公共文化服务平台

IMF能量和RBF神经网络相结合在滚动轴承故障诊断中的应用研究被引量：9: 2012年; 针对滚动轴承的故障特点,提出了一种将IMF能量与RBF神经网络相结合的方法用于故障诊断。该方法首先利用经验模态分解(EMD)方法,把振动信号分解为若干个IMF分量,再用重要的IMF分量求得IMF能量特征向量,最后将特征向量输入RBF神经网络进行故障模式分类。通过对滚动轴承的正常状态、内圈故障、滚动体故障和外圈故障信号的分析结果表明,该方法能够准确、有效地识别这些故障。; 张梅军王闯陈灏; 关键词：RBF神经网络故障诊断

基于SVM信号延拓改进的EEMD方法被引量：15: 2013年; 为了抑制经验模态分解(empirical mode decomposition,简称EMD)中出现的端点效应和模态混叠现象,在信号组综合经验模态分解(ensemble empirical mode decomposition,简称EEMD)的基础上,从抑制信号干扰和噪声污染影响以及三次样条函数插值拟合误差逐级传播方面,提出利用信号支持向量机(support vector machines,简称SVM)延拓改进EEMD。通过对仿真和实测信号研究,比较了EMD和EEMD的分解,提出改进的EEMD方法不仅减少了虚假模态分量、避免了模态混叠,而且有效抑制了端点效应。与基于镜像延拓改进的EEMD方法比较表明,本研究方法的时频谱更加清晰,虚假模态分量更少,有效解决了端点效应引起的分解失真问题。; 张梅军陈灏曹勤王闯; 关键词：经验模态分解支持向量机端点效应故障诊断

基于频率截止的EEMD方法研究被引量：5: 2015年; 为解决总体平均经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)中虚假IMF分量过多问题,提出了一种基于频率截止的EEMD方法。该方法采用一种新的IMF筛分终止条件——以信号自身的最小频率为EMD分解IMF分量的截止频率;然后将基于频率截止的IMF筛分终止条件引入EEMD分解。通过仿真和实测信号分析,并与EMD、EEMD分解结果比较得到,运用频率截止的EEMD方法不仅有效减少了虚假IMF分量的产生,使得分解的目的性更加明确,而且保证了EEMD分解出的IMF分量的完备性,更好地抑制了模态混叠现象。; 黄杰张梅军柴凯陈灏

液压系统故障特征提取方法研究被引量：5: 2015年; 针对液压系统故障特征不清楚、诊断特别困难的难题,提出利用EEMD分解与相关性分析相结合的液压系统故障特征提取方法。首先用EEMD分解液压故障信号得到一组IMF分量,从中筛选出与故障信号自身相关系数大的IMF分量作为一组故障的候选IMF分量集;再在故障信号的IMF分量中筛选出与正常信号相关系数小的IMF分量,作为另一组故障的候选IMF分量集;两组候选IMF分量集的交集确定原故障信号的主要故障特征IMF分量,作自功率谱分析即可得到所提取IMF分量包含主要故障特征频率,并通过所提取IMF分量与正常信号的互功率谱验证特征提取的正确性。用该方法准确提取出液压实验台泄漏故障特征IMF分量以及故障特征频率。; 陈灏张梅军黄杰柴凯; 关键词：液压故障相关系数特征提取

EMD分解、分形理论和RBF神经网络相结合的轴承智能故障诊断研究被引量：5: 2012年; 准确快速的诊断并解决机械设备中的常用组成部件滚动轴承的故障对机械设备和生产至关重要。为了对滚动轴承进行准确的智能诊断,将EMD分解、分形理论和神经网络有机结合,通过运用EMD对信号进行提取和分解,得到其IMF分量,然后画出各IMF分量的关联积分双对数曲线图并从中得出信号的关联维数,借助关联维数并运用RBF神经网络对轴承的状态进行分类和识别,达到智能诊断的目的。实例分析表明EMD分解、分形理论和RBF神经网络相结合能够有效的减少非线性分量对故障信号的干扰并准确识别滚动轴承的故障类型,证明了三者结合的智能故障诊断有效可行。; 张梅军陈灏曹勤王闯; 关键词：故障诊断滚动轴承关联维数 RBF神经网络

基于改进的EEMD方法与GA-SVM的液压系统泄漏故障诊断被引量：12: 2014年; 液压系统不同程度泄漏故障发生原因多样,特征十分相似,难以正确诊断。针对此问题,提出了改进的EEMD方法与GA-SVM结合的液压系统泄漏故障诊断方法。首先,在EEMD方法的基础上提出改进,抑制模态混叠和端点效应对振动信号分解的影响,保证信号分解的真实性。运用改进的EEMD方法将液压振动信号分解成若干个IMF分量,计算各IMF分量能量并归一化处理提取振动信号特征向量。然后运用遗传算法对SVM进行参数优化,将提取到的特征向量输入优化后SVM分类诊断,判断液压系统泄漏故障类型和严重程度。实验结果表明,该方法能够有效地应用于液压系统泄漏故障诊断。; 陈灏张梅军黄杰柴凯; 关键词：液压泄漏遗传算法

基于EEMD的液压系统振动信号相关主分量分析效果研究被引量：2: 2015年; 为了研究液压系统振动信号经EEMD分解前几阶IMF分量能否代表EEMD分解信号的主要成分,提出了EEMD分解的相关主分量分析,研究了EEMD相关主分量分析的效果。运用EEMD分解信号,得到其IMF分量,计算出各分量与原信号的相关系数,从中找出信号的相关主分量,通过对主分量进行Hilbert包络谱分析,并与原信号的Hilbert包络谱比较来验证EEMD相关主分量分析效果。通过对实测信号研究表明,某液压缸连续信号经EEMD分解后,与原信号相关性较大的5阶IMF分量:IMF1、IMF2、IMF5、IMF6、IMF7包含原信号主要成分,能表示该信号EEMD分解的主分量,而前5阶却不能完整表示原信号的主分量;对液压缸冲击信号分析发现,EEMD分解的前两阶IMF分量:IMF1、IMF2与原信号相关性较大,能够准确地表示原信号所包含的频率成分和信息,能表示信号EEMD分解的主分量,代表EEMD分解信号的主要成分。因此,EEMD相关主分量分析能突出EEMD分解的主要频率成分,对液压系统振动信号分析效果良好。; 陈灏张梅军柴凯黄杰; 关键词：相关系数包络分析主分量

基于LabVIEW的液压系统故障信号处理方法被引量：3: 2015年; 应用Lab VIEW结合Matlab软件设计了液压系统故障信号分析系统,从数据采集、预处理到分别通过时、频域信号处理方法有时域分析、相关性分析、频谱分析、倒频谱分析等;时频联合信号处理方法有短时傅立叶变换(STFT)、小波变换(WT)、经验模态分解(EMD)、集合经验模态分解(EEMD)等对液压系统正常、冲击、堵塞以及气穴等不同类型信号进行离线研究和分析。运行结果表明:该系统能对信号故障特征进行提取,以便快速准确地查明和判别故障。; 柴凯张梅军黄杰陈灏; 关键词：LABVIEW 频谱分析小波分析 EMD 液压系统

机械转子动静碰摩故障的EMD分解Hilbert包络谱分析被引量：3: 2013年; 为避免碰摩故障对旋转机械的影响,针对转子系统局部碰摩的特征,提出一种基于EMD分解Hilbert包络谱分析方法。该法利用EMD方法分解含有碰摩故障的振动信号,提取出的IMF分量有明显的调幅特征,再对其中突出的IMF分量进行Hilbert包络谱分析提取出故障特征频率。与倒谱分析相比,得到的碰摩故障信息更加精确;与小波分析相比,能更容易提取出真实的故障特征。; 张梅军黄杰柴凯陈灏; 关键词：转子系统碰摩故障

基于奇异值分解和支持向量机的转子故障诊断被引量：1: 2014年; 为了准确识别转子不平衡、不对中、碰摩和油膜涡动等故障,利用小波分析对转子故障信号进行4层分解,将频率由高到低的5个分支信号作为奇异值分解(Singular Value Decomposition,SVD)矩阵的行向量,经奇异值分解后得到信号的故障特征值。通过支持向量机(Support Vector Machine,SVM)在选择不同的核函数和结构参数下比较其对转子故障诊断结果的影响。结果表明在选择最优SVM模型和参数的基础上,对SVD获得的故障特征值进行诊断,得出了准确的诊断结果。; 柴凯张梅军黄杰陈灏; 关键词：奇异值分解支持向量机故障诊断

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

陈灏

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

陈灏

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