您的位置: 专家智库 > >

潘作舟

作品数:6 被引量:58H指数:3
供职机构:燕山大学电气工程学院河北省测试计量技术及仪器重点实验室更多>>
发文基金:国家自然科学基金河北省自然科学基金河北省高等学校科学技术研究指导项目更多>>
相关领域:机械工程电子电信金属学及工艺一般工业技术更多>>

文献类型

  • 5篇期刊文章
  • 1篇会议论文

领域

  • 4篇机械工程
  • 2篇电子电信
  • 1篇金属学及工艺
  • 1篇自动化与计算...
  • 1篇一般工业技术

主题

  • 3篇压缩感知
  • 3篇轴承
  • 3篇故障诊断
  • 3篇滚动轴承
  • 3篇感知
  • 2篇自适
  • 2篇自适应
  • 1篇多传感器
  • 1篇正交匹配追踪
  • 1篇正则
  • 1篇正则化
  • 1篇支持向量
  • 1篇支持向量机
  • 1篇时频
  • 1篇特征提取
  • 1篇投票
  • 1篇重采样
  • 1篇轴承故障
  • 1篇子群
  • 1篇自适应分块

机构

  • 6篇燕山大学
  • 1篇北京精密机电...

作者

  • 6篇孟宗
  • 6篇潘作舟
  • 2篇李晶
  • 2篇樊凤杰
  • 1篇龙海峰

传媒

  • 2篇机械工程学报
  • 1篇计量学报
  • 1篇中国机械工程
  • 1篇高技术通讯

年份

  • 2篇2021
  • 2篇2020
  • 1篇2019
  • 1篇2017
6 条 记 录,以下是 1-6
排序方式:
自适应分块前向后向分段正交匹配追踪在重构滚动轴承故障信号中应用被引量:10
2020年
针对滚动轴承故障信号分块压缩感知过程中,因分块之间的稀疏度差异较大以及重构支撑集构造不合理,致使信号重构精度较低,影响信号整体重构效果的问题,提出基于自适应分块前向后向分段正交匹配追踪算法(Adaptive block forward and backward stagewise orthogonal matching pursuit,Adaptive Block-FBStOMP)。首先,依据短时自相关算法确定滚动轴承故障信号自适应分块长度,并根据此长度对信号进行自适应分块;其次,利用K奇异值分解(K-singular value decomposition,K-SVD)算法训练稀疏字典;最后,提出FBSt OMP算法,在重构过程中增加原子回溯和二次筛选过程,提高有效支撑集原子被全部选入支撑集中的可能性,改善重构效果。通过仿真信号和故障信号试验分析可知,与传统压缩感知重构算法相比,该算法能够有效提升滚动轴承故障信号的重构精度。
孟宗石颖潘作舟陈子君
关键词:压缩感知自适应分块
改进的回溯正则化自适应匹配追踪算法及应用
2019年
针对压缩感知重构时存在的回溯过度问题,研究了一种改进的回溯正则化自适应匹配追踪(IBRAMP)算法。首先,利用自适应阈值随机地进行原子选取,并通过回溯剔除错误原子的方法来提高重构的正确率。其次,在回溯的同时,通过更新剔除原子序数对应的观测矩阵列来避免回溯过度问题。最后,对观测矩阵进行归一化处理,减少重构时间。实验结果表明,该算法在具备更高成功重构率的同时,能够大幅度减少重构时间。将其用于实际故障轴承信号的重构中,重构结果无论在时域还是在频域中,都能准确地反映实际轴承故障信号中的故障特征。
孟宗潘作舟李晶郭晓林
关键词:压缩感知正则化
基于局部时频熵和粒子群优化的风电齿轮箱复合故障诊断
为了有效地从非线性、非平稳性的风电齿轮箱复合故障信号中提取有用的信息成分,提出了一种局部时频熵和粒子群优化算法相结合的风电齿轮箱复合故障诊断方法。首先,对故障信号进行形态学滤波,然后将滤波后的信号进行微分经验模式分解,获...
潘作舟关阳王福林郜文清星康硕孟宗
关键词:粒子群优化支持向量机
基于相对波动的自适应信号融合算法被引量:3
2021年
针对传统随机加权算法在目标信号为变量时,总均方误差远大于信号为常量时的情况,提出了一种改进的自适应随机加权算法。该算法利用所采信号的相对波动值自适应地调整当前采集信号与历史采集信号间的比例关系,得到更加接近真值的估计值。由于相对波动值可以根据信号变化情况自主调整,因此可以和传统的随机加权算法进行良好的结合。数值模拟证明了所提融合方法的有效性。
潘作舟孟宗张光雅石颖樊凤杰
关键词:计量学自适应故障诊断
基于压缩信息特征提取的滚动轴承故障诊断方法被引量:21
2017年
压缩感知作为一种新型压缩采样方法,利用信号稀疏特性以远低于奈奎斯特采样定理的采样速率压缩采集信号,减小数据采集、传输、存储的硬件压力。基于压缩感知框架下压缩采集的信号,提出了一种滚动轴承故障诊断新方法。该方法选择部分hadamard矩阵作为测量矩阵,将峭度因子、方差、波形因子作为敏感特征参量,不重构压缩测量量,直接利用压缩采集信息,提取敏感特征,然后通过PSO-SVM算法进行模式识别从而实现故障诊断。研究结果表明,在一定压缩比范围内,利用该方法能够在降低平均采样速率的同时用更少的数据量表现故障特征,实现滚动轴承故障诊断。
孟宗李晶龙海峰潘作舟
关键词:压缩感知HADAMARD矩阵特征提取故障诊断
基于二次数据增强和深度卷积的滚动轴承故障诊断研究被引量:24
2021年
滚动轴承是旋转机械的重要组成部件之一,及时准确地故障诊断在现代工业系统的可靠性和安全性中起着重要作用。然而现有故障诊断方法多是面向平衡数据集进行研究。针对实际工况下,正常样本丰富、故障样本少的类别失衡情形所导致的轴承故障诊断能力和泛化能力较差等问题,提出一种基于二次数据增强和深度卷积的故障诊断模型。该方法首先构造不同的数据集,研究类别不平衡情形对故障诊断性能的影响;其次,基于重采样方法将数据集重构为平衡数据集,并对其进行二次数据增强,提高样本点的利用率;然后,利用改进的深度一维卷积网络提取信号特征,对滚动轴承故障信息进行充分表征;最后结合集成学习投票分类思想进行故障分类与诊断。试验通过t-SNE及多种指标进行评估,同时与其他方法进行对比,结果表明,所提模型具有更高的诊断精度与诊断速度,鲁棒性与通用性较好,能够很好地适用于类不平衡情形下的滚动轴承故障诊断。
孟宗关阳潘作舟孙登云樊凤杰曹利宵
关键词:故障诊断重采样
共1页<1>
聚类工具0