检索结果-南通市图书馆

改进LPCDA算法及其在旋转机械故障诊断中的应用

在线全文

学校读者我要写书评

暂无评论

振动．测试与诊断 2023年第1期43卷 132-138,202页

作者：薛勇赵荣珍兰州理工大学机电工程学院兰州730050

针对高维故障数据集中有效信息利用率低导致故障分类难度偏大的问题,提出一种线性主成分判别分析(linear principal component discriminant analysis,简称LPCDA)的故障数据集降维算法。该算法将类间可分性判别与主成分计算的思想融入... 详细信息

针对高维故障数据集中有效信息利用率低导致故障分类难度偏大的问题,提出一种线性主成分判别分析(linear principal component discriminant analysis,简称LPCDA)的故障数据集降维算法。该算法将类间可分性判别与主成分计算的思想融入线性判别分析(linear discriminant analysis,简称LDA)算法中,使算法拥有剔除相关信息和冗余特征的能力,从而可以更好地保留能够反映机械运行状态有价值的故障状态信息以及特征的主要成分。实验结果表明,本算法能够剔除高维故障数据集中的相关信息、冗余特征并保留特征主要成分,具有降低故障分类难度与提高自动辨识准确率的功能。该研究可为有效降低高维故障数据集的规模和故障的分类难度、提高有效信息的挖掘能力,提供了理论参考依据。

关键词：线性主成分判别分析线性判别分析可分性降维

维普期刊数据库博看期刊

冲击载荷下风电机组传动链的振动响应及控制研究

在线全文

学校读者我要写书评

暂无评论

太阳能学报 2016年第6期37卷 1579-1586页

作者：刘宏赵荣珍兰州理工大学机电工程学院兰州730050 兰州理工大学数字制造技术与应用省部共建教育部重点实验室兰州730050

针对极限载荷引起的风电机组功率不稳定问题,对机组传动链在冲击载荷作用下的振动特性及减振控制方法进行研究。以冲击载荷为激励,利用达朗贝尔原理建立传动链的动力学模型,通过多体动力学模型的对比验证,讨论传动链结构参数与其振动响... 详细信息

针对极限载荷引起的风电机组功率不稳定问题,对机组传动链在冲击载荷作用下的振动特性及减振控制方法进行研究。以冲击载荷为激励,利用达朗贝尔原理建立传动链的动力学模型,通过多体动力学模型的对比验证,讨论传动链结构参数与其振动响应间的影响关系。在此基础上基于PID控制原理设计被动与主动两种减振方法,并将其应用于某1.5 MW水平轴风电机组模型中。结果表明:相比于结构阻尼系数的影响,轴系刚度系数对传动链冲击振动的影响更明显;在采用两种减振措施后,低速轴上的振动幅值均显著衰减;其中,采用主动减振方法时的减振效果优于被动方法,它在可降低振动幅值1/3的同时增强传动链抑制随机风载荷波动的抗干扰性能。

关键词：风电机组传动系统冲击载荷控制振动峰值

面向不平衡数据的云模型旋转机械故障识别方法

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2022年第22期41卷 70-77页

作者：赵楠赵荣珍兰州理工大学机电工程学院兰州730050

因正常数据丰富、故障数据匮乏而引起的数据不平衡,已经成为工业大数据智能决策技术面临的关键问题之一。因此,针对机械设备故障诊断研究中经常遇到的不平衡数据集中少数样本类别识别精度偏低的问题,提出一种基于云模型的集成学习方法... 详细信息

因正常数据丰富、故障数据匮乏而引起的数据不平衡,已经成为工业大数据智能决策技术面临的关键问题之一。因此,针对机械设备故障诊断研究中经常遇到的不平衡数据集中少数样本类别识别精度偏低的问题,提出一种基于云模型的集成学习方法并将其用于旋转机械不平衡数据的模式识别。该方法首先将提取出的轴承故障特征数据集通过ReliefF算法计算各特征的权重,依据特征权重值降序排列的结果提取出权重趋大的特征构成低维特征集,并将低维特征集划分为不平衡训练集、测试集两部分;其次通过云模型理论中的正向云发生器、逆向云发生器对低维特征集中各个特征分别绘制云图,得到单一特征下各状态的训练数据与测试数据云图;然后通过距离公式判别与待测样本距离最近的训练数据云图,判断出单一特征下待测样本的类别;最后通过集成学习方法将各个特征下的识别结果进行整合,以相对多数投票法识别出待测样本的所属类别结果。与传统的BP神经网络、支持向量机两种分类器进行对比的试验表明,该方法不仅对不平衡数据的待测样本识别精度较高,而且具有一定的泛化性能。

关键词：故障识别不平衡数据云模型 ReliefF算法集成学习

ReliefF与QPSO结合的故障特征选择算法

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2020年第11期39卷 171-176,208页

作者：薛瑞赵荣珍兰州理工大学机电工程学院兰州730050

为提高故障数据集的分类精度,将ReliefF算法与量子粒子群算法(Quantum Particle Swarm Optimization,QPSO)进行结合,提出一种能够降低故障数据集维度的敏感故障特征选择方法。首先,在对经滤波消噪后的故障信号进行多域量化特征提取基础... 详细信息

为提高故障数据集的分类精度,将ReliefF算法与量子粒子群算法(Quantum Particle Swarm Optimization,QPSO)进行结合,提出一种能够降低故障数据集维度的敏感故障特征选择方法。首先,在对经滤波消噪后的故障信号进行多域量化特征提取基础上,设定时域与频域特征、经小波包分解得到的各频带能量特征作为描述转子系统故障状态的初始故障特征集,并用转子系统的典型故障模拟信号集合得到了一种原始的故障数据集。随后,用ReliefF算法通过迭代计算得到的权值对故障数据集各特征向量进行加权、并设定阈值剔除不相关特征,据此实现了对原始故障数据集各特征的第一次筛选。最后,引入量子粒子群算法(QPSO)对特征集合进行二次筛选,剔除不利于实施分类的冗余特征并同时实现优化支持向量机的参数,通过处理得到了一种精简的最优特征子集和最合适的一组支持向量机参数。用得到的原始故障数据集对所建立的方法性能进行了计算验证。结果表明,该方法可有效地筛选出规模较小且故障模式辨识度高的低维故障数据集,它可显著提高故障分类器的辨识准确率。

关键词：特征选择 ReliefF算法不相关特征量子粒子群算法支持向量机

故障特征选择与特征信息融合的加权KPCA方法研究

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2014年第9期33卷 89-93,121页

作者：张恒赵荣珍兰州理工大学数字制造技术与应用省部共建教育部重点实验室兰州730050 兰州理工大学机电工程学院兰州730050

针对旋转机械振动故障特征与故障类别间不完全对应问题,以双跨转子系统12个通道的故障信息集合为研究对象,提出一种基于加权核主成分分析的故障敏感特征集合提取方法。通过对每个通道的振动信号进行时域、频域、时频域的特征提取,得到... 详细信息

针对旋转机械振动故障特征与故障类别间不完全对应问题,以双跨转子系统12个通道的故障信息集合为研究对象,提出一种基于加权核主成分分析的故障敏感特征集合提取方法。通过对每个通道的振动信号进行时域、频域、时频域的特征提取,得到一种描述双跨转子系统的原始故障特征集合。采用多准则特征选择方法对这种原始故障特征集合进行特征属性筛选,得到一种利于故障分类的敏感特征集合。对这12个通道的敏感特征集合进行信息融合处理,可得到一种多通道信息的融合特征向量,利用加权核主成分分析方法提取出融合特征向量中的核主成分。结果表明,这种核主成分能够显示出故障类别间的较显著差异,和具有较好的敏感特征子集寻优能力。该研究为解决好双跨转子系统的故障数据集的类别划分问题,提供了一种新途径。

关键词：特征选择特征信息融合加权核主成分分析故障诊断

转子故障数据集降维的CKLPMDP算法研究

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2021年第9期40卷 37-42,54页

作者：安煌赵荣珍兰州理工大学机电工程学院兰州730050

针对传统的数据降维方法难以兼顾局部流形结构和多流形判别结构学习的问题,提出一种相关熵测度核局部保持多流形判别投影算法(correntropy kernel locality preserving multi-manifold discriminant projection,CKLPMDP)的转子故障数据... 详细信息

针对传统的数据降维方法难以兼顾局部流形结构和多流形判别结构学习的问题,提出一种相关熵测度核局部保持多流形判别投影算法(correntropy kernel locality preserving multi-manifold discriminant projection,CKLPMDP)的转子故障数据集降维方法。该方法的显著特点是采用相关熵测度监督近邻图的构建,首先将数据集映射到高维核空间,然后在核空间中综合考虑数据集的局部流形结构和多流形判别结构信息,提取出最优表征故障数据集的低维敏感特征矢量,采用三维图直观地显示出低维分类效果,并以低维敏感特征矢量输入K近邻分类器(K-nearest neighbor,KNN)中的辨识率和聚类分析中类间距S_(b)、类内距S_(w)作为衡量降维效果的指标。通过双跨转子实验台的振动信号数据集进行验证,与其他几种典型特征提取方法对比,该方法能更有效地提取出局部流形和多流形判别信息,在转子故障辨识中表现出更好的分类性能。

关键词：相关熵判别投影数据降维多流形判别结构

基于标准正交判别投影的转子故障数据集降维方法

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2020年第18期39卷 96-102页

作者：石明宽赵荣珍兰州理工大学机电工程学院兰州730050

针对旋转机械智能决策技术的故障数据分类问题,提出一种基于标准正交判别投影(SODP)的转子故障数据集降维算法。该方法从时域、频域及时频域构造原始故障特征集,将振动信号转化为高维特征数据集;运用SODP选择出其中最能反映故障本质的... 详细信息

针对旋转机械智能决策技术的故障数据分类问题,提出一种基于标准正交判别投影(SODP)的转子故障数据集降维算法。该方法从时域、频域及时频域构造原始故障特征集,将振动信号转化为高维特征数据集;运用SODP选择出其中最能反映故障本质的敏感特征子集;将得到的低维特征子集输入到KNN分类器中进行故障模式辨识。用一个双跨度转子系统的振动信号集合进行验证,证明了该方法能够有效地提取出全局与局部判别信息,使故障类别之间的差异性变得更清晰,相应地提高了故障模式识别准确率。研究表明该算法可为实际转子智能故障诊断提供参考。

关键词：故障分类转子故障数据集正交判别投影标准正交性约束 K近邻(KNN)分类器

近邻概率距离在旋转机械故障集分类中的应用方法

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2018年第11期37卷 48-54页

作者：李霁蒲赵荣珍兰州理工大学机电工程学院兰州730050

针对多种故障类型的特征属性相互交叉导致故障难以辨识的问题,提出一种考虑相邻点之间成为近邻点概率的新度量函数。将新提出的近邻概率距离(Nearby Probability Distance,NPD)应用于局部保持投影算法(Locality Preserving Projection,L... 详细信息

针对多种故障类型的特征属性相互交叉导致故障难以辨识的问题,提出一种考虑相邻点之间成为近邻点概率的新度量函数。将新提出的近邻概率距离(Nearby Probability Distance,NPD)应用于局部保持投影算法(Locality Preserving Projection,LPP)与K-近邻(K-Nearest Neighbor,KNN)分类器中,提出基于近邻概率距离的局部保持投影算法(Nearby Probability Distance Locality Preserving Projection,NPDLPP)与基于近邻概率距离的K-近邻(Nearby Probability Distance K-Nearest Neighbor,NPDKNN)分类器;首先通过时域、频域特征提取方法,将振动信号转化为高维特征数据集,然后通过NPDLPP将高维数据集降维到低维空间,最后将降维得到的低维敏感特征集输入到NPDKNN中进行模式识别;用一个双跨度转子系统的振动信号集合进行验证,证明了所提出的降维算法效果明显,它能够达到各个故障类型更好分离。研究表明,新提出的近邻概率距离较传统的欧式距离测度更能最小化类内散度,最大化类间分离度。

关键词：局部保持投影近邻概率距离 K近邻分类器距离度量

在线全文

学校读者我要写书评

暂无评论

基于SILPDA的旋转机械故障诊断方法

振动与冲击 2023年第2期42卷 16-22页

作者：董晓鑫赵荣珍兰州理工大学机电工程学院兰州730050

针对故障特征集因“维数灾难”导致的故障分类困难现状,提出了一种基于强化内蕴局部保持判别分析(strengthened intrinsic local preserving discriminant analysis, SILPDA)的故障特征集降维算法。该算法将强化的多流形内蕴模型与局部... 详细信息

针对故障特征集因“维数灾难”导致的故障分类困难现状,提出了一种基于强化内蕴局部保持判别分析(strengthened intrinsic local preserving discriminant analysis, SILPDA)的故障特征集降维算法。该算法将强化的多流形内蕴模型与局部相似度矩阵融入目标函数的构建中,期间充分考虑了数据集的多流形结构特征并且保留了样本的局部结构信息,使降维后的低维特征子集易于实施分类运算,继而实现提高故障辨识精度的效果。利用转子试验台振动信号集合构建的原始故障特征集对算法性能进行了验证。结果表明,该算法能够从原始故障数据集中提取出利于实施分类运算的敏感特征子集,这些特征子集将会使不同故障类别之间的边界变得更加清晰,最终相较于局部保持投影(locality preserving projections, LPP)、线性判别分析(linear discriminant analysis, LDA)、局部边缘判别投影(locality margin discriminant projection, LMDP)等算法可实现更好的故障辨识效果。对于提高旋转机械大数据资源的价值密度,该算法提供了一种优化数据结构模型的理论依据。

关键词：故障诊断降维内蕴结构多流形