公共文化服务平台

共 9 条记录，以下是 1-9

全选清除导出

排序方式：

汽车起重机液压系统状态监控及故障诊断系统研究被引量：2: 2013年; 为了实现汽车起重机液压系统状态监控及故障诊断,该文基于UML面向对象建模思想,建立了整个系统的功能模型,分析了系统主要功能模块的信息流向,阐述了系统的关键部分———模型生成工具和故障诊断功能的构建方法。基于.NET框架,利用Visual Studio 2008开发平台以及Microsoft SQL Server 2008数据库系统完成了诊断系统的开发,并以起重机液压系统中主泵的关键构件轴承为例给出了系统的工作过程。; 崔英杜文辽孙旺李根李彦明; 关键词：汽车起重机故障诊断面向对象

起重机远程监控及故障诊断数据库系统被引量：10: 2013年; 为了满足对起重机进行远程监控及故障诊断的需要,提出了融合远程监控、专家系统、智能诊断功能要求为一体的数据库系统。在需求分析的基础上,基于UML的面向对象建模思想,建立了整个系统的功能模型,完成了系统E-R图的设计。分别建立了起重机运行数据数据库,本征数据库,专家系统知识库,故障诊断模型库等,并依据各部分的数据关系有机组合在一起。最后给出了系统主要模块的实现结果。; 崔英杜文辽李根孙旺李彦明; 关键词：远程监控专家系统智能诊断数据库起重机

A Blind Separation Approach of Low Order Cyclostationary Signals: 2013年; This paper presents a new blind separation approach of the low order cyclostationary signals based on the cyclic periodicity of the cyclostationary signal.The goal of the method is extracting the hidden periodicity and reducing the randomicity of cyclostationary signal and it is particularly applicable to the separation of low order cyclostationary signals.The method also demonstrates the importance of extraction of cyclostationary signals from low order to high order in turn.The effectiveness of the proposed method is finally demonstrated by computer simulation and experiment.; Wang ZhiyangChen JinDu Wenliao; 关键词：BLIND SEPARATION CYCLOSTATIONARY CYCLIC AUTOCORRELATION FAULT

电机轴承故障的自组织神经网络可视化诊断被引量：1: 2013年; 滚动轴承是电机的重要部件,及时、准确地对其进行故障诊断是电机安全运行的重要保障。针对滚动轴承常见的状态,包括正常、内圈轻微故障、滚动体轻微故障、外圈轻微故障、内圈中等故障、滚动体中等故障、外圈中等故障等七种情况,基于自组织神经网络,提出了电机轴承故障诊断的可视化方法。首先对采集到的振动信号进行特征提取,然后构建自组织神经网络,经过训练后,利用测试数据对诊断模型进行了测试,试验结果验证了所提方法的有效性。; 郑兰天李安生杜文辽; 关键词：电机轴承故障诊断自组织神经网络可视化

面向“卓越工程师计划”开放实验室建设探索被引量：19: 2014年; "卓越工程师计划"更加强调高等工程教育与工业界的密切合作。高等院校开放实验室在该计划中发挥着联系高校与企业的桥梁作用。针对开放实验室所面临的实验资源调度复杂、教师配置结构性矛盾、科技创新实验内容层次较低的问题,在集约管理型开放实验室建设、实验选题、实验室开放机制等方面进行了探讨。通过实践表明,该探索在提高实验室开放水平、创新水平上富有成效。; 杜文辽李安生王良文王新杰; 关键词：卓越工程师计划

EEMD方法在转子碰摩故障诊断中的研究被引量：12: 2017年; 转子系统发生局部碰摩故障时,故障特征呈现出复杂的高倍频或分数倍频成分。为了实现多频率碰摩故障特征的有效提取,将集合经验模态分解方法(ensemble empirical mode decomposition,EEMD)应用到转子局部碰摩故障诊断中。首先利用仿真碰摩信号,验证了EEMD时频分析方法在碰摩故障诊断的有效性,其次通过对转子系统水平方向碰摩、竖直方向碰摩、水平-竖直同时碰摩和正常4种不同振动状态的EEMD分解,计算基本模态分量(IMF)的振动强度,得出不同状态的振动强度趋势分布图。实验结果表明,EEMD方法能够从强噪声背景信号中提取出微弱碰摩特征,实现转子系统的碰摩故障诊断。; 巩晓赟王宏超杜文辽丁丽丽; 关键词：故障诊断转子碰摩故障特征

基于特征选择支持向量机的柱塞泵智能诊断被引量：3: 2013年; 柱塞泵是工程机械的关键部件,其性能好坏将直接影响整个设备的正常工作。针对柱塞泵提出基于特征选择支持向量机的智能诊断方法。对采集的振动信号基于小波包分解提取能量特征,然后利用Fisher准则函数选择对智能诊断最有利的特征,利用支持向量机进行训练,并将每个二类支持向量机按二叉树的组织形式构成系统的诊断模型。以汽车起重机柱塞泵为研究对象,其6种故障形式,包括正常、轴承内圈故障、滚动体故障、柱塞故障、配流盘故障、斜盘故障,用于检验所提算法的诊断能力,并与传统的BP神经网络和最近的蚁群神经网络方法进行对比。诊断结果表明:所提出的算法优于另外两种方法,具有较好的诊断效果。; 崔英杜文辽孙旺李彦明; 关键词：柱塞泵故障诊断 FISHER准则支持向量机

基于双树复小波变换的非平稳时间序列去趋势波动分析方法被引量：7: 2016年; 多重分形去趋势波动分析是研究非平稳时间序列非均匀性和奇异性的有效工具,针对该方法中趋势项难以确定的问题,提出一种基于双树复小波变换的方法,实现了非平稳信号的多重分形自适应去趋势波动分析.利用双树复小波变换提取信号的多尺度趋势和波动信息,通过小波系数的希尔伯特变换确定每个时间尺度不重叠子区间的长度,使多重分形分析具有信号自适应性及较高的计算效率.以具有解析形式分形特征的倍增级联信号和分数布朗运动时间序列为例验证本文方法的有效性,所得结果与解析解相吻合.与传统的多项式去趋势多重分形方法相比,本文方法根据信号自身特点自适应地确定信号的趋势和不重叠等长度子区间长度,所得结果更加精确.对倍增级联信号时间序列取不同的长度,验证了算法的稳定性.分别与基于极大重叠离散小波变换和离散小波变换多重分形方法进行比较,表明本文方法具有更精确的结果和更快的运算速度.; 杜文辽陶建峰巩晓赟贡亮刘成良; 关键词：双树复小波变换

矢功率谱与蚁群神经网络结合在机械故障诊断中的应用研究: 2013年; 针对传统功率谱信号源不足以及BP神经网络收敛速度慢且容易陷入局部极小等问题,提出矢功率谱和蚁群神经网络相结合的故障诊断方法,该方法是:提取矢功率谱的8个频段能量特征,并输入到蚁群神经网络分类器进行故障识别,通过实际训练结果和实验结果对比可知,蚁群神经网络能有效地提高收敛速度,网络迭代次数明显改善,故障识别率提高,将蚁群神经网络应用于机械故障诊断是有效的。; 杨春燕云康杜文辽; 关键词：矢功率谱蚁群算法 BP神经网络故障诊断

全选清除导出

共1页<1>

国家自然科学基金(51205371)