法。用威布尔分布形状参数作为滚动轴承的性能退化指标,将该指标作为最小二乘支持向量机的输入构造退化趋势预测模型。鉴于最小二乘支持向量机模型参数对模型的推广预测能力影响较大,选粒子群算法(PSO)优化最小二乘支持向量机模型参数,并用实测滚动轴承全寿命实验数据进行检验。结果表明该方法能获得准确的预测结果。; 陈昌汤宝平吕中亮; 关键词：威布尔分布最小二乘支持向量机

多准则融合敏感特征选择和自适应邻域的流形学习故障诊断被引量：11: 2014年; 针对流形学习故障诊断中非敏感特征干扰和邻域大小难以确定的问题,提出了基于DSm T多准则融合特征选择和局部集聚系数自适应邻域的流形学习故障诊断方法。利用多种特征评价准则对原始高维特征进行排序,通过DSm T证据理论对各评价序列进行融合,再根据融合序列选择敏感特征构成优化高维特征集;采用基于局部集聚系数的自适应正交邻域保持嵌入流形学习进行维数约简,得到低维特征集;最后输入到K最近邻分类器进行故障识别。轴承振动故障实验表明了本文所提方法的有效性。; 汤宝平马婧华; 关键词：故障诊断流形学习自适应邻域

基于信标时序补偿的机械振动无线传感器网络同步触发方法被引量：5: 2014年; 针对无线传感器网络(WSN)在实现机械振动同步采集过程中,采集节点应该同时触发采集命令,同步触发误差应在一个采样周期内的要求,设计了一种基于信标时序补偿思想的WSN同步触发协议STBTC_P(the Synchronization Trigger protocol based on Beacon Timing Compensation)。协议基于IEEE 802.15.4协议标准开发多跳树状网络,以信标负载方式传输采集命令,在利用集中关联信标分配法避免信标冲突并实现全网时钟同步后,采用基于信标时序补偿思想的同步触发方法实现机械振动采集命令的多跳同步触发,为最终提高机械振动同步采集精度创造使能条件。最后,在自研采集节点WSN-G2上运行STBTC_P协议,并验证了其有效性。; 裴勇汤宝平邓蕾肖鑫; 关键词：机械振动同步采集 IEEE

基于敏感特征选择与流形学习维数约简的故障诊断被引量：41: 2014年; 针对故障诊断中特征集包含非敏感特征和维数过高的问题,提出基于特征选择(Feature Selection,FS)与流形学习维数约简的故障诊断方法。提出一种改进的核空间距离测度特征选择方法(Improved Kernel Distance Measurement Feature Selection,IKDM-FS),在核空间中计算样本类间距离和类内散度,优选出使样本类间距大、类内散度小的特征,并根据特征的敏感程度对特征进行加权。通过线性局部切空间排列算法(Linear Local Tangent Space Alignment,LLTSA)对由敏感特征组成的特征子集进行特征融合,提取出对故障分类更加敏感的融合特征,并输入加权k最近邻分类器(Weighted k Nearest Neighbor Classifier,WKNNC)进行故障识别。WKNNC具有比k最近邻分类器(k Nearest Neighbor Classifier,KNNC)更加稳定的识别精度。最后,通过滚动轴承故障模拟实验验证了该方法的有效性。; 苏祖强汤宝平姚金宝; 关键词：故障诊断

小波包能谱构建综合评估函数的轴承退化评估被引量：3: 2015年; 针对传统的时域、频域特征不能明显地表征滚动轴承的早期退化特征的问题,提出了一种小波包能量谱结合主成分分析构建综合评估函数的滚动轴承早期性能退化评估方法。该方法以采集到的轴承正常工作时的振动信号作为训练样本,对样本进行小波包能量谱计算,得到高维特征向量;再利用主成分分析方法降维并建立综合评估函数对早期性能退化区的数据进行判断。运用实测的滚动轴承全寿命实验数据进行检验,结果表明该方法能实现对滚动轴承早期性能退化的评估。; 杨帆汤宝平尹爱军; 关键词：小波包能量谱主成分分析

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

国家教育部博士点基金(20130191130001)

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

国家教育部博士点基金(20130191130001)

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈