您的位置: 专家智库 > >

李伟伟

作品数:6 被引量:22H指数:3
供职机构:空军工程大学防空反导学院更多>>
发文基金:国家自然科学基金更多>>
相关领域:电气工程电子电信自动化与计算机技术更多>>

文献类型

  • 6篇中文期刊文章

领域

  • 4篇电气工程
  • 1篇电子电信
  • 1篇自动化与计算...

主题

  • 4篇支持向量
  • 4篇支持向量机
  • 4篇向量机
  • 3篇最小二乘
  • 3篇最小二乘支持...
  • 3篇故障诊断
  • 2篇电机
  • 2篇异步
  • 2篇转子
  • 2篇转子故障
  • 2篇转子故障诊断
  • 2篇二叉树
  • 1篇电动
  • 1篇电动机
  • 1篇电源
  • 1篇多故障
  • 1篇蚁群
  • 1篇蚁群算法
  • 1篇异步电动
  • 1篇异步电动机

机构

  • 6篇空军工程大学

作者

  • 6篇李伟伟
  • 5篇王莉
  • 2篇张琳
  • 2篇冯丹
  • 2篇王强
  • 1篇李彦斌
  • 1篇任宏滨
  • 1篇张强
  • 1篇陈晨

传媒

  • 2篇火力与指挥控...
  • 2篇探测与控制学...
  • 1篇大电机技术
  • 1篇测控技术

年份

  • 2篇2017
  • 1篇2016
  • 3篇2015
6 条 记 录,以下是 1-6
排序方式:
反激式开关电源控制系统小信号模型被引量:6
2015年
针对开关电源系统稳定性的动态补偿参数调试繁杂的问题,提出了反激式开关电源控制系统小信号模型。该模型采用小信号理论详细地分析了反激式开关电源的电流环和电压环,并推导出系统模型的传递函数,然后借助MATLAB软件仿真,获取补偿网络的参数。仿真和实验结果表明应用模型选取的参数使系统在负载变化和电网波动的情况下仍具有良好的稳定性和动态特性。通过软件更改系统模型设置,可获取不同设计要求下的补偿网络参数,使模型在工程设计上更具有操作性和通用性。
冯丹任宏滨李伟伟李彦斌
关键词:双闭环控制系统小信号模型
基于改进二叉树支持向量机的多故障分类算法被引量:3
2015年
针对二叉树支持向量机(SVM)的结构设计会影响多类分类器精度的问题,提出了将层次分析法(AHP)和二叉树支持向量机相结合的多故障分类算法。该算法首先运用层次分析法建立评价体系模型,综合衡量多个影响因子确定各类故障的权重,然后根据权重大小对故障进行排序,由故障排列顺序设计二叉树支持向量机的结构,最后进行故障诊断分析。仿真验证表明:该算法适合进行多类故障诊断,相比其他算法诊断效率更高,诊断精度更好,推广应用前景较广。
李伟伟王莉张琳刘进
关键词:二叉树支持向量机层次分析法轴承故障诊断
基于IPSO-LS-SVM的异步电动机转子故障诊断被引量:1
2017年
针对异步电动机转子的故障诊断问题,为了提高诊断精度和诊断效率,提出基于混合核函数的最小二乘支持向量机与改进的粒子群算法相结合(IPSO-LS-SVM)的故障诊断方法。首先对PSO的惯性权值策略进行研究,给出一种非线性递减惯性权值策略,然后利用改进后的PSO优化基于混合核函数的LS-SVM,最后,应用改进算法完成转子的故障诊断。结果表明,改进算法通过较少的迭代次数即寻找到最优参数,克服了陷入局部极小值的缺陷,诊断效率和诊断精度都得到了提升。
王强王莉李伟伟
关键词:转子故障最小二乘支持向量机
基于改进LS-SVM的异步电机转子故障诊断被引量:5
2016年
为了提高异步电动机转子故障的诊断精度,给出了一种基于改进最小二乘支持向量机(LS-SVM)的多故障分类算法。首先运用FFT处理电机的定子电流信号得到信号频谱图,从中提取故障特征向量;然后将特征向量送入改进算法进行故障诊断时,在原有多分类算法的基础上引入层次分析法确定故障类别的权重,根据权重值确定故障的诊断顺序,依次进行故障分类。实验表明,改进算法用于故障诊断节省了诊断时间,提高了诊断精度,具有很好的推广前景。
李伟伟王莉张琳冯丹
基于AACA-LSSVM的同步发电机滚动轴承故障分类被引量:1
2015年
针对LSSVM模型在同步发电机轴承故障分类训练中时间过长、分类精度不高的缺点,本文提出自适应蚁群算法改进LSSVM模型的方法。自适应调整蚁群算法的挥发因子和状态转移规则,寻找最优的LSSVM参数,建立AACA-LSSVM模型。提取不同故障状态下的轴承振动信号,经EMD分解后,计算IMF分量的关联维数和Shannon信息熵,以此作为故障样本数据训练分类模型。仿真实验中与LSSVM模型进行了对比,结果表明AACA-LSSVM在分类时间和精度上都优于LSSVM模型。
王莉李伟伟张强
关键词:自适应蚁群算法最小二乘支持向量机经验模态分解关联维数
基于改进EMD的信号降噪方法被引量:6
2017年
经验模态分解(Empirical Mode Decomposition,EMD)算法作为新型时频分析方法受到广泛关注,它基于信号的极值特性处理信号,具有自适应强、无需预先确定基函数的优点。但EMD算法本身仍存在模态混叠及EMD强制降噪法易导致信号失真等一系列问题。针对EMD算法的缺陷,提出基于自相关函数的集合经验模态分解方法(Ensemble Empirical Mode Decomposition,EEMD)与小波阈值降噪相结合的改进算法。首先利用自相关函数对高频固有模态函数(Intrinsic Mode Function,IMF)进行选择,然后利用小波阈值降噪法为EEMD设定阈值,最后将改进算法用于信号降噪,并与快速傅里叶变换(FFT)算法、小波阈值算法以及EMD强制降噪算法进行比较。该方法的优点是克服了EMD算法的不足,避免了模态混叠现象,有效地保留了高频信号中分量,降噪效果更好。
王强王莉陈晨李伟伟
关键词:EMDIMF
共1页<1>
聚类工具0