检索结果-南通市图书馆

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于MGCD的转子故障数据集降维方法

振动．测试与诊断 2024年第2期44卷 266-273,408页

作者：张勇飞赵荣珍邓林峰兰州理工大学机电工程学院兰州730050

针对由于特征维数过高导致故障数据集分类困难及故障模式辨识精度偏低的问题,提出一种基于多图协同决策(multi graph collaborative decision-making,简称MGCD)的转子故障数据集降维算法。首先,在边缘Fisher分析(marginal Fisher analys... 详细信息

针对由于特征维数过高导致故障数据集分类困难及故障模式辨识精度偏低的问题,提出一种基于多图协同决策(multi graph collaborative decision-making,简称MGCD)的转子故障数据集降维算法。首先,在边缘Fisher分析(marginal Fisher analysis,简称MFA)算法框架基础上,通过建立近邻图和远邻图解决因单一图结构导致的故障类别局部不可分问题;其次,采用最大化散度加权差分方式去削弱小样本问题造成的影响;最后,利用两个不同结构型式的转子系统故障模拟数据集对算法性能进行了验证。结果表明,使用本算法对故障数据集进行降维得到的敏感故障数据集使故障类别之间的差异性更加突出,能够提高故障模式识别准确率,为提高旋转机械智能故障诊断技术水平提供一定的研究参考依据。

关键词：故障诊断降维远邻图小样本

维普期刊数据库博看期刊

火电机组交互影响对次同步振荡的作用机理研究

在线全文

学校读者我要写书评

暂无评论

浙江电力 2024年第2期43卷 25-33页

作者：臧德春赵荣臻杨超祝新驰南京南瑞继保电气有限公司南京211102

有研究表明,多机系统发生SSO(次同步振荡)时,机组间具有相近扭振频率。为此,分析了相近频率机组轴系间的交互影响,及系统串补度、机组间电气距离和相近扭振频率对次同步振荡的作用机理。首先,基于特征矩阵,推导两台火电机组并列送出系... 详细信息

有研究表明,多机系统发生SSO(次同步振荡)时,机组间具有相近扭振频率。为此,分析了相近频率机组轴系间的交互影响,及系统串补度、机组间电气距离和相近扭振频率对次同步振荡的作用机理。首先,基于特征矩阵,推导两台火电机组并列送出系统的复转矩系数表达式。然后,将单机的简化复转矩系数法扩展到多机系统,推导了双火电机组电气阻尼的简化表达式,分析了其他机组对待研机组阻尼的作用,结果表明,串补度、机组电气距离以及相近扭振频率都会影响到系统阻尼和稳定性。最后,通过算例验证了各影响因素对系统次同步稳定性的作用机理。

关键词：次同步振荡相近扭振频率简化复转矩系数交互影响电气阻尼

在线全文

学校读者我要写书评

暂无评论

基于可控变压器的新能源暂态过电压抑制方法

电力电容器与无功补偿 2024年第3期45卷 123-129页

作者：任冲柯贤波程林夏川淋赵荣臻卫琳国家电网有限公司西北分部西安710048 南京南瑞继保电气有限公司南京210000

当高比例新能源直流外送系统发生直流故障时,系统无功扰动大但新能源无法提供有效支撑,导致系统电压水平上升,近区新能源消纳水平和直流外送功率相互影响制约。为解决上述问题,提出一种基于可控变压器的新能源暂态过电压抑制方法,利用... 详细信息

当高比例新能源直流外送系统发生直流故障时,系统无功扰动大但新能源无法提供有效支撑,导致系统电压水平上升,近区新能源消纳水平和直流外送功率相互影响制约。为解决上述问题,提出一种基于可控变压器的新能源暂态过电压抑制方法,利用直流电源控制变压器铁心饱和程度,使其具备类似磁控电抗器的无功补偿功能,从而抑制新能源机端过电压。首先论证了变压器作为感性无功源的可行性及可控性,建立了基于励磁电流调节的变压器可控电抗的数学模型并设计了变压器励磁控制系统,使变压器可以根据系统的电压水平自动控制铁心饱和程度,以改变自身的无功功率从而抑制过电压。最后以青新疆电网天中直流近区新能源为算例,验证了方法的有效性。

关键词：特高压直流暂态过电压磁饱和变压器无功补偿

Fault Pattern Recognition based on Kernel Method and Fuzzy C-means

在线全文

学校读者我要写书评

暂无评论

International Journal of Plant Engineering and Management 2016年第4期21卷 231-240页

作者： SUN Yebei zhao rongzhen TANG Xiaobin School of Mechanical & Electronic Engineering Lanzhou University of Technology

A method about fault identification is proposed to solve the relationship among fault features of large rotating machinery, which is extremely complicated and nonlinear. This paper studies the rotor test-rig and the clustering of data sets and fault pattern recognitions. The present method firstly maps the data from their original space to a high dimensional Kernel space which makes the highly nonlinear data in low-dimensional space become linearly separable in Kernel space. It highlights the differences among the features of the data set. Then fuzzy C-means （FCM） is conducted in the Kernel space. Each data is assigned to the nearest class by computing the distance to the clustering center. Finally, test set is used to judge the results. The convergence rate and clustering accuracy are better than traditional FCM. The study shows that the method is effective for the accuracy of pattern recognition on rotating machinery.

关键词： Kernel method fuzzy C-means FCM pattern recognition clustering

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

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

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

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