中央高校基本科研业务费专项资金(201120802020004)
- 作品数：3 被引量：19H指数：3
- 相关作者：卢娜肖志怀符向前曾洪涛张广涛更多>>
- 相关机构：武汉大学更多>>
- 发文基金：中央高校基本科研业务费专项资金国家自然科学基金更多>>
- 相关领域：电气工程机械工程更多>>
- 基于径向基多小波神经网络的水电机组故障诊断被引量：7
- 2014年
- 针对常规神经网络收敛速度慢,难以实现水电机组故障在线学习的不足,提出基于径向基多小波神经网络的水电机组故障诊断方法.采用多小波尺度函数作为径向基多小波神经网络的核函数,建立网络模型.利用水电机组振动信号频谱分量的幅值作为特征向量,对网络进行训练,实现特征样本集到振动故障集的有效映射,达到水电机组故障诊断的目的.实验结果表明:与常规神经网络的诊断方法相比,径向基多小波神经网络水电机组故障诊断方法具有较快的收敛速度和较好的泛化能力,为水电机组故障在线学习和诊断提供了有效的解决途径.
- 卢娜肖志怀曾洪涛符向前
- 关键词：水电机组故障诊断径向基神经网络
- 基于自适应多小波与综合距离评估指数的旋转机械故障特征提取被引量：6
- 2014年
- 旋转机械设备故障诊断主要包括信号采集、特征提取和故障识别,而特征提取是进行故障诊断的基础和保证诊断结果正确的关键,为了提高特征参数对故障的敏感性,提出了基于自适应多小波与综合距离评估指数的旋转机械故障特征提取方法。该方法以综合距离评估指数最大值为目标函数,利用遗传算法从CL3自适应多小波库中选择最优多小波,并将该最优多小波用于转子振动信号的特征提取。通过对正常、不对中、不平衡、碰摩四种设备状态下采集的振动信号进行特征提取,并将所提出的方法和传统特征提取方法提取的特征参数输入到K-最邻近分类器进行分析,结果表明,所提出的方法能够大大增强特征参数对故障的敏感性,获得更高的故障诊断准确率。
- 卢娜肖志怀张广涛孙召辉
- 关键词：旋转机械特征提取
- 基于蚁群初始化小波网络的水电机组振动故障诊断被引量：7
- 2014年
- 针对传统小波网络在进行故障诊断时存在收敛速度慢,对初始参数敏感的缺陷,提出了基于蚁群初始化小波网络的水电机组振动故障诊断方法。该方法采用蚁群算法对小波网络的参数进行初步寻优,将优化后的参数作为小波网络的初始化参数;利用水电机组振动信号频谱分量的幅值作为特征向量,对蚁群初始化小波网络进行训练,实现振动特征集到故障集的有效映射,达到故障诊断的目的。实例诊断结果表明:与传统小波网络及蚁群优化小波网络相比,基于蚁群初始化小波网络的水电机组振动故障诊断方法具有较快的收敛速度和较强的泛化能力,为水电机组振动故障在线诊断提供了有效的解决方案。
- 卢娜肖志怀符向前
- 关键词：动力机械工程故障诊断小波网络水电机组蚁群算法
