公共文化服务平台

基于混沌理论和相关向量机的自动机故障诊断被引量：5: 2017年; 针对自动机振动信号的非线性与短时冲击特性,提出一种基于混沌理论和相关向量机(relevance vector machine,RVM)相结合的自动机故障诊断方法。首先,计算每一组自动机振动信号的最大Lyapunov指数、关联维数、Kolmogorov熵和相对关联距离熵共4个混沌参数并组成特征矩阵,从而表征自动机状态信息。然后,将特征矩阵输入RVM中进行分类识别,判断故障类型。自动机故障诊断实例表明,通过提取自动机振动信号的4个混沌参数可以实现其运行状态信息表征,并且RVM能够较精确地识别自动机的常见故障;此外,通过与支持向量机(support vector machine,SVM)的故障诊断结果进行对比,验证RVM分类模型的优势。; 吕岩房立清褚怡赵玉龙; 关键词：相关向量机自动机特征提取

基于LCD信息熵特征和SVM的机械故障诊断被引量：27: 2015年; 提出了一种基于局部特征尺度分解(LCD)信息熵特征和支持向量机(SVM)相结合的机械故障诊断方法。首先采用LCD对振动信号进行分解,得到若干个具有物理意义的内禀尺度分量(ISC);结合信息熵理论,从时域、频域和时频域3个角度分别定义了时域奇异谱熵、频域功率谱熵以及时频域的特征空间熵、边际谱熵和瞬时能量熵,并将这些熵值组成特征向量;最后通过SVM对特征向量进行分类识别。轴承故障诊断的实例表明,基于LCD信息熵特征和SVM相结合的方法能够准确地对轴承故障信号进行识别,并且效果要好于EMD信息熵特征和SVM结合的方法。; 张前图房立清赵玉龙吕岩; 关键词：局部特征尺度分解信息熵支持向量机故障诊断

基于半监督邻域自适应LLTSA算法的故障诊断被引量：9: 2017年; 为了有效利用振动信号进行故障诊断,提出了一种基于半监督邻域自适应线性局部切空间排列(SSNALLTSA)算法的故障诊断方法。从多域提取振动信号的混合特征,构建原始高维特征集。利用半监督邻域自适应线性局部切空间排列算法对原始特征集进行维数约简,提取出辨识性较高的敏感特征子集。将得到的低维特征输入SVM分类器进行识别,判断故障类型。液压泵故障诊断实验结果表明,该算法克服了LLTSA无监督和使用全局统一邻域参数的不足,可更有效地寻找数据的低维本质流形,提高了识别准确率,具有一定优势。; 房立清吕岩张前图齐子元; 关键词：故障诊断维数约简

基于多尺度关联维数和流形学习的自动机故障诊断被引量：3: 2017年; 针对自动机振动信号非平稳、非线性的特点,提出基于多尺度关联维数和线性局部切空间排列(linear local tangent space alignment,LLTSA)相结合的自动机故障诊断方法。首先,利用局部特征尺度分解(local characteristicscale decomposition,LCD)将自动机振动信号分解为不同尺度下的内禀尺度分量(intrinsic scale component),提取出反映状态信息的主要分量并计算各分量的关联维数。然后,利用线性局部切空间排列算法挖掘出可区分度更高的特征子集。最后,将得到的低维特征输入支持向量机进行识别,自动机故障诊断实验表明,所提方法具备较高的诊断准确率。此外,将LCD与经验模态分解(empirical mode decomposition,EMD)和局部均值分解(local mean decomposition,LMD)方法的诊断结果进行比较,验证所提方法的优势。; 杜伟房立清吕岩齐子元; 关键词：故障诊断流形学习自动机

小波包能量谱和RVM在自动机故障诊断中的应用被引量：4: 2018年; 针对传统自动机维修保障模式操作繁琐、维修周期长的问题,提出了一种应用小波包能量谱信息和相关向量机(Relevance vector machine,RVM)相结合的故障诊断方法。对每一组自动机振动信号进行小波包分解,得到不同频率成分的子频带分量,计算子分量占原信号能量的百分比,实现自动机状态信息表征,最后将特征输入RVM中进行分类识别。自动机故障诊断实例表明,该方法能较理想的实现自动机故障诊断,达到较高的诊断准确率。此外,通过对比支持向量机(SVM)的诊断结果,验证了RVM可以在很大程度上提升故障诊断的稀疏性与实时性。; 房立清吕岩张建伟赵玉龙; 关键词：自动机故障诊断能量谱相关向量机

改进多分类决策策略的RVM及其在液压泵故障诊断中的应用: 2017年; 针对传统多分类相关向量机(relevance vector machine,RVM)采用"最大票数赢(MVW)"决策策略的不足,为了提升相关向量机的多分类能力,首先改进了RVM的多分类决策策略,并利用具有Lévy飞行特征的果蝇算法(LFOA)对RVM核参数进行寻优,建立了LFOA-RVM分类模型。在适应度函数的评判下,果蝇种群经过多次迭代对指定范围内的核参数进行全局搜索寻优,完成模型建立。四组UCI标准数据集的MATLAB仿真实验结果表明,改进后的多分类决策策略和优化方法有效、可靠,能够提升RVM的分类能力;进一步将此模型应用于液压泵故障诊断,同样取得了较好的分类效果,验证了分类模型的有效性。; 吕岩房立清赵玉龙齐子元; 关键词：相关向量机

基于LCD关联维数和SVM的自动机故障诊断被引量：4: 2016年; 针对自动机振动信号的非线性与短时冲击特性,提出了一种基于局部特征尺度分解(Local characteristic-scale decomposition,LCD)、关联维数和支持向量机(Support vector machine,SVM)三者相结合的故障诊断方法。首先,对自动机振动信号进行LCD分解,得到若干个内禀尺度分量(Intrinsic scale component,ISC)。然后,将ISC分量分别与原信号进行相关分析,筛选出包含主要故障信息的前几阶ISC分量,计算其关联维数并组成特征矩阵。最后,将特征矩阵输入SVM进行分类识别。自动机故障诊断实验表明,该方法能够较准确的识别自动机常见故障,为自动机故障诊断提供了新方法。; 吕岩房立清齐子元张前图; 关键词：关联维数自动机故障诊断

基于LFOA算法的相关向量机核参数优化被引量：1: 2017年; 相关向量机(RVM)核函数参数对其性能有较大影响,为了提高相关向量机的分类能力,提出了一种基于具有Levy飞行特征的双子群果蝇算法(LFOA)的RVM核参数优化方法。在适应度函数的评判下,果蝇种群经过多次Levy飞行和迭代对指定范围内的核参数进行全局搜索。4组UCI标准数据集的MATLAB仿真实验测试结果表明,所提出的方法有效、可靠,能够提升RVM的分类能力,相比于其他算法具备更高的寻优精度和稳定性。; 吕岩房立清赵玉龙张前图; 关键词：相关向量机参数优化

局部特征尺度分解和局部切空间排列在故障特征频率提取中的应用被引量：4: 2017年; 为了从非线性、非平稳的振动信号中提取故障特征频率,提出了一种故障特征频率提取新方法。该方法将局部特征尺度分解和流形学习算法局部切空间排列相结合,首先利用局部特征尺度分解将振动信号分解成若干个内禀尺度分量,将其组成多维特征向量;其次采用流形学习算法中的局部切空间排列对多维特征向量进行降维处理,得到低维特征向量,对得到的低维特征向量进行信号重构;最后采用频谱分析方法对重构信号进行故障特征频率的提取。在滚动轴承故障试验中,所提出方法能够准确提取出内圈和外圈故障的特征频率,验证了该方法的有效性。; 王斐房立清吕岩; 关键词：局部特征尺度分解局部切空间排列故障频率滚动轴承频谱分析

LCD模糊熵和SOM神经网络在液压泵故障诊断中的应用被引量：2: 2016年; 针对液压泵故障诊断问题,提出了一种基于局部特征尺度分解(Local Characteristic-scale Decomposition,LCD)、模糊熵和SOM神经网络三者相结合的故障诊断方法。对液压泵振动信号进行LCD分解,得到若干个内禀尺度分量(Intrinsic Scale Component,ISC);将ISC分量分别与原信号进行相关分析,筛选出包含主要故障信息的前几个ISC分量,计算其模糊熵并组成特征矩阵;将特征矩阵输入SOM神经网络进行分类识别。液压泵故障诊断实例表明,该方法能够准确识别液压泵典型故障,具有一定优势。通过与BP神经网络分类结果相对比,显示了SOM神经网络在特征分类方面的优越性。; 吕岩房立清张前图; 关键词：LCD 模糊熵 SOM神经网络液压泵故障诊断

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

吕岩

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

吕岩

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈