湖南省自然科学基金(05JJ40079)
- 作品数：3 被引量：18H指数：2
- 相关作者：杨宇于德介程军圣陈淼峰唐驾时更多>>
- 相关机构：湖南大学更多>>
- 发文基金：中国博士后科学基金湖南省自然科学基金国家自然科学基金更多>>
- 相关领域：机械工程更多>>
- 基于AR模型和支持向量机的转子系统故障诊断方法被引量：13
- 2007年
- 提出了基于AR模型和支持向量机的转子系统故障诊断方法.该方法对转子系统的振动信号建立AR模型,以AR模型主要的自回归参数和残差的方差作为特征向量,然后建立支持向量机分类器,进而判断转子系统的工作状态和故障类型.实验结果分析表明,该方法能有效地应用于转子系统的故障诊断.并通过支持向量机与BP神经网络的性能比较,说明了支持向量机的优点.
- 于德介陈淼峰程军圣杨宇
- 关键词：AR模型支持向量机故障诊断转子系统
- 基于EMD与关联维数的故障诊断AR模型被引量：5
- 2007年
- 提出了一种基于EMD和关联维数的转子系统故障诊断方法。该方法用EMD将转子系统振动信号分解成若干个基本模式分量IMF,对包含主要故障信息的IMF分量建立AR模型,AR模型自回归参数的关联维数作为特征量神经网络识别转子系统的工作状态和故障类型。对实验数据分析的结果表明,该方法能有效地应用于转子系统的故障诊断。
- 程军圣于德介唐驾时杨宇
- 关键词：经验模态分解方法自回归模型关联维数转子系统故障诊断
- 关联维数和基于内禀模态函数的AR模型在滚动轴承故障诊断中的应用
- 2007年
- 提出一种基于内禀模态函数(Intrinsic Mode Function,IMF)、自回归(Auto-Regressive,AR)模型和关联维数的滚动轴承故障诊断方法。该方法首先采用经验模态分解(Empirical Mode Decomposition,EMD)将滚动轴承振动信号分解成若干个IMF,然后对包含主要故障信息的IMF分量建立AR模型,计算AR模型自回归参数的关联维数,并以关联维数作为特征向量输入神经网络分类器,最后通过网络的输出结果来识别轴承的工作状态和故障类型。对实验数据的分析结果表明,该方法能有效地应用于滚动轴承的故障诊断。
- 杨宇于德介程军圣
- 关键词：自回归模型关联维数滚动轴承故障诊断
