国家自然科学基金(50405023)
- 作品数：10 被引量：56H指数：3
- 相关作者：冯长建康晶邵强吴斌邵诚更多>>
- 相关机构：大连民族学院大连理工大学华北电力大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：电子电信机械工程理学一般工业技术更多>>
- 混合SVM-HMM方法在旋转机械启动过程故障诊断中的应用研究被引量：2
- 2008年
- 提出了旋转机械启动过程故障诊断的一种新框架—混合SVM-HMM方法。该方法把SVM的输出信息通过sigmoid函数和高斯模型转化为后验概率的形式,并把它引入到HMM模型隐状态的观测概率。根据模拟实验数据计算表明,该方法是十分有效的。
- 冯长建邵强吴斌康晶
- 关键词：HMM故障诊断转子机械
- 组合窗函数的短时傅里叶变换时频表示方法被引量：28
- 2010年
- 针对固定时间窗函数短时傅里叶变换(STFT)时频表示时间分辨率和频率分辨率相互制约,影响时频聚集性的缺陷,提出了一种组合窗函数的STFT时频表示方法。根据Heisenberg不确定性原理,分别利用长、短时间窗函数获得两组STFT时频表示,最终的时频表示以两组时频表示的乘积确定。仿真跳频信号和遥测振动数据处理结果表明:组合窗函数的STFT时频表示方法能有效提高STFT的时频聚集性,特别适用于跳频信号的分析。
- 肖瑛冯长建
- 关键词：短时傅里叶变换遥测振动信号
- 基于PCA—SVM模型的切削颤振预报被引量：1
- 2009年
- 针对切削加工过程中颤振孕育的动态模式,提出一种基于PCA—SVM模型的颤振预报新方法。建立切削加工振动信号的识别模型,进行FFT变换,再归一化处理,把数据送入PCA—SVM模型,对变换后的切削实验数据进行学习、训练,得到PCA—SVM识别模型;提取切削加工过程的振动信号,送给PCA—SVM模型进行颤振情况分析与识别。试验结果表明,具有较好的颤振预测性,颤振预报正确率达到95.5%以上,提高了运算速度,为颤振预报提供了充足的时间。
- 邵强王璐康晶邵诚
- 关键词：主元分析支持向量机颤振
- 刀具磨损监测及破损模式的识别被引量：9
- 2009年
- 对于金属切削过程中的刀具磨损,提出了基于隐马尔可夫模型的模式识别理论来识别刀具的不同磨损状态,从而预报刀具破损。该方法对切削过程中切削力信号的动态分量和刀柄振动信号进行快速傅里叶变换特征提取,然后利用自组织特征映射对提取的特征矢量进行预分类编码,把矢量编码作为观测序列引入到隐马尔可夫模型中进行机器学习,建立了3个不同磨损状态的隐马尔可夫模型,并利用最大概率进行模式识别。试验表明,该方法对车刀磨损过程进行识别和预报是有效的。
- 康晶冯长建胡红英
- 关键词：隐马尔可夫模型刀具磨损模式识别矢量量化
- 基于混合高斯密度HMM的轴承故障诊断技术研究
- 2011年
- 从轴承正常和故障条件下的实际机械系统中测试的振动信号入手,利用LPC系数进行特征提取,并把提取的特征矢量用于建立HMM隐状态下的高斯概率混合器模型,以便于引入到HMM的训练中,形成一个新的HMM类型-混合高斯密度HMM(GMD-HMM)。通过选取输出最高概率的HMM进行各种轴承故障类型的决策。通过异步电机系统的驱动端轴承的测试信号验证了该故障诊断方法的精确性。
- 冯长建邵强康晶
- 关键词：振动信号HMM高斯混合模型故障诊断
- 基于KPCA-SVM颤振预报模式研究被引量：3
- 2009年
- 针对切削加工过程颤振孕育的动态模式,提出基于KPCA-SVM模型的颤振预报新方法。首先提取切削加工振动信号,进行FFT变换,使KPCA-SVM模型对变换后的切削实验数据进行学习、训练,得到KPCA-SVM识别模型;提取切削加工过程的振动信号,经过FFT变换后,得到其幅频特征量,送给KPCA-SVM模型进行颤振情况分析与识别。
- 邵强王璐康晶邵诚
- 关键词：支持向量机颤振模式识别
- 变速非平稳条件下滚动轴承故障特征提取方法研究被引量：2
- 2007年
- 旋转机械设备启停、电压波动及载荷变化等因素使滚动轴承通常是在变速非平稳条件下运行,利用传统共振解调方法获得的谱图将变得模糊,无法识别故障特征。根据该条件下滚动轴承损伤点冲击引起的固有谐振信号频率不变的特点,利用连续小波分析方法提取固有谐振信号,通过瞬时频率估计、阶比跟踪手段进行阶比谱分析,提出滚动轴承故障特征阶比系数的概念和计算方法。将故障特征阶比系数与阶比谱进行比较,可以很好地识别滚动轴承损伤类故障。
- 刘晓东吴斌冯长建
- DHMM的动态模式识别理论在旋转机械故障诊断中的应用被引量：3
- 2006年
- 对于旋转机械启动过程的动态模式,提出了一种基于离散隐马尔可夫模型(DHMM)的旋转机械故障诊断新方法.该方法对旋转机械启动过程的局部振动信号进行FFT特征提取,然后利用自组织特征映射对提取的特征矢量进行预分类编码,把矢量编码作为观测序列引入到DHMM中进行机器学习和故障诊断实验.实验表明,提出的方法对旋转机械启动过程进行诊断是十分有效的.
- 冯长建康晶吴斌胡红英
- 关键词：故障诊断旋转机械矢量量化
- 混合密度连续HMM在旋转机械启动过程故障诊断中的应用被引量：2
- 2009年
- 故障类型的振动信号往往表现为非平稳的特征,这些信号经过短时分割并提取AR系数,从而表现为一有序的AR系数矢量的观测矢量。论文根据混合密度连续HMM(CDHMM)的动态统计模式识别的基本理论,把这些观测矢量由几个高斯混合概率密度函数的线性组合进行模拟,从而对每种故障的动态模式建立起的CDHMM,并根据模型的输出概率进行故障识别尝试。
- 邵强冯长建管丽娜邵诚
- 关键词：故障诊断振动信号旋转机械
- 离散隐马尔可夫模型在颤振预报中的应用研究被引量：6
- 2008年
- 对于切削过程中颤振孕育的动态模式,提出了基于离散隐马尔可夫模型(DHMM)的模式识别理论预报颤振的新方法。首先对切削过程的振动信号进行FFT特征提取,然后利用自组织特征映射(SOM)神经网络对提取的特征矢量进行冗余信息压缩与预分类编码;再根据多变量DHMM建模理论,对切削颤振孕育的各种过程模式建立相应的DHMM,把矢量编码作为观测序列引入到DHMM中进行机器学习、训练;最后将观测序列引入到DHMM中进行颤振孕育的概率识别尝试。实验表明,该方法对颤振孕育过程识别是十分有效的,颤振预报正确率达93.3%。
- 康晶冯长健杨国田
- 关键词：颤振矢量量化
