检索结果-南通市图书馆

融合多特征信息与GWO-SVM的机械关键设备故障诊断

在线全文

学校读者我要写书评

暂无评论

机械设计与制造 2024年

作者：宋玲玲王琳钟丽李晨曦鲁东大学信息与电气工程学院烟台职业学院电气与电子工程系山东理工大学机械工程学院

为了提高机械关键设备故障诊断的精度，建立机械关键设备故障诊断模型。文章提出一种融合机械关键设备故障信号多特征信息与灰狼优化算法(Grey Wolf Optimization Algorithm，GWO)改进支持向量机(Support Vector Machine，SVM)(GWO-SVM... 详细信息

为了提高机械关键设备故障诊断的精度，建立机械关键设备故障诊断模型。文章提出一种融合机械关键设备故障信号多特征信息与灰狼优化算法(Grey Wolf Optimization Algorithm，GWO)改进支持向量机(Support Vector Machine，SVM)(GWO-SVM)的机械关键设备故障诊断模型。首先，提取机械关键设备故障信号的时域特征、频域特征和多尺度加权排列熵特征，分别对比不同特征的机械关键设备故障诊断结果。其次，为提高SVM模型性能，运用GWO算法对SVM模型的惩罚参数P和核函数参数g进行优化选择，提出一种融合多特征信息与GWO-SVM的机械设备故障诊断模型。与GA-SVM、PSO-SVM和SVM相比，基于GWO-SVM的机械设备故障诊断模型的诊断精度最高。本文算法可以有效提高机械关键设备故障诊断正确率，为机械关键设备故障诊断提供了新的方法。

关键词：时域特征灰狼优化算法支持向量机频域特征多尺度加权排列熵

基于WOA-VMD-SVM数控机床刀具健康状态评价体系的建立

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

制造业自动化 2024年第1期46卷 154-160页

作者：王寿元李积元郎永存青海大学机械工程学院西宁810016

刀具的健康状态直接影响着数控机床的加工性能。对刀具的磨损、破损等健康状态因素进行前期预测和判断,可有效防止因刀具健康状态异常而导致加工质量不稳定等问题。根据刀具在机加工过程中因磨损状况而引起机床机械特性的变化展开分析... 详细信息

刀具的健康状态直接影响着数控机床的加工性能。对刀具的磨损、破损等健康状态因素进行前期预测和判断,可有效防止因刀具健康状态异常而导致加工质量不稳定等问题。根据刀具在机加工过程中因磨损状况而引起机床机械特性的变化展开分析与研究,即通过采集与刀具健康状态相关联的机床主轴振动信号,并对该信号进行处理和特征提取,建立基于WOA-VMD-SVM刀具健康状态预测识别模型。经实验分析与验证,所建立的模型具有很高的识别准确率,其准确率高达96.8%,高于SVM模型和GA-SVM模型,由此表明该模型能够高效、准确地对刀具磨损状态进行识别和分类。

关键词：数控机床刀具健康状态变分模态分解多尺度加权排列熵支持向量机

基于机器学习机床机械加工特征信息与加工材料关联性研究

在线全文

学校读者我要写书评

暂无评论

机床与液压 2022年第16期50卷 194-199页

作者：郎永存李积元郑佳昕青海大学机械工程学院青海西宁810016

为了开展数控机床机械加工特征信息检测与分析方面的研究,以健康状态的机床对不同工件材料进行切削加工,通过数据采集系统采集在不同切削状态下机床主轴输出的机械特征信息,利用机器学习的方法对特征信息进行分析和判断,提出一种基于机... 详细信息

为了开展数控机床机械加工特征信息检测与分析方面的研究,以健康状态的机床对不同工件材料进行切削加工,通过数据采集系统采集在不同切削状态下机床主轴输出的机械特征信息,利用机器学习的方法对特征信息进行分析和判断,提出一种基于机床主轴振动信号与机床主轴负载电流特征信息融合的工件材料精确识别判断模型。首先,获取机床在不同加工状态下的主轴振动信号以及主轴负载电流信号,利用变分模态分解(VMD)算法对其进行分解获得本征模态分量(IMF)并计算各个IMF的多尺度加权排列熵(MWPE)进行信息融合构建特征向量;然后使用灰狼优化(GWO)算法对传统支持向量机进行优化并对4种常见工况进行识别判断。试验结果表明:基于信息融合的特征提取与GWO-SVM相结合的方法能够利用机床加工状态输出的数据特征信息对正在加工的材料种类进行精确识别判断。

关键词：信息融合变分模态分解多尺度加权排列熵灰狼优化支持向量机

基于IVMD和MSSSA-ELM的煤矿通风机轴承故障诊断研究

在线全文

学校读者我要写书评

暂无评论

基于IVMD和MSSSA-ELM的煤矿通风机轴承故障诊断研究

作者：李猛中国矿业大学

学位级别：硕士

煤矿通风机是矿井通风系统的关键设备,对保障煤炭安全生产意义重大。轴承作为煤矿通风机的核心部件,在工作中一旦出现故障不仅会严重影响到煤矿通风机的正常运行,还有可能造成煤矿安全事故。因此,本文以轴承作为研究对象,对其振动信号... 详细信息

煤矿通风机是矿井通风系统的关键设备,对保障煤炭安全生产意义重大。轴承作为煤矿通风机的核心部件,在工作中一旦出现故障不仅会严重影响到煤矿通风机的正常运行,还有可能造成煤矿安全事故。因此,本文以轴承作为研究对象,对其振动信号进行分解并提取特征信息,实现对煤矿通风机轴承的故障诊断。在信号分解研究部分:首先,基于变分模态分解(VMD)在解决模态混叠问题上的优势,选择VMD作为基础的分解算法;然后,针对VMD算法中的关键参数设置不合理对分解效果造成影响的问题,提出改进变分模态分解(IVMD),利用能量差占比法和相关系数完成分解尺度K的自适应优化,并构建平均样本熵最小值指标实现对惩罚因子α的优化选择;最后,与EMD和VMD进行实际信号分解实验对比,验证了本文提出的IVMD算法能够更好地得到原始信号频率成分。在特征提取研究部分:首先,基于多尺度加权排列熵(MWPE)在尺度研究方面的优势,选择MWPE作为基础的特征提取方法;然后,分析了 MWPE的时间序列长度N、分量维度m、尺度因子s和时延τ对其熵值计算的影响,并对四个计算参数分别展开优化,根据优化结果设定不同故障信号下MWPE的计算参数,与经验参数MWPE进行对比,证明了本文参数优化MWPE的有效性;最后,与排列熵(PE)、加权排列熵(WPE)和经验参数MWPE进行实际信号特征提取实验对比,验证了本文提出的参数优化MWPE在不同故障中差异性更加明显,为故障诊断奠定了坚实基础。在故障诊断模型建立及系统设计研究部分:首先,基于极限学习机(ELM)训练参数少、学习速度快和泛化能力强的优势,选择ELM作为基础的分类算法。针对随机产生的输入权重和隐含层阈值对ELM的分类准确率产生影响的问题,引入Tent混沌映射、均匀分布的动态自适应权重因子和柯西-高斯变异多策略增强型麻雀搜索算法(MSSSA)对ELM参数进行寻优;然后,建立MSSSA-ELM故障诊断模型,与SVM、ELM、PSO-ELM和SSA-ELM模型进行故障分类对比实验,验证了经过IVMD分解,提取MWPE特征的MSSSA-ELM故障诊断模型分类准确率更高;最后,利用MATLAB的GUI工具设计了一套煤矿通风机轴承故障诊断系统,能更加简洁高效地诊断轴承的故障类型。本论文共有图70幅,表12个,参考文献108篇。

关键词：轴承故障诊断变分模态分解多尺度加权排列熵极限学习机麻雀搜索算法

基于机器学习数控机床主轴系统健康诊断数理模型的分析与研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器学习数控机床主轴系统健康诊断数理模型的分析与研究

作者：郎永存青海大学

学位级别：硕士

数控机床作为工作母机在机械制造领域得到了广泛应用,而主轴系统是机床的核心部件之一,其健康状态直接影响机床整体加工性能。因此开展机床主轴系统健康状态监测、健康状态评价,识别早期故障征兆与故障诊断的相关分析与研究,对保证机床... 详细信息

数控机床作为工作母机在机械制造领域得到了广泛应用,而主轴系统是机床的核心部件之一,其健康状态直接影响机床整体加工性能。因此开展机床主轴系统健康状态监测、健康状态评价,识别早期故障征兆与故障诊断的相关分析与研究,对保证机床加工精度和加工质量具有重大意义。本文主要研究机床工作过程中主轴系统输出的振动信号与主轴系统健康状态之间的关联关系,并建立健康诊断分析模型,对数控机床主轴系统实施健康诊断。主要研究内容如下:(1)分析影响主轴系统健康状态的因素,研究主轴系统工作时输出的状态信号,通过对比发生故障时状态信号的表现形式,提出了基于振动信号的主轴系统健康诊断方法。(2)对主轴系统在健康与异常状态下的振动特性展开分析与研究,针对主轴系统输出的振动信号提出一种VMD-MWPE的信号处理与特征提取方法,并设计实验采集实验数据验证了该信号处理与特征提取方法的有效性。(3)建立振动信号特征信息与主轴系统状态之间的关联关系模型,使用SVM模型对特征信息识别判断。为了提高判断的精确度,又引入了粒子群优化算法(PSO)对SVM的参数进行优化。通过实验数据对所建模型进行验证,结果表明,PSO-SVM诊断模型识别判断准确率高且相对稳定。(4)利用Python搭建了数控机床健康诊断综合分析平台,设计了系统的总体架构、数据采集模块、数据处理模块、诊断服务模块、人机交互界面等。该平台可实现对数控机床的动态监控、故障分析、状态数据显示及信息的发布与预警功能。

关键词：主轴系统健康诊断变分模态分解多尺度加权排列熵支持向量机

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于谱熵梅尔积和改进VMD的轴承故障预警

北京理工大学学报 2021年第11期41卷 1179-1187页

作者：马小平李博华蔡蔓利韩正化陈泽彭中国矿业大学信息与控制工程学院江苏徐州221116

针对传统轴承故障预警实时性较差、故障特征提取准确性影响预警效果的问题,将语音端点识别思想进行迁移,采用谱熵梅尔积特征的双门限法实时追踪故障起始点.为克服变分模态分解(variational mode decomposition,VMD)参数选取不当和端点... 详细信息

针对传统轴承故障预警实时性较差、故障特征提取准确性影响预警效果的问题,将语音端点识别思想进行迁移,采用谱熵梅尔积特征的双门限法实时追踪故障起始点.为克服变分模态分解(variational mode decomposition,VMD)参数选取不当和端点效应对提取效果造成的影响,提出能量差网格搜索法对VMD进行参数寻优,并用支持向量回归机对端点效应进行抑制,结合多尺度加权排列熵在检测振动信号随机性方面的优势,充分发挥VMD对信号的重构能力,对起始点后的故障段进行特征捕捉.通过实际轴承故障信号的实验及数据分析,验证了该方法在轴承故障预警中的有效性.

关键词：谱熵梅尔积改进变分模态分解多尺度加权排列熵轴承故障诊断

基于EMWPE-Relief-LSTM的传感器故障诊断方法

在线全文

学校读者我要写书评

暂无评论

计算机仿真 2021年第9期38卷 414-419页

作者：林涛张达王建君河北工业大学人工智能与数据科学学院天津300130

针对传感器故障信号非线性、非平稳性的特点,提出了基于经验多尺度加权排列熵与特征选择长短期记忆网络组合算法(EMWPE-Relief-LSTM)的传感器故障诊断方法。首先,采用集成经验模态分解(EEMD)将传感器输出的时间序列数据分解为本征模态分... 详细信息

针对传感器故障信号非线性、非平稳性的特点,提出了基于经验多尺度加权排列熵与特征选择长短期记忆网络组合算法(EMWPE-Relief-LSTM)的传感器故障诊断方法。首先,采用集成经验模态分解(EEMD)将传感器输出的时间序列数据分解为本征模态分量(IMFs),利用峭度和方差这两个指标筛选出合适的本征模态分量;其次,计算本征模态分量的多尺度加权排列熵(EMWPE),将熵值作为特征向量;最后,通过Relief算法对故障特征向量降维,将降维后的故障特征向量输入长短期记忆网络(LSTM)分类器。实验结果表明,上述方法的传感器故障诊断准确率为99.3%,可实现传感器故障的精确诊断。

关键词：传感器故障诊断集成经验模态分解多尺度加权排列熵长短期记忆网络

在线全文

学校读者我要写书评

暂无评论

基于信息熵的管道泄漏检测研究

基于信息熵的管道泄漏检测研究

作者：陈柯宇浙江理工大学

学位级别：硕士

管道运输是我国最常见的运输方式之一,在油气输送方面起着越来越重要的作用。随着管道建设的日益增多,很多管道由于一些自然或人为因素,管道泄漏时有发生,造成了巨大的经济损失和环境污染,还会产生严重的生产事故甚至危及人们的生命。因... 详细信息

管道运输是我国最常见的运输方式之一,在油气输送方面起着越来越重要的作用。随着管道建设的日益增多,很多管道由于一些自然或人为因素,管道泄漏时有发生,造成了巨大的经济损失和环境污染,还会产生严重的生产事故甚至危及人们的生命。因此,如何建立高效的管道泄漏检测系统,及时发现管道泄漏,是现今的研究重点。本文针对这个问题展开研究,主要研究工作如下:（1）设计了一套完整的管道泄漏检测系统,对系统的软硬件设计进行了说明,并通过实验来采集管道四种工作状态下（正常运行、泄漏开始、持续泄漏、泄漏结束）的管道压力信号序列,作为本文算法的分析信号。（2）针对管道压力信号,利用排列熵算法提取时间序列的特征,通过判定所提取特征的变化,实现管道的泄漏检测。考虑到单尺度排列熵的局限性,提出了基于多尺度加权排列熵的管道泄漏检测方法,探究了不同尺度下压力时间序列的特征变化。实验结果证明了多尺度加权排列熵算法的优越性。（3）针对管道压力时间序列,本文提出一种基于Hellinger距离的管道泄漏检测方法。该方法根据管道正常运行时的压力数据,利用滑动窗方法建立时间序列,并基于Hellinger距离构建管道泄漏检测的统计量。为了能够更加准确的监测管道的泄漏,通过休哈特控制图（Shewhart control chart）建立控制限。仿真结果表明该方法简单、有效且具有较好的实时性。

关键词：管道泄漏检测时间序列多尺度加权排列熵 Hellinger距离

基于改进VMD和ELM的通风机轴承故障预警及诊断研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进VMD和ELM的通风机轴承故障预警及诊断研究

作者：李博华中国矿业大学

学位级别：硕士

矿井通风机作为保障煤矿生产的命脉设备,监测其运行状态是减少煤矿事故的措施中不可或缺的环节,因此本文对矿井通风机进行研究,提取其轴承振动信号所包含的运行状态信息,通过分析状态信息中的故障特征,实现对矿井通风机的故障预警及分... 详细信息

矿井通风机作为保障煤矿生产的命脉设备,监测其运行状态是减少煤矿事故的措施中不可或缺的环节,因此本文对矿井通风机进行研究,提取其轴承振动信号所包含的运行状态信息,通过分析状态信息中的故障特征,实现对矿井通风机的故障预警及分类诊断。在信号分解部分,基于变分模态分解（VMD）在信号处理中可减少模态混叠的优势对振动信号进行基础处理;针对VMD参数选择不当及端点失真所导致的分解误差,提出能量差网格搜索法优化VMD算法参数,通过支持向量回归机（SVR）对振动信号进行延拓并改善端点效应;基于轴承信号对比分析本文改进的VMD、EMD和VMD的性能,证明本文改进的VMD算法鲁棒性更强,分解的信号分量更加接近原始信号频率成分。在特征提取部分,矿井中风门开闭、粉尘飞扬等复杂因素导致振动信号受随机性参数影响,为充分发挥VMD对信号的重构能力,结合排列熵（PE）在检测信号随机性上的优势对信号特征进行捕捉,并以此为基础引入多尺度加权排列熵（MWPE）,弥补PE忽略子序列数值变化以及单一尺度的不足;将改进VMD分别与PE、WPE、MWPE进行结合对比,证明了MWPE在表征振动信号中类间差异性更强、更具有鲁棒性,可作为本研究中代表振动信号的特征向量。在故障预警部分,引入具有识别自我、非我空间能力的阴性选择算法（NSA）,振动信号基于本文提出的改进VMD分解后分别提取PE、WPE、MWPE特征值;取轴承正常状态信号为自我样本,与固定半径NSA和V-detector NSA算法相结合建立预警模型,实验证明了振动信号经改进VMD分解后的PE、WPE、MWPE特征与V-detector NSA结合均可有效的实现故障预警。在诊断分类部分,以ELM为基础故障分类算法,对于ELM随机产生输入权重及隐含层阈值影响分类准确性的问题,引入搜索能力较强的GWO对ELM参数进行寻优;为了使寻优结果更加接近全局最优,使用包含佳点集策略、非线性策略以及个体记忆策略的IGWO算法来弥补GWO在局部开发和全局搜索上的不足,构建IGWO-ELM故障诊断模型;最后,基于实际信号将IGWO-ELM与SVM、IGWO-SVM、ELM、PSO-ELM、GWO-ELM模型进行对比,证明了改进VMD-MWPE特征提取方法结合IGWO-ELM诊断模型具有更高的分类准确率,且在轴承诊断领域中更有优势。该论文有图73幅,表9个,参考文献103篇。

关键词：变分模态分解多尺度加权排列熵阴性选择算法灰狼算法极限学习机