张思聪
- 作品数：9 被引量：18H指数：3
- 供职机构：西南交通大学机械工程学院更多>>
- 发文基金：中央高校基本科研业务费专项资金更多>>
- 相关领域：机械工程自动化与计算机技术一般工业技术交通运输工程更多>>
- 小波包和GA-SVM在轴承故障诊断中的应用被引量：7
- 2017年
- 为了解决傅里叶变换难以兼顾信号在时域和频域中的全貌和局部化特征以及支持向量机惩罚参数c和核函数参数g选取的问题,提出了基于小波包和GA-SVM的轴承故障诊断方法;首先通过实验采集多种工况下故障轴承和正常轴承的振动信号,从振动信号中提取能够表征轴承运行状态的时频域特征以及基于小波包分析的特征向量来作为GA-SVM的输入,然后在SVM的基础上,针对SVM的惩罚参数和核函数参数在不同应用场景下的取值难以确定的特性,采用了遗传算法对支持向量机进行参数优化的GA-SVM算法进行模式识别;实验结果显示,基于小波包和GA-SVM的轴承故障诊断方法比SVM和BP都具有更高的识别精度。
- 蒋恩超傅攀张思聪
- 关键词：滚动轴承模式识别参数优化
- 基于声发射信号的机械密封寿命预测被引量：5
- 2018年
- 针对国内外对机械密封寿命预测研究不足,不能明确退化模型等问题,提出了基于声发射特征抽取和SVR的机械密封寿命预测方法。首先基于声发射技术通过实验采集了多组机械密封的全寿命数据,对数据进行小波去噪,并进一步进行小波包分解,从中提取能够表征机械密封运行状态的时频域特征以及其他统计特征;利用KPCA对高维特征进行降维处理,再通过马氏距离进行特征融合得到机械密封退化指标,将之作为SVR的输入训练退化模型。实验结果显示,基于声发射特征提取的机械密封寿命预测方法有着较好的泛化能力和较高的精度。
- 张思聪傅攀蒋恩超
- 关键词：声发射机械密封特征抽取
- 基于随机过程的机械密封剩余使用寿命预测
- 对过程工业而言,密封体积虽小,但却决定了工业设备的安全性、可靠性和耐久性。研究机械密封的剩余使用寿命（Remaining using life,RUL）可以有效地提高工业设备的使用寿命,有助于制定合理的生产计划,大大地减...
- 张思聪
- 关键词：核主成分分析维纳过程
- 文献传递
- 基于QPSO-SVR和声发射信号的机械密封寿命预测被引量：4
- 2019年
- 针对现有机械密封监测技术难以有效预测剩余使用寿命的问题,提出基于声发射特征融合的退化指标和QPSO-SVR寿命预测模型的机械密封剩余寿命预测方法。首先通过实验采集多组机械密封的全寿命数据,进行小波阈值降噪处理,从原始声发射信号中提取出能表征机械密封运行状态的特征,利用KPCA分析优化得到的声发射特征,然后通过马氏距离对得到的特征进行融合进而得到能够表征机械密封退化的指标,利用QPSO优化SVR模型参数,建立寿命预测模型。实验结果显示:基于退化指标和QPSO-SVR模型的寿命预测方法有着较好的泛化能力和较高的精度,具有良好的工业前景。
- 胡龙飞傅攀林志斌张思聪赵蕾
- 关键词：声发射机械密封
- 基于声发射的机械密封状态识别被引量：1
- 2018年
- 为适应声发射信号频率覆盖范围广且频率高的特点,该文使用在S变换的基础优化而来的广义S变换,通过对广义S变换的时频分辨率特性进行分析,选取广义S变换的参数λ=2 210,p=0.151,使得其在20~1 000kHz的频率范围内依然拥有1~2kHz的频率分辨率;随后在广义S变换分析的基础上对机械密封端面的声发射信号进行滤波和特征提取,并使用GA优化的TWSVM对密封的磨损状况进行识别,准确率达到100%,高于GA-SVM的识别率;说明相比传统的SVM在TWSVM在模式识别上更具有优越性。
- 蒋恩超傅攀张思聪李扬
- 关键词：声发射广义S变换模式识别
- QPSO-WT和QPSO-SVM在滚动轴承故障诊断中的应用被引量：1
- 2018年
- 为了解决小波降噪软阈值选择非最优以及SVM算法中惩罚参数、核函数参数的设置问题,将小波变换、支持向量机分别与量子行为粒子群优化算法QPSO(quantum-behaved particle swarm optimization,)相结合,利用QPSO优化小波阈值以及优化SVM输入参数,进行全局寻优,并将之应用到滚动轴承故障识别中。实验中,QPSO-WT滤波后信号具有更高的信噪比和更低的MSE,QPS0-SVM对10种不同状态的轴承进行故障诊断,对于多分类的情况该方法的识别精确度达到了87.67%,与SVM和RBF神经网络对比,从而进一步证明了该方法的有效性,说明该方法能够满足实际工况下的故障诊断要求。
- 张思聪傅攀蒋恩超朱奥辉
- 关键词：参数寻优
- FOA-WPT降噪和PSO-SVM在滚动轴承故障诊断中的应用被引量：1
- 2018年
- 在轴承故障诊断中,为了进一步提高诊断方法的自适应性和分类准确率,提出果蝇优化小波包降噪和粒子群支持向量机相结合的方法。利用果蝇算法对小波包降噪的阈值进行优化,结合粒子群算法在GCV算法下的错误率最低,得到SVM的最优惩罚参数和核函数参数,建立PSO-SVM分类模型,对4种工况下滚动轴承的10类故障进行分类。实验结果表明,使用FOA-WPT降噪后,信号有着更高的信噪比和更低的均方误差(MSE);和粒子群支持向量机相结合的分类方法准确率达到89%,与未使用粒子群算法优化的SVM相比,提高了约8%,进一步证明了该方法可以实现滚动轴承的多分类故障诊断。
- 赵蕾傅攀胡龙飞张思聪石大磊
- 关键词：粒子群算法支持向量机故障诊断
