检索结果-南通市图书馆

基于EEMD形态谱和KFCM聚类集成的滚动轴承故障诊断方法研究

在线全文

学校读者我要写书评

暂无评论

振动工程学报 2015年第2期28卷 324-330页

作者：郑直姜万录胡浩松朱勇李扬燕山大学河北省重型机械流体动力传输与控制重点实验室河北秦皇岛066004 燕山大学先进锻压成形技术与科学教育部重点实验室河北秦皇岛066004

针对滚动轴承的故障诊断问题,提出了一种基于集总经验模态分解(EEMD)、形态谱特征提取和核模糊C均值聚类(KFCMC)集成的故障诊断新方法。首先,对实测的滚动轴承振动信号进行EEMD分解,得到若干个代表不同振动模态的内禀模态函数(IMF);其次... 详细信息

针对滚动轴承的故障诊断问题,提出了一种基于集总经验模态分解(EEMD)、形态谱特征提取和核模糊C均值聚类(KFCMC)集成的故障诊断新方法。首先,对实测的滚动轴承振动信号进行EEMD分解,得到若干个代表不同振动模态的内禀模态函数(IMF);其次,基于峭度、能量和均方差三个评价指标,从分解得到的若干个IMF分量中选出含有故障特征信息最丰富的3个IMF分量作为诊断用的数据源;然后在选定尺度范围内提取每个IMF分量的形态谱平均值,将三个形态谱平均值构成一个三维特征向量,作为一个样本,形成样本集;最后,利用KFCMC完成对滚动轴承不同故障的分类识别。此外,为了对比说明该方法的识别效果,还将振动信号用经验模态分解(EMD)方法进行分解,用模糊C均值聚类(FCMC)进行分类识别,结果表明所提方法的识别效果要优于EMD形态谱和FCMC相结合的方法。通过对实测的滚动轴承振动信号的实验验证,表明该方法可以实现对滚动轴承故障的有效诊断。

关键词：故障诊断滚动轴承集总经验模态分解形态谱核模糊 C 均值聚类

基于EEMD形态谱和支持向量机复合的滚动轴承故障诊断方法

在线全文

学校读者我要写书评

暂无评论

工程科学学报 2015年第S1期37卷 72-77页

作者：姜万录郑直胡浩松燕山大学河北省重型机械流体动力传输与控制重点实验室秦皇岛066004 燕山大学先进锻压成型技术与科学教育部重点实验室秦皇岛066004

针对滚动轴承的内圈、外圈和滚动体故障提出了一种新的诊断方法,该方法融合了集总经验模态分解(EEMD)、形态谱和支持向量机(SVM)三种方法的优势.首先,利用经验模态分解对滚动轴承故障振动信号进行分解,得到若干个具有物理意义的内禀模... 详细信息

针对滚动轴承的内圈、外圈和滚动体故障提出了一种新的诊断方法,该方法融合了集总经验模态分解(EEMD)、形态谱和支持向量机(SVM)三种方法的优势.首先,利用经验模态分解对滚动轴承故障振动信号进行分解,得到若干个具有物理意义的内禀模态分量(IMF);其次,基于最大能量法筛选出含有故障特征信息最丰富的一个内禀模态分量为故障诊断数据源;再次,对数据源在选定尺度范围内进行形态谱的提取,从而构造故障特征向量;最后,利用支持向量机对滚动轴承的三种故障进行诊断.研究结果表明,该方法能够有效地诊断出滚动轴承的三种故障,且具有很高的故障诊断正确率.

关键词：集总经验模态分解形态谱支持向量机滚动轴承故障诊断

基于EWT及多尺度形态谱的高压并联电抗器故障诊断研究

在线全文

学校读者我要写书评

暂无评论

电力系统保护与控制 2020年第17期48卷 68-75页

作者：赵若妤马宏忠魏旭姜宁陈轩谭风雷河海大学能源与电气学院江苏南京211100 国网江苏省电力有限公司运维部江苏南京210008 国网江苏省电力有限公司检修分公司江苏南京211102

针对高压并联电抗器故障诊断问题,提出一种基于经验小波变换(EWT)、多尺度数学形态谱进行特征提取,采用Kernel K-means聚类进行故障模式识别的诊断新方法。首先,将实测三种工况下的电抗器振动信号经EWT分解得到数个模态分量。然后分别... 详细信息

针对高压并联电抗器故障诊断问题,提出一种基于经验小波变换(EWT)、多尺度数学形态谱进行特征提取,采用Kernel K-means聚类进行故障模式识别的诊断新方法。首先,将实测三种工况下的电抗器振动信号经EWT分解得到数个模态分量。然后分别计算每个模态分量与原信号的相关系数并按系数大小降序排列,取前4个模态分量构成有效分量向量。再利用多尺度形态谱对有效分量向量进行分析计算,构成一个四维特征向量。最后利用Kernel K-means聚类对样本特征集进行分类识别。实验验证,该方法能有效提取电抗器振动信号特征量,能正确识别电抗器所属的不同工况。

关键词：高压电抗器特征提取经验小波变换形态谱 Kernel K-means聚类

在线全文

学校读者我要写书评

暂无评论

基于数学形态谱的配电网接地选线新方法

电力自动化设备 2009年第2期29卷 35-38页

作者：李天云祝磊王飞邬欣赵冉东北电力大学电气工程学院吉林吉林132012 浙江湖州市电力局浙江湖州313000 中国华能集团公司计划发展部北京100036

分析了配电网故障选线的现状,提出了一种新的基于图形识别的数学形态谱选线方法。从配电网发生单相接地时各线路的零序电流波形出发,采用不同刻度大小的结构元素对电流波形进行形态学开、闭运算,将运算结果对刻度求导,得到形态谱值曲线... 详细信息

分析了配电网故障选线的现状,提出了一种新的基于图形识别的数学形态谱选线方法。从配电网发生单相接地时各线路的零序电流波形出发,采用不同刻度大小的结构元素对电流波形进行形态学开、闭运算,将运算结果对刻度求导,得到形态谱值曲线,求出各线路形态谱,找出形态谱不同于其他线路的线路即是故障线路。Matlab仿真结果表明,该方法不受有无中性点消弧线圈、过补偿度、过渡电阻和短路时刻的影响,能准确地选择出故障线路,为配电网单相接地选线提供了一种全新的思路。

关键词：形态谱结构元素多刻度故障选线配电网单相接地故障

在线全文

学校读者我要写书评

暂无评论

形态谱的一般性构造形式及其鲁棒性分析

通信学报 1997年第5期18卷 62-66页

作者：周晓琪袁保宗北方交通大学信息所

本文建立了形态谱一般性的构造形式，针对一噪声模型，分析了各种形态谱的鲁棒性（Ｒｏｂｕｓｔｎｅｓｓ），理论分析与实验计算表明通常形态谱的鲁棒性具有一定局限性。

关键词：形状识别数学形态学形态谱信息论

基于数学形态谱和LS-SVM的变压器励磁涌流和短路电流识别方法

在线全文

学校读者我要写书评

暂无评论

电网技术 2008年第S1期32卷 87-89页

作者：祝磊丘毅昌张蓉蓉岳灵平侯永志东北电力大学电气工程学院吉林省吉林市132012 中山供电局广东省中山市528400 中山市电力工程有限公司广东省中山市528400 湖州电力局浙江省湖州市313000

利用数学形态谱对变压器短路电流和励磁涌流时域波形进行变换,以前11刻度对应的形态谱值作为最小二乘–支持向量机(LS-SVM)的输入特征量,对变压器短路电流和励磁涌流进行分类。仿真结果表明该方法不受变压器剩磁、合闸角等因素的影响,... 详细信息

利用数学形态谱对变压器短路电流和励磁涌流时域波形进行变换,以前11刻度对应的形态谱值作为最小二乘–支持向量机(LS-SVM)的输入特征量,对变压器短路电流和励磁涌流进行分类。仿真结果表明该方法不受变压器剩磁、合闸角等因素的影响,在小样本情况下具有很好的分类能力,是一种准确有效的识别方法。

关键词：形态谱励磁涌流短路电流最小二乘–支持向量机(LS-SVM)

一种基于数学形态学形态谱的图形形状分析判据

在线全文

学校读者我要写书评

暂无评论

计算机科学 1997年第3期24卷 79-81页

作者：梁丰吕丽民仲萃豪浙江工业大学信息工程系杭州310014 北京中科院软件所

数学形态学(Mathematic Morphology)是一种重要的图象处理算法体系。

关键词：数学形态学形态谱图象处理图象识别

在线全文

学校读者我要写书评

暂无评论

基于数学形态谱的逆变器功率管开路故障诊断

电源学报 2018年第5期16卷 159-166页

作者：宋平岗章伟陈欢林家通周振邦华东交通大学电气学院南昌330013

针对逆变器功率管开路故障,提出一种基于数学形态谱的逆变器开路故障诊断方法。利用逆变器故障状态下的三相输出电流出现波形上缺失、下缺失、上下都缺失以及严重畸变的差异,求取正常电流信号及上述4种故障电流信号的形态谱,提取形态谱... 详细信息

针对逆变器功率管开路故障,提出一种基于数学形态谱的逆变器开路故障诊断方法。利用逆变器故障状态下的三相输出电流出现波形上缺失、下缺失、上下都缺失以及严重畸变的差异,求取正常电流信号及上述4种故障电流信号的形态谱,提取形态谱中前11个归一化谱值作为特征向量输入ELM神经网络进行区分,并结合简单的三相输出电流故障判别机制,实现故障功率管的准确定位。仿真结果表明,该方法的故障区分率超过96%。最后利用实验数据验证了所提方法的有效性。

关键词：逆变器形态谱故障诊断数学形态学

在线全文

学校读者我要写书评

暂无评论

基于形态谱的磨粒图像特征参数提取方法

润滑与密封 2011年第4期36卷 30-32,43页

作者：王国德张培林李兵柳成成张安成军械工程学院一系 77611部队

为提高磨粒识别的精度,提出一种基于形态谱磨粒图像特征参数提取新方法,给出磨粒图像的归一化形态谱的计算方法,并将磨粒的形态谱作为其特征向量,采用径向基函数神经网络对磨粒进行自动识别。结果表明:利用磨粒的形态谱实现了对球形磨... 详细信息

为提高磨粒识别的精度,提出一种基于形态谱磨粒图像特征参数提取新方法,给出磨粒图像的归一化形态谱的计算方法,并将磨粒的形态谱作为其特征向量,采用径向基函数神经网络对磨粒进行自动识别。结果表明:利用磨粒的形态谱实现了对球形磨粒、切削磨粒、严重滑动磨粒、疲劳剥块4种典型磨粒的分类识别,磨粒的形态谱可以作为磨粒的有效特征参数。

关键词：磨粒图像特征提取形态谱径向基函数神经网络