吉林省教育厅科学技术研究项目(2007047)
- 作品数:7 被引量:36H指数:4
- 相关作者:周云龙柳长昕洪文鹏孙斌赵鹏更多>>
- 相关机构:东北电力大学华北电力大学鞍钢建设集团有限公司更多>>
- 发文基金:吉林省教育厅科学技术研究项目更多>>
- 相关领域:机械工程自动化与计算机技术更多>>
- 基于FHMM模型的离心泵故障诊断方法研究
- 2008年
- 针对离心泵故障振动信号特点,提出了一种结合小波变换与FHMM的离心泵故障诊断方法。利用Daubechies小波对振动信号一维8尺度小波分解,从中提取一维信号低频系数作为特征向量输入各状态FHMM进行训练,输出概率最大的状态即为离心泵运行状态,从而实现了离心泵故障诊断。通过2BA-6A离心泵试验系统可验证该方法的有效实用性。
- 柳长昕王锋刘传海柳振河吴世光黎世翔
- 关键词:离心泵故障诊断小波变换
- 改进的LVQ神经网络在风机故障诊断中的应用被引量:4
- 2013年
- 提出一种改进的LVQ神经网络的风机故障诊断新方法。利用风机振动频域的特征向量作为学习样本,建立与风机故障类型的映射关系。将能量特征输入改进的LVQ神经网络进行网络训练与检测,以实现风机的故障识别。经比较,其性能优于BP网络和遗传网络,诊断正确率高达96%以上。通过仿真实验和风机的故障诊断实例表明:该网络提高了收敛速度及诊断精度,有效地抑制网络陷于局部极小,更适合风机等较复杂分类问题的故障诊断。
- 周云龙李红延李洪伟
- 关键词:风机振动LVQ神经网络故障诊断
- 基于自回归–连续隐马尔可夫模型的离心泵故障诊断被引量:21
- 2008年
- 根据振动与语音信号的相似性和离心泵故障信号的特点,将连续隐马尔可夫模型引入了离心泵的故障诊断中。利用自回归谱不受数据长度的限制,及自回归模型参数对状态变化规律反映敏感的特点,以信号的12阶自回归谱系数为特征矢量,将其输入到各个状态连续隐马尔可夫进行训练,来实现离心泵的故障诊断。为防止数据下溢,引入前向–后向比例因子算法求其对数似然概率,并且采用K-means算法对连续隐马尔可夫进行参数初始化。在给定的观测序列中每一种模型的优化路径通过Viterbi算法实现,用Baum-Welch算法实现参数重估。最后通过2BA-6A离心泵试验系统验证了该方法的有效性。
- 周云龙柳长昕赵鹏孙斌洪文鹏
- 关键词:离心泵故障诊断
- 自回归和EMD用于离心式风机不对中故障分析被引量:7
- 2011年
- 针对离心式风机运行过程中遇到的联轴器不对中故障特征,将风机负荷和转速变化过程中采集到的振动加速度信号进行经验模态分解(empirical mode decomposition,简称EMD),得到包含特征频率的本征模态函数(IMF),应用粗差检测中常用的3σ准则对每个IMF进行硬阈值去噪处理;然后,分别建立其自回归(AR)模型,进行自回归谱分析。研究结果表明:离心式风机联轴器不对中故障频率除了基频外,以2倍频为主,随负荷增大,转速上升,不对中引起的振动加剧,3次谐波峰值变化显著,并伴有高次谐波的存在。
- 周云龙王锁斌刘永奇
- 关键词:离心式风机经验模态分解AR模型不对中
- 基于自回归-隐马尔可夫模型的离心泵故障诊断方法研究被引量:2
- 2009年
- 根据离心泵故障振动信号的特点,提出了一种结合自回归(autoregressive,AR)谱分析与隐马尔可夫模型(HMM)的离心泵故障诊断方法。利用AR谱不受数据长度限制和AR模型参数对状态变化规律反映敏感的特点,以振动信号做自回归变换后的AR谱系数作为特征向量,将其输入到各个状态HMM进行训练,其中输出概率最大的状态即是离心泵的运行状态,从而实现离心泵的故障诊断。最后通过2BA-6A离心泵实验系统验证了该方法的有效性。
- 周云龙柳长昕赵鹏孙斌洪文鹏
- 关键词:离心泵故障诊断隐马尔可夫模型自回归谱
- 基于小波变换的隐Markov模型离心泵故障诊断方法研究被引量:1
- 2009年
- 根据离心泵故障振动信号的特点,本文提出了一种结合小波变换与隐Markov模型(HMM)的离心泵故障诊断方法。小波变换具有多分辨率分析并且在时频两域都具有表征信号局部特征能力的特点,利用Daubechies小波对振动信号进行一维8尺度的小波分解,然后从中提取一维信号的低频系数作为特征向量,将其输入到各个状态HMM进行训练,其中输出概率最大的状态即是离心泵的运行状态,从而实现离心泵的故障诊断。最后通过2BA-6A离心泵试验系统验证了该方法的有效性。
- 柳长昕王锋刘传海柳颖柳振河吴世光黎世翔
- 关键词:离心泵故障诊断小波变换隐MARKOV模型
- 基于AR的二维隐Markov模型离心泵故障诊断方法被引量:5
- 2008年
- 离心泵速度变化过程的振动信号具有信息量大、非平稳、重复再现性不佳等特点,二维隐Markov模型(2D-HMM)很适合处理此类信号。利用AR谱不受数据长度的限制,AR模型参数对状态变化规律反映敏感的特点,以振动信号做自回归变换后的AR谱系数作为特征向量,将基于AR的2D-HMM引入到离心泵故障诊断中,提出了一种基于AR的2D-HMM故障诊断方法,并论述了该模型的拓扑结构和主要参数以及相应的训练和识别算法。最后通过2BA-6A离心泵试验系统验证了方法的有效性。
- 周云龙柳长昕宋延宏赵鹏孙斌洪文鹏
- 关键词:离心泵故障诊断