王霄
- 作品数：25 被引量：72H指数：7
- 供职机构：燕山大学更多>>
- 发文基金：河北省自然科学基金河北省教育厅科研基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术机械工程理学电子电信更多>>
- 多重分形熵及其在非平稳信号分析中的应用研究被引量：9
- 2005年
- 在对信号进行多重分形分析的基础上,提出了对信号进行定量评价的一种新指标——多重分形熵,这种方法能够表征信号能量分布的奇异状况和几何特征分布几率,可用于非平稳信号内在特征信息的精细刻画和准确提取,通过对实际信号的分析表明,提出的方法为设备故障状态识别提供了新手段。
- 谢平刘彬王霄林洪彬
- 关键词：信息熵小波分析故障诊断
- 多传感器信息融合的传动系统故障诊断方法及系统
- 本发明提供多传感器信息融合的传动系统故障诊断方法及系统，属于传动系统故障诊断技术领域，包括获取分布在传动系统中传感器采集到的振动信号、电机定子电流信号以及声音信号，进行稀疏共振分解；获得的预处理数据以并行的方式输入到各自...
- 谢平王霄崔健江国乾张兴民周文达周俊超何群
- 多重分形熵及其在非平稳信号分析中的应用研究
- 在对信号进行多重分形分析的基础上,提出了对信号进行定量评价的一种新指标--多重分形熵,这种方法能够表征信号能量分布的奇异状况和几何特征分布几率,可用于非平稳信号内在特征信息的精细刻画和准确提取,通过对实际信号的分析表明,...
- 谢平刘彬王霄林洪彬
- 关键词：信息熵小波分析故障诊断
- 文献传递网络资源链接
- 多模态多任务卷积神经网络的齿轮箱故障诊断方法
- 本发明涉及风力发电机组故障诊断技术领域，多模态多任务卷积神经网络的齿轮箱故障诊断方法，获取齿轮箱的多传感器数据，对数据进行连续小波变换作为预处理；将预处理得到的小波图像并行输入到多个卷积网络中进行特征学习后，获得的多通道...
- 谢平崔健江国乾王霄何群张志明武鑫李小俚
- 文献传递
- 基于小波多重分形的复杂机械故障诊断方法研究被引量：7
- 2006年
- 针对复杂机械系统的复杂性和非平稳性,给出了一种基于小波多重分形的故障诊断方法,并给出了参数优化和噪声抑制措施。该方法克服了单一分形维数难以全面刻画信号特征的缺点,又能够表征信号能量分布的奇异状况和几何特征分布几率,可用于非平稳信号内在特征信息的精细刻画和准确提取。仿真证明了该方法的有效性。
- 刘彬王霄谢平
- 关键词：非平稳信号故障诊断
- 多传感器信息融合的传动系统故障诊断方法及系统
- 本发明提供多传感器信息融合的传动系统故障诊断方法及系统，属于传动系统故障诊断技术领域，包括获取分布在传动系统中传感器采集到的振动信号、电机定子电流信号以及声音信号，进行稀疏共振分解；获得的预处理数据以并行的方式输入到各自...
- 谢平王霄崔健江国乾张兴民周文达周俊超何群
- 基于排序模式相异性分析的轴承健康监测被引量：3
- 2017年
- 排序模式分析方法通过相空间重构将一维振动时间序列映射到排序模式概率分布,来揭示序列内部结构的复杂性变化,为微弱信号特征提取提供了一种新视角。将排序模式分析和信息散度相结合,提出一种排序信息散度指标,用于对设备不同运行状态下的振动信号在高维相空间中排序模式概率分布的差异性进行量化分析,并用于轴承内圈不同损伤程度评估和轴承全寿命退化趋势分析。结果表明,与传统的时域统计指标及小波熵、近似熵、排序熵等非线性复杂度指标相比较,所提出的排序信息散度指标具有较好的故障程度量化分析性能,对轴承早期故障退化更加敏感,且稳定性好、计算效率高,利于工程实现。
- 江国乾谢平王霄何群李继猛
- 关键词：信息散度滚动轴承
- 多模态多任务卷积神经网络的齿轮箱故障诊断方法
- 本发明涉及风力发电机组故障诊断技术领域，多模态多任务卷积神经网络的齿轮箱故障诊断方法，获取齿轮箱的多传感器数据，对数据进行连续小波变换作为预处理；将预处理得到的小波图像并行输入到多个卷积网络中进行特征学习后，获得的多通道...
- 谢平崔健江国乾王霄何群张志明武鑫李小俚
- 文献传递
- 一种用于故障诊断的多信息熵监测方法研究被引量：5
- 2004年
- 采用信息熵计算模型,在对信号进行多分辨率分析和多重分形分析的基础上,研究了对信号能量进行定量评价的新方法—多分辨率奇异谱熵和多重分形熵,该指标能够分别表征不同尺度上信号能量分布的奇异状况和几何特征分布几率,可用于非平稳信号内在特征信息的精细刻画和准确提取,并作为设备故障诊断和状态监测的有效途径。通过对不同信号的模拟分析,提出的信息熵模型可作为设备状态评价的综合特征指标。
- 谢平林洪彬王霄刘彬
- 关键词：信息熵多分辨率分析故障诊断
- 一种风电机组联邦故障诊断方法及系统
- 本发明公开一种风电机组联邦故障诊断方法及系统，先基于风电场内相同类型风电机组构建风电机组的训练集和测试集；然后基于联邦学习框架，根据所述训练集对本地故障诊断模型进行训练，获得各风电机组对应的最优共享故障诊断模型；最后将所...
- 江国乾范伟鹏谢平武鑫何群王霄
