潘海洋
- 作品数：113 被引量：528H指数：14
- 供职机构：安徽工业大学机械工程学院更多>>
- 发文基金：国家自然科学基金安徽省高校省级自然科学研究项目安徽省自然科学基金更多>>
- 相关领域：机械工程电子电信自动化与计算机技术电气工程更多>>
- 一种基于精细时移多尺度排列熵与萤火虫算法优化支持向量机的故障诊断方法
- 本发明公开了故障诊断技术领域的一种基于精细时移多尺度排列熵与支持向量机的故障诊断方法，本发明的步骤为：采集待诊断物体的原始故障振动信号；提取原始故障振动信号的精细时移多尺度排列熵值；将故障样本分为多个训练样本和测试样本；...
- 董治麟郑近德潘海洋童靳于刘庆运张义方
- 基于自适应自相关谱峭度图的滚动轴承故障诊断方法被引量：9
- 2021年
- 自相关谱峭度图通过最大重叠离散小波包变换对信号频谱进行分割,并选取最大峭度值所对应频带内的信号进行诊断分析。针对自相关谱峭度图方法在分割频带时因遵循二叉树结构而导致的频带划分区域固定问题,提出一种基于自适应自相关谱峭度图方法的滚动轴承故障诊断方法。自适应自相关谱峭度图方法以改进的经验小波变换为基础,对原始信号傅里叶谱进行包络与平滑处理后再分割,实现了自相关谱峭度图方法自适应分割频带的目的。通过仿真信号与实验数据分析,并将所提方法与快速谱峭度及自相关谱峭度图方法进行对比,结果表明,所提出方法能够准确地检测到合适的解调频带,同时其故障特征更加明显。
- 郑近德王兴龙潘海洋潘海洋童靳于
- 关键词：滚动轴承故障诊断
- 基于非线性模式分解的旋转机械复合故障特征提取方法被引量：2
- 2018年
- 针对旋转机械复合故障振动信号的非平稳特征,提出了一种基于非线性模式分解(NMD)的故障特征提取方法。该方法首先通过NMD将振动信号分解为若干个具有实际物理意义的非线性模态(NM)分量和一个残余分量之和,然后对各NM分量采用包络谱分析提取故障特征。仿真信号的分析结果验证了NMD方法的优越性,在此基础上将NMD方法应用于旋转机械复合故障诊断中,实验数据的分析结果表明,该方法能有效提取出旋转机械复合故障的特征。
- 杨宇李鑫潘海洋程军圣
- 关键词：特征提取
- 基于Kriging函数的KVPMCD在滚动轴承故障诊断中的应用被引量：3
- 2014年
- 滚动轴承的故障诊断本质上是模式识别的问题,多变量预测模型(VPMCD)是一种新的模式识别方法,其实质就是通过特征值之间的相互内在关系建立数学模型,并根据数学模型对被诊断轴承的特征值进行预测从而达到模式识别的目的。但是VPMCD分类方法中单纯采用回归模型进行预测,因此当故障特征值之间关系较为复杂时将导致预测精度降低。针对这一缺陷,提出了基于Kriging函数的多变量预测模型(KVPMCD)模式识别方法。Kriging模型由回归模型和相关模型组合而成,其中,相关模型是在全局模型的基础上创建的局部偏差,它恰恰可以揭示特征值之间的空间相关性,从而弥补原VPMCD中单纯采用回归模型的缺点。对UCI标准数据以及滚动轴承实测数据的分析结果表明,KVPMCD模式识别方法比原VPMCD方法可以更加有效地识别滚动轴承的工作状态和故障类型。
- 杨宇潘海洋李杰程军圣
- 关键词：KRIGING模型滚动轴承故障诊断
- 一种基于傅里叶分解与多尺度排列熵偏均值的滚动轴承故障诊断方法
- 本发明公开一种基于傅里叶分解与多尺度排列熵偏均值的滚动轴承故障诊断方法，属于设备状态监测与故障诊断技术领域。本发明的步骤为：采集待诊断的原始滚动轴承故障振动信号；利用傅里叶分解方法对原始滚动轴承故障振动信号进行分解；计算...
- 刘庆运丁克勤郑近德黄斯琪潘海洋童靳于
- 基于自适应经验傅里叶分解的机械故障诊断方法被引量：39
- 2020年
- 为了克服傅里叶变换、经验模态分解与傅里叶分解方法在分析非平稳信号方面的不足,提出一种适合非线性和非平稳信号分析的新方法——自适应经验傅里叶分解(Adaptive empirical Fourier decomposition,AEFD)。AEFD方法以快速傅里叶变换为基础,通过对变换系数进行分组重构,能够将一个非平稳信号自适应地分解为若干个瞬时频率具有物理意义的傅里叶本征模态函数(Fourier intrinsic mode function,FIMF)之和。研究了AEFD的分解正交性和精确性,通过仿真信号分析,将其与经验模态分解,变分模态分解和傅里叶分解方法等进行了详细对比,结果表明了AEFD的优越性。最后,为了提高故障诊断的精度和验证AEFD的有效性,将AEFD应用到转子碰摩和滚动轴承局部故障诊断中。试验数据分析结果表明,与经验模态分解等方法相比,AEFD不仅能够有效地诊断故障,而且诊断精度更高。
- 郑近德潘海洋程军圣包家汉刘庆运丁克勤
- 关键词：非平稳信号经验模态分解故障诊断
- 一种基于复合多尺度排列熵的滚动轴承故障诊断方法
- 本发明公开了一种基于复合多尺度排列熵的滚动轴承故障诊断方法，属于故障诊断技术领域。本发明的步骤为：测取故障物体的振动信号；从振动信号中提取复合多尺度排列熵；将复合多尺度排列熵值采用拉普拉斯分值进行降维；将降维后得分较低的...
- 郑近德潘海洋徐培民张俊
- 文献传递
- 一种齿轮钢表面硫基自润滑涂层的制备方法
- 本发明涉及一种齿轮钢表面硫基自润滑涂层的制备方法，属于齿轮钢表面改性技术领域。本发明首先在齿轮钢表面弱侵蚀出微米级小孔；然后使用氯化亚铁溶液和硫代硫酸钠溶液制备了硫化亚铁胶体，将预先处理好的齿轮钢在胶体中反复浸渍，通过在...
- 张国涛鲁正童宝宏郑近德潘海洋邓书朝刘庆运王孝义
- 一种时移多尺度排列熵与ELM相结合的滚动轴承故障诊断方法被引量：6
- 2021年
- 多尺度排列熵(Multi-scale permutation entropy,MPE)随着尺度因子的增加得到的粗粒化序列长度越来越短,造成时间序列信息的严重损失。为此,提出了时移多尺度排列熵(Time-shifted multi-scale permutation entropy,TSMPE)。首先,采用仿真信号分别对TSMPE与MPE做仿真对比分析,结果表明,TSMPE对原始振动信号的长度依赖性较小,得到的熵值更加稳定。进一步地,提出了一种基于TSMPE与极限学习机的滚动轴承故障检测与诊断方法,将其应用于两组实际滚动轴承测试数据对滚动轴承故障类型和程度进行识别,结果表明:所提出故障诊断方法不仅能够准确地诊断滚动轴承的故障类型和程度,而且识别率高于基于MPE与ELM的故障诊断方法。
- 董治麟郑近德潘海洋刘庆运
- 关键词：滚动轴承故障诊断极限学习机
- 一种基于分数阶散步熵的滚动轴承早期故障检测方法
- 本发明公开一种基于分数阶散步熵的滚动轴承早期故障检测方法，属于机械故障诊断与监测领域。该方法具体步骤如下：归一化时间序列；将归一化后的时间序列映射成1到c类；将映射序列进行相空间重构；找出所有可能的散布模式；计算每一种实...
- 朱远和郑近德刘庆运丁克勤潘紫微潘海洋
- 文献传递
