林桐
- 作品数：7 被引量：48H指数：5
- 供职机构：南京航空航天大学民航学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：航空宇航科学技术自动化与计算机技术更多>>
- 特征选择的多准则融合差分遗传算法及其应用被引量：7
- 2016年
- 为了全面评价特征子集的好坏,提高特征子集作为最佳子集的可靠性,以及更快找到最佳子集,提出了一种用于特征选择的多准则融合差分遗传算法。引入多个评价准则对特征子集进行评价,并对遗传算法的选择算子进行改进,有利于选出适应度高且具有重要特征的个体;同时,引入差分策略改进变异算子,提高种群多样性和算法搜索能力;最后通过仿真实验和滚动轴承实例验证了该方法的有效性。
- 关晓颖陈果林桐
- 关键词：多准则差分进化遗传算法滚动轴承故障诊断
- 基于超球优化支持向量数据描述的滚动轴承故障检测被引量：7
- 2019年
- 在仅有轴承正常运行数据的小样本情况下,支持向量数据描述(SVDD)能通过对多维特征的融合实现滚动轴承的故障检测与状态评估,但特征向量空间分布的复杂程度会直接影响SVDD的效果。为此,提出了一种基于超球优化支持向量数据描述的滚动轴承故障检测方法,通过超球优化改善特征向量的空间分布以降低数据描述任务的难度,进而使得超球优化SVDD能更有效地识别出滚动轴承故障。多组试验表明:在不同转速、不同测点、不同类型的滚动轴承故障下,超球优化SVDD比传统的SVDD方法效果更优。
- 林桐陈果滕春禹王云欧阳文理
- 关键词：滚动轴承故障检测
- 航空发动机叶片损伤自动测量方法研究被引量：6
- 2015年
- 基于内窥镜的视觉检测技术在现代航空发动机故障诊断中发挥着重要的作用。针对航空发动机叶片的典型损伤,提出了一种基于三次样条插值的自动测量方法。对损伤叶片进行图像预处理并提取叶片轮廓,利用三次样条函数进行插值计算,通过对一次导数和二次导数的分析得到损伤尺寸。结合故障诊断方法,开发了航空发动机智能诊断专家系统。通过实验对比,证明了方法的有效性和正确性。
- 李华陈果林桐陈新波王洪民
- 关键词：航空发动机叶片样条插值
- 基于机匣振动信号的滚动轴承故障协同诊断技术被引量：3
- 2018年
- 针对基于机匣测点信号的航空发动机滚动轴承故障诊断问题,提出了一种滚动轴承故障的协同诊断技术。通过最小熵解卷积消除信号传递路径的影响以增强信号中的冲击性成分;通过小波变换提取共振频带;通过自相关分析抑制频带信号中的非周期性成分并进一步提升信噪比。依托带机匣的转子试验器分别对人工故障轴承和真实故障轴承进行了两组试验,试验结果表明:相比于其他典型方法,采用所提协同诊断法得到的包络谱中故障特征频率对应的谱峰更加清晰、明显。
- 林桐陈果滕春禹王云欧阳文理肖圣迪
- 关键词：滚动轴承小波变换
- 航空滚动轴承振动特征的故障灵敏度分析与融合技术被引量：5
- 2017年
- 针对工程中航空滚动轴承实时状态监测的需要,提出了基于标准化欧氏距离的多特征融合评估方法。首先,进行了航空滚动轴承故障模拟试验,引入了故障灵敏度的定量评价指标,对融合前后特征的故障灵敏度进行了分析;在此基础上,将所提方法与主分量分析、支持向量数据描述和支持向量分布估计方法相比较;最后,进行了轴承疲劳加速试验,将所提融合方法应用于航空滚动轴承状态监测。试验表明:相比于主分量分析、支持向量数据描述和支持向量分布估计,基于标准化欧氏距离的融合值的故障灵敏度更高;其对不同类型、不同阶段的航空滚动轴承故障更加灵敏,相比于有效值更适合作为航空滚动轴承状态监测的指标。
- 林桐陈果张全德王洪伟陈立波
- 关键词：滚动轴承特征提取
- 显微磨粒图像识别知识规则提取及应用被引量：1
- 2015年
- 针对新研制的多功能油液磨粒智能检测系统MIDCS中的磨粒图像识别问题,引入数据挖掘方法获取了磨粒图像识别的知识规则,实现对磨粒类别的智能识别。利用MIDCS系统获取实际航空发动机运行过程中由于滚动轴承磨损而产生的大量典型磨粒,基于图像分析方法提取16个磨粒特征参数,形成标准案例库;利用Weka软件的决策树算法自动提取知识规则,并对知识规则进行优化和简化;对所提取得到的知识规则进行验证和分析。结果表明,所提取的磨粒识别规则符合磨粒识别的统计规律,识别规则不仅简洁,而且具有很高的精度。基于Weka软件的规则提取方法大大提高了MIDCS系统的磨粒识别自动化和智能化水平,对于利用MIDCS进行航空发动机滚动轴承疲劳磨损故障诊断,具有重要的工程实用价值。
- 王洪伟陈果林桐汪瑾陈立波
- 关键词：故障诊断磨粒识别
- 基于自组织神经网络的滚动轴承状态评估方法被引量：19
- 2017年
- 针对单一特征在进行故障诊断时准确率不高的问题,提出了一种基于自组织神经网络(SOM)的滚动轴承状态评估方法。该方法首先从原始振动信号中提取出多特征数据,运用主成分分析(PCA)方法对多特征数据进行预处理,采用SOM进行网络训练,构建多特征数据的融合模型,输出竞争神经元层的权值矢量;然后,计算每一个样本到竞争神经元层权值矢量的最小欧氏距离,输出最终的融合指标;最后,通过比较待检测样本与正常样本的最小欧氏距离的差异来判断轴承的状态。将该方法应用于滚动轴承状态评估,试验结果表明:融合指标比单一指标对早期故障更加敏感、更加稳健;同时,融合指标能够定量地描述轴承状态的劣化过程。
- 张全德陈果林桐欧阳文理滕春禹王洪伟
- 关键词：自组织神经网络主成分分析滚动轴承故障识别
