检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

一种新的机电设备状态趋势智能混合预测模型

机械强度 2005年第4期27卷 425-431页

作者：胡桥何正嘉訾艳阳雷亚国刘京科西安交通大学机械工程学院西安710049 机械制造系统工程国家重点实验室西安710049

针对机电设备运行状态受多因素影响,变化趋势复杂,难以用单一预测方法进行有效预测的问题,提出一种新的基于改进灰色系统—支持向量机—神经模糊系统的智能混合预测模型。该模型首先利用改进灰色系统弱化数据序列波动性、支持向量机处... 详细信息

针对机电设备运行状态受多因素影响,变化趋势复杂,难以用单一预测方法进行有效预测的问题,提出一种新的基于改进灰色系统—支持向量机—神经模糊系统的智能混合预测模型。该模型首先利用改进灰色系统弱化数据序列波动性、支持向量机处理小样本和模糊神经系统处理非线性模糊信息的优点,分别进行趋势预测,然后通过改进遗传算法对这三者的预测结果进行自适应加权组合。将该模型应用于信号随机波动性较强、趋势变化复杂的标准算例和某机组振动趋势的预测中,研究结果表明,该模型的预测性能均优于上述三种单一预测方法。

关键词：改进灰色系统支持向量机神经模糊系统智能混合预测

在线全文

学校读者我要写书评

暂无评论

EMD趋势分析方法及其应用研究

振动与冲击 2007年第8期26卷 98-100,130页

作者：高强李良敏孟庆丰范虹雷亚国长安大学汽车学院西安710061 西安交通大学机械工程学院西安710049

趋势分析是一种重要的设备状态监测与故障诊断方法,对分析较长时间范围内设备运行状态的变化具有重要意义。研究了一种基于经验模式分解(Empirical Mode Decomposition,EMD)的设备运行状态趋势分析方法。研究表明,与传统方法(如最小二... 详细信息

趋势分析是一种重要的设备状态监测与故障诊断方法,对分析较长时间范围内设备运行状态的变化具有重要意义。研究了一种基于经验模式分解(Empirical Mode Decomposition,EMD)的设备运行状态趋势分析方法。研究表明,与传统方法(如最小二乘法、低通滤波法)相比,经验模式分解能够更准确地提取信号趋势信息。应用于某炼油厂透平烟机故障诊断,表明这种基于经验模式分解的趋势分析方法能够有效提取设备运行趋势信息,消除采样中随机因素的影响,为准确评估设备运行状态、诊断故障提供可靠依据,具有重要的现场实用价值。

关键词：经验模式分解(EMD) 趋势分析信号处理故障诊断

自适应移频变尺度随机共振在故障诊断中的应用

在线全文

学校读者我要写书评

暂无评论

西安交通大学学报 2009年第7期43卷 69-73页

作者：谭继勇陈雪峰雷亚国何正嘉西安交通大学机械制造系统工程国家重点实验室西安710049 加拿大阿尔伯塔大学机械工程系加拿大埃德蒙顿T6G2G8

针对移频变尺度随机共振系统参数选择困难的问题,提出了一种基于时频指标的自适应移频变尺度随机共振算法.该算法选用了最高谱峰位置(频域)及过零间距方差(时域)作为优化目标函数,避开了以信噪比等为目标函数时需要预先知道目标信号确... 详细信息

针对移频变尺度随机共振系统参数选择困难的问题,提出了一种基于时频指标的自适应移频变尺度随机共振算法.该算法选用了最高谱峰位置(频域)及过零间距方差(时域)作为优化目标函数,避开了以信噪比等为目标函数时需要预先知道目标信号确切频率的不足,能够自适应地获取最优系统参数,以最大信噪比检测出微弱周期信号.同时,由于移频变尺度随机共振的选用,该自适应算法突破了传统随机共振系统的限制,因此可以检测实际工程中的高频信号.仿真和故障诊断的工程应用结果表明,该自适应算法简单、易于理解,能有效地从强背景噪声中检测出高频微弱周期信号,具有较强的工程实用价值.

关键词：时频指标自适应移频变尺度随机共振故障诊断

XJTU-SY滚动轴承加速寿命试验数据集解读

在线全文

学校读者我要写书评

暂无评论

机械工程学报 2019年第16期55卷 1-6页

作者：雷亚国韩天宇王彪李乃鹏闫涛杨军西安交通大学现代设计及转子轴承系统教育部重点实验室西安710049 浙江长兴昇阳科技有限公司湖州313100

预测与健康管理对保障机械装备安全服役、提高生产效率、增加经济效益至关重要。高质量的全寿命周期数据是预测与健康管理领域的基础性资源,这些数据承载着反映装备服役性能完整退化过程与规律的关键信息。然而,由于数据获取成本高、存... 详细信息

预测与健康管理对保障机械装备安全服役、提高生产效率、增加经济效益至关重要。高质量的全寿命周期数据是预测与健康管理领域的基础性资源,这些数据承载着反映装备服役性能完整退化过程与规律的关键信息。然而,由于数据获取成本高、存储与传输技术有待发展等原因,典型的全寿命周期数据极其匮乏,严重制约了机械装备预测与健康管理技术的理论研究与工程应用。为解决上述难题,西安交通大学机械工程学院雷亚国教授团队联合浙江长兴昇阳科技有限公司,选取工业场景中典型的关键部件——滚动轴承为试验对象,开展了历时两年的滚动轴承加速寿命试验,并将获取的试验数据——XJTU-SY滚动轴承加速寿命试验数据集面向全球学者公开发布。该数据集共包含3种工况下15个滚动轴承的全寿命周期振动信号,采样频率高、数据量大、失效类型丰富、记录信息详细,既可为预测与健康管理领域提供新鲜的'数据血液',推动故障诊断与剩余寿命预测等领域的算法研究,又可助力工业界智能化运维的'落地生根'。

关键词：滚动轴承加速寿命试验预测与健康管理

基于提升小波包变换和集成支持矢量机的早期故障智能诊断

在线全文

学校读者我要写书评

暂无评论

机械工程学报 2006年第8期42卷 16-22页

作者：胡桥何正嘉张周锁訾艳阳雷亚国西安交通大学机械制造系统工程国家重点实验室西安710049

为了解决机电设备早期故障难以正确识别的问题,有效地提高分类的准确率,提出一种基于提升小波包变换和集成支持矢量机的早期故障智能诊断新方法。首先,该方法采用提升策略构造基于冲击故障信号特征的双正交小波,借助提升小波包变换提取... 详细信息

为了解决机电设备早期故障难以正确识别的问题,有效地提高分类的准确率,提出一种基于提升小波包变换和集成支持矢量机的早期故障智能诊断新方法。首先,该方法采用提升策略构造基于冲击故障信号特征的双正交小波,借助提升小波包变换提取信号的敏感频带特征,从而通过对敏感频带中的小波包系数进行包络解调分析检测出故障特征频率。其次,通过距离评估技术从原始信号和小波包系数的统计特征中选取最优特征集。最后,将最优特征输入到集成支持矢量机中,实现对不同故障类型的识别。将该方法应用于滚动轴承的早期故障诊断中,测试结果表明,该方法能够有效地提取故障特征,具有比单一支持矢量机更好的分类性能,故障诊断准确率更高。

关键词：提升小波包变换特征提取集成支持矢量机早期故障诊断

一种新的混合智能预测模型及其在故障诊断中的应用

在线全文

学校读者我要写书评

暂无评论

西安交通大学学报 2005年第9期39卷 928-932页

作者：胡桥何正嘉訾艳阳张周锁雷亚国西安交通大学机械工程学院西安710049 西安交通大学机械制造系统工程国家重点实验室西安710049

针对机电设备运行状态受多因素影响且变化趋势复杂、难以用单一预测方法进行有效预测的问题,提出了一种新的基于经验模式分解、支持向量机和自适应线性神经网络的混合智能预测模型.首先,利用经验模式分解方法将非平稳时间序列按其内在... 详细信息

针对机电设备运行状态受多因素影响且变化趋势复杂、难以用单一预测方法进行有效预测的问题,提出了一种新的基于经验模式分解、支持向量机和自适应线性神经网络的混合智能预测模型.首先,利用经验模式分解方法将非平稳时间序列按其内在的时间特征尺度自适应地分解为多个本征模式分量,然后根据这些分量各自趋势变化的剧烈程度选择合适的核函数,用支持向量机对其进行预测,最后通过自适应线性神经网络对这些预测分量进行自适应加权组合,得到原始序列的预测值.研究结果表明,对于标准算例和某机组振动趋势的预测,不论是单步预测还是多步预测,该模型的预测性能均好于单一的支持向量机预测方法.

关键词：经验模式分解支持向量机自适应线性神经网络混合智能预测

面向机械装备健康监测的数据质量保障方法研究

在线全文

学校读者我要写书评

暂无评论

机械工程学报 2021年第4期57卷 1-9页

作者：雷亚国许学方蔡潇李乃鹏孔德同张勇铭西安交通大学现代设计及转子轴承系统教育部重点实验室西安710049 华电电力科学研究院有限公司杭州310030

工业"大数据"时代的到来为机械装备健康监测带来了新机遇。然而,由于运行环境异常、人为因素干扰以及采集设备故障等,机械装备健康监测大数据中往往混杂大量与健康状态无关的异常值或缺失值数据,从而造成数据质量下降。监测数据中掺杂... 详细信息

工业"大数据"时代的到来为机械装备健康监测带来了新机遇。然而,由于运行环境异常、人为因素干扰以及采集设备故障等,机械装备健康监测大数据中往往混杂大量与健康状态无关的异常值或缺失值数据,从而造成数据质量下降。监测数据中掺杂的劣质数据容易造成对机械装备健康状态的误判,进而导致运维策略制定不当。为保障数据质量,提出一种机械装备健康监测振动数据恢复的张量分解方法。针对机械装备不同转速的振动数据,构建以转速、时窗、小波尺度和时间为维度的四阶张量,利用Tucker分解从中挖掘蕴含的机械健康状态信息,并通过张量填充对缺失值数据进行恢复。分别采用仿真数据和试验台数据验证了提出方法的有效性,结果表明,与传统数据恢复方法相比,提出方法恢复的数据与真实数据的拟合度更高。将提出方法应用于风电装备监测数据恢复,保障了监测数据的质量。

关键词：机械装备健康监测数据质量保障数据恢复缺失值数据张量分解

一种融合多传感器数据的数模联动机械剩余寿命预测方法

在线全文

学校读者我要写书评

暂无评论

机械工程学报 2021年第20期57卷 29-37,46页

作者：李乃鹏蔡潇雷亚国徐鹏程王文廷王彪西安交通大学现代设计及转子轴承系统教育部重点实验室西安710049

随着传感和信息技术的发展,各式各样的传感器获取了机械装备海量的监测数据,让剩余寿命预测有"据"可依,推动机械剩余寿命预测进入了大数据时代。但由于数据类型多样、量大面广,如何利用丰富的多传感器数据,从中快速挖掘健康状态退化信息... 详细信息

随着传感和信息技术的发展,各式各样的传感器获取了机械装备海量的监测数据,让剩余寿命预测有"据"可依,推动机械剩余寿命预测进入了大数据时代。但由于数据类型多样、量大面广,如何利用丰富的多传感器数据,从中快速挖掘健康状态退化信息,指导寿命预测,成为大数据时代下机械寿命预测的全新挑战。基于模型的寿命预测方法大多仅针对单一监测数据进行建模分析,无法有效利用丰富的大数据资源。数据驱动的方法则过分依赖训练数据,缺乏必要的经验指引,方法的可解释性差。为了有效利用多传感器数据指导寿命预测,从数模联动的思路出发,建立了一种融合多传感器数据的数模联动寿命预测方法。采用一种通用的Wiener过程模型对健康状态退化过程进行描述,分别建立多源观测函数和多源映射函数对状态与数据之间的因果关系和关联关系进行描述,采用粒子滤波算法将多传感器数据与模型进行动态匹配,预测剩余寿命。在提出方法的统一框架指导下,选取三种特定模型对铣刀剩余寿命进行预测,验证了提出方法的有效性。

关键词：机械装备剩余寿命预测大数据数模联动多传感器融合

基于时域Gammatone滤波特征的轴承加工缺陷智能诊断方法

在线全文

学校读者我要写书评

暂无评论