刘秀丽
- 作品数：63 被引量：152H指数：8
- 供职机构：北京信息科技大学光电信息与通信工程学院现代测控技术教育部重点实验室更多>>
- 发文基金：国家自然科学基金国家高技术研究发展计划北京市教委科技计划面上项目更多>>
- 相关领域：机械工程金属学及工艺自动化与计算机技术电子电信更多>>
- 一种行星齿轮箱齿面磨损故障诊断方法及系统
- 本发明涉及一种行星齿轮箱齿面磨损故障诊断方法及系统，其包括步骤：采用FSWT对原始振动信号进行频带选取，并进行信号重构；将重构信号进行Hilbert变换，得到低频调制信号；采用MOMEDA算法提取低频调制信号中的周期性故...
- 蒋章雷李宇恒吴国新刘秀丽
- 基于模平方阈值—FastICA的滚动轴承降噪方法
- 本发明涉及一种基于模平方阈值—FastICA的滚动轴承降噪方法，其步骤：采集设备采集滚动轴承的原始振动信号；将采集到的滚动轴承原始振动信号进行模平方阈值降噪，得到模平方阈值降噪后的信号；将模平方阈值降噪后的信号与原始振动...
- 刘秀丽张雪英栾忠权徐小力
- 文献传递
- 时空神经网络滚动轴承故障诊断方法被引量：1
- 2020年
- 深度神经网络在故障诊断领域已有一定应用,为了进一步提高其诊断效率和准确率,本文提出了一种基于时空神经网络的滚动轴承故障诊断方法:该方法使用卷积神经网络(Convolution neural network,CNN)框架,借用深度残差网络(Residual neural network,ResNet)的网络并联法,并联CNN卷积层和循环神经网络(Recurrent neural network,RNN)的LSTM层,构建新的时空神经网络,对传感器采集的信号进行特征提取。该网络同时具备对空间域的强大学习能力和时域信号的学习能力,并且在每一层中权值共享,这使得时空神经网络参数数量较低,从而极大地避免了过拟合现象的产生,也降低了系统所占用的内存,可以高效地提取故障特征,从而提高诊断的准确率。试验结果表明:该方法比单个网络的诊断正确率提高了1.01个百分点。
- 刘春晓许宝杰刘秀丽
- 关键词：滚动轴承故障诊断
- 风电场机组远程监测系统被引量：13
- 2017年
- 大型机电设备日趋得到广泛应用。这些大型机电设备不仅自身造价昂贵,其维修成本也是相当惊人。设备损坏、精度劣化以及效率降低都可能造成巨大的损失,为有效保证设备的正常工作、加工质量和故障的预报,开展构建远程在线检测及智能故障诊断预测系统平台研究。远程监测系统集成传感器技术、动态测控技术、信号处理技术、故障模式识别技术和人工智能技术,风机现场的应用表明,该系统可有效监测风机的运行状况,实现对风机故障部位的实时报警和风机运行趋势的有效预测。
- 刘秀丽徐小力
- 关键词：风电机组监测系统故障检测
- 提高非完整小圆弧评价精度的方法、系统、介质及设备
- 本发明涉及一种提高非完整小圆弧评价精度的方法、系统、介质及设备，其包括：确定预先建立的三次指数平滑预测模型的第一个最佳平滑系数；进一步确定其余最佳平滑系数；将最佳平滑系数拟合出平滑系数的变化趋势曲线，根据拟合公式获取数据...
- 吴国新潘涛罗智孙刘秀丽
- 基于多尺度深度卷积神经网络的故障诊断方法被引量：17
- 2021年
- 针对机电装备故障诊断需要大量专家经验、故障特征识别困难的问题,在一维深度卷积神经网络基础上进行改进,构建多尺度一维深度卷积神经网络(M1DCNN),提出基于多尺度一维深度卷积神经网络的故障诊断方法:首先在网络输入层构建多个含有不同尺寸卷积核通道的特征提取层,对一维时序信号中故障特征进行多尺度特征提取,丰富智能体诊断信息,将所提取特征通过输入到包含多尺寸卷积核以及多样池化层中进行特征处理,最后合并多通道所处理的特征,使网络完成自我学习,从而实现故障诊断。将该方法应用到西储大学轴承故障数据及行星齿轮箱的故障数据诊断实验,结果表明该方法具有诊断精度高、鲁棒性强的特点,相较于一维卷积神经网络准确率提高1.25%,与反向传播神经网络、循环神经网络相比准确率平均提高3%以上,对网络特征提取效果进行可视化分析,结果表明该方法特征提取效果与诊断精度优于一维卷积神经网络。
- 卞景艺刘秀丽徐小力吴国新
- 关键词：特征可视化故障诊断
- 滚动轴承故障诊断方法、系统、计算机程序及存储介质
- 本发明涉及一种滚动轴承故障诊断方法、系统、计算机程序及存储介质，其包括：将采集到的滚动轴承原始振动信号进行分段和二维堆叠后，得到二维数列；将二维数列代入卷积神经网络分支中，进行特征提取，同时提取时间域和空间域的特征；将截...
- 刘秀丽吴国新徐小力刘春晓
- 基于深度学习的滚动轴承故障诊断研究综述被引量：19
- 2017年
- 深度学习以其他方法不可比拟的优势为轴承的故障诊断提供了新思路和新方法。分析深度学习的主要模型及在滚动轴承故障诊断中的应用,指出深度学习在滚动轴承故障诊断方面面临的一些挑战和可行的解决方法。
- 张雪英栾忠权刘秀丽
- 关键词：滚动轴承故障诊断
- 基于VMD与FastICA的滚动轴承故障诊断被引量：1
- 2018年
- 针对滚动轴承故障成分易被强背景噪声淹没,造成故障特征提取困难的问题,提出了一种采用变分模态分解(variational mode decomposition, VMD)与基于负熵的快速独立成分分析(fast independent component analysis, FastICA)相结合的故障诊断方法。利用经验模态分解(empirical mode decomposition, EMD)确定VMD模态数n,采用VMD将目标信号分解为n个模态分量;以连续的3个分量为一序列组合进行FastICA分析,从每组结果中选取一个最优分量,共n-2个;重构故障信号并进行Hilbert包络谱分析。通过试验分析并与EMD-FastICA方法、单一VMD方法比较,结果表明该方法能够更加清晰准确地提取故障特征信息,可用于轴承故障诊断。
- 张雪英刘秀丽栾忠权
- 关键词：故障诊断滚动轴承
- 大型风力发电机组故障诊断专家系统
- 大型风力发电机组故障诊断专家系统的构建方法.分析故障诊断专家系统的知识获取、知识表示及推理问题;给出系统目标及系统的总体框架构建方案;系统知识库和数据库的构建方法.风电故障诊断专家系统可为企业开展预知维修提供依据,保证风...
- 刘秀丽徐小力
- 关键词：风力发电机组故障诊断专家系统功能模块
