安邦
- 作品数：13 被引量：47H指数：4
- 供职机构：中北大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：机械工程自动化与计算机技术电子电信金属学及工艺更多>>
- 一种核动力装置关重部件质量性能的监测与故障诊断方法
- 本发明公开一种利用确定激励下结构振动响应信号分析来确定核动力装置关重部件质量性能问题和故障的方法，根据对核动力装置不同类型关重部件的常见故障或可能的潜在质量性能问题的分析，初步确定激励和响应点位置，要求所形成的运行态跨点...
- 潘宏侠许昕潘铭志付志敏赵雄鹏安邦张玉学
- 基于PCA与改进F-AHP的高速自动机组合灰评估被引量：4
- 2016年
- 针对高射机枪高速自动机多指标、多层次综合评估问题,提出了一种利用主元分析法与改进模糊层次分析法计算指标组合权值,并通过灰色评估原理进行组合评估的方法。确定高速自动机指标体系后利用主元分析法对某8种型号高速自动机各指标属性值原始数据进行降维并确定客观权重,采用改进模糊层次分析法确定主观权重,并进行组合权重计算,最后结合灰色评估矩阵得到各型号高速自动机性能评估结果。避免了传统灰评估主观性太强的弊端。评估结果与实际使用表现相符,为高速自动机性能评估提出了新方法。
- 田园潘宏侠张媛安邦
- 关键词：主元分析法
- 基于EEMD与FCM聚类的自动机故障诊断被引量：9
- 2017年
- 针对自动机使用中常见的故障检测与识别问题,考虑到自动机振动响应信号非线性、短时、瞬态和冲击特性,提出基于聚合经验模态分解(EEMD)和模糊C均值(FCM)聚类结合的自动机故障诊断方法。首先,使用EEMD分解方法对自动机的振动信号进行分解,结合相关系数提取前5个固有模态函数(IMF)分量的能量百分比作为特征值,再用模糊C均值聚类对特征值进行聚类分析。通过对自动机不同工况分别用EEMD和EMD方法进行故障分类识别对比,结果表明:所有样本的诊断结果与实际情况基本符合,证明EEMD法有更好的分类效果,分类正确率达93.75%。从而验证该方法能有效应用在自动机故障诊断中。
- 张玉学潘宏侠安邦
- 关键词：自动机模糊C均值聚类算法故障诊断
- 应用多参数融合与ELM的自动机故障诊断被引量：4
- 2017年
- 考虑到自动机工作环境复杂,各部件相互作用时间短,冲击性强从而导致各种响应信号相互叠加,敏感特征参量难以确定的问题,提出了一种应用多参数融合与ELM相结合的自动机故障诊断方法。首先,对自动机故障信号计算广义分形维数,在此基础上提取盒维数、信息维数、关联维数作为故障特征参量;然后引入信息熵模型,对自动机故障信号提取功率谱熵、奇异谱熵、特征空间谱熵作为特征参量来描述信号状态在频域、时域、时频域的能量变化;最后将特征参量输入到极限学习机中(ELM)进行分类。实验结果表明多参数融合能全面准确地反映故障信息,极限学习机学习速度快、结构简单,具有很好的故障分类效果。
- 安邦潘宏侠赵雄鹏张青青
- 关键词：信息熵极限学习机自动机故障诊断
- 供输弹机构装配质量的声振监测与缺陷定位方法
- 本发明公开一种利用结构振动响应信号分析并确定供输弹系统构件损伤类故障的方法，根据对不同结构的供输弹系统常见缺陷故障或可能的潜在装配质量问题的分析，初步确定激励和响应点位置，要求所形成的跨点导纳（跨点频响函数）能够覆盖可能...
- 潘宏侠潘铭志许昕田园张玉学安邦
- 文献传递
- 应用VMD和多参数融合的齿轮箱故障诊断被引量：12
- 2017年
- 由于齿轮箱故障信号的非线性,以及各种噪声的影响导致故障特征难以确定,为了准确、高效地分析齿轮箱故障信号,提出了一种应用变分模态分解(VMD)和多参数融合的齿轮箱故障诊断方法。首先对齿轮箱故障信号进行变分模态分解,并与传统的经验模态分解(EMD)进行对比;同时提取各模态分量的能量百分比和信息熵作为特征值,并采用RBF神经网络进行故障诊断。实验结果表明变分模态分解能够有效避免模态混叠现象的发生,以VMD为基础的多参数融合方法能够准确、快速地实现齿轮箱的故障诊断。
- 安邦潘宏侠张媛张玉学赵雄鹏
- 关键词：齿轮箱故障诊断
- 基于时频特性和PCA-RBF的自动机故障诊断被引量：3
- 2017年
- 针对自动机故障诊断中仅单方面从时域、频域和时频域提取特征向量,导致特征指标具有很大片面性的问题,本文提出了一种基于时频特性和PCA-RBF的自动机故障诊断方法。首先利用统计分析和总体经验模态分解(EEMD)方法,构造高维混合域初始特征向量;然后通过主成分分析法(PCA)对高维初始特征向量进行降维和简化;最后将经过PCA处理过的主特征向量输入到径向基函数(Radial Basis Function,RBF)神经网络中实现故障类型的识别。实验结果表明,混合域初始特征向量能够准确全面地描述故障特征,经过PCA处理的主特征向量大大简化了分类器结构,RBF神经网络结构简单、收敛速度快、具有很高的分类准确率。
- 安邦潘宏侠张玉学赵雄鹏曹满亮
- 关键词：自动机主成分分析径向基神经网络故障诊断
- 基于ITD样本熵与PNN的自动机故障诊断被引量：8
- 2017年
- 针对自动机振动信号短时、非平稳、高冲击的特性,本文提出一种运用固有时间尺度分解(ITD)样本熵和概率神经网络(PNN)进行故障诊断的方法。首先将ITD引入自动机的故障诊断中,通过对ITD分解得到前五层重构信号提取的时频特征来验证ITD方法的有效性,并对信号进行样本熵提取,把其作为特征向量分别用概率神经网络和BP神经网络对自动机进行故障模式识别。实验结果表明:概率神经网络相对于BP神经网络可以提高故障分类的正确率,从而验证了ITD样本熵与PNN的自动机故障诊断方法的优越性。
- 赵雄鹏潘宏侠刘广璞潘龙安邦
- 关键词：自动机故障诊断
- 基于EEMD与矩阵分形的自动机故障诊断方法被引量：4
- 2017年
- 针对自动机振动响应信号非线性、瞬态和冲击特性,提出基于聚合经验模态分解(EEMD)和矩阵分形相结合的自动机故障诊断方法。首先对采集到的自动机各种工况信号采用EEMD分解的方法对其进行分解,通过对分解得到的固有模态函数(IMF)分量信号进行广义维数计算,得到每个工况广义维数分形矩阵,发现不同工况下的分形矩阵有较大差别。通过计算待检测信号与样本信号之间的的相关系数,采用折线图进行直观比较,确定待检测信号的故障类别。验证了该方法能有效地应用在自动机故障诊断中。
- 张玉学潘宏侠安邦
- 关键词：自动机故障诊断
- 变分模态分解在自动机故障诊断中的应用被引量：4
- 2017年
- 由于自动机工作环境复杂、各种响应信号相互叠加,为准确、高效地提取自动机信号的故障特征,提出一种应用变分模态分解(VMD)和极限学习机(ELM)的自动机故障诊断方法。首先对自动机信号进行变分模态分解,并与经验模态分解(EMD)结果进行对比;同时提取各模态分量的能量百分比和各工况下不同样本的样本熵作为特征值;将提取到的特征值输入到极限学习机中进行故障诊断,再与传统的双谱分析诊断结果进行比较。最终VMD方法实现信号频域内各分量的自适应剖分,并得出ELM的故障诊断准确率为87.5%。实验结果表明:变分模态分解能够有效避免模态混叠现象,同时验证所提方法的可行性与有效性。
- 安邦潘宏侠张玉学赵雄鹏
- 关键词：极限学习机自动机故障诊断
