检索结果-南通市图书馆

基于VMD的Volterra模型奇异值熵的转子故障诊断方法

在线全文

学校读者我要写书评

暂无评论

制造技术与机床 2022年第3期 150-156页

作者：杨恭勇丁潇男王珺琦魏迎东周小龙东北电力大学工程训练教学中心吉林吉林132012 东北电力大学机械工程学院吉林吉林132012 江苏川玛工业科技有限公司江苏昆山215300 北华大学机械工程学院吉林吉林132021

针对转子故障信号的非平稳性以及敏感故障特征无法有效提取的问题,将变分模态分解(variational mode decomposition,VMD)的Volterra模型和奇异值熵相结合,提出一种故障诊断方法。对影响VMD分解准确性的参数选取方法进行了深入研究,给出... 详细信息

针对转子故障信号的非平稳性以及敏感故障特征无法有效提取的问题,将变分模态分解(variational mode decomposition,VMD)的Volterra模型和奇异值熵相结合,提出一种故障诊断方法。对影响VMD分解准确性的参数选取方法进行了深入研究,给出了相关问题的解决策略。首先,对不同工况下转子实测信号进行VMD分解,利用能量熵增量选取对故障特征敏感的固有模态函数(intrinsic mode function,IMF)进行相空间重构,以建立Volterra自适应预测模型,将模型参数作为初始特征向量矩阵。然后,对初始特征向量进行奇异值分解以获取奇异值熵和奇异值特征向量矩阵,用于描述转子的故障特征。最后,采用模糊C均值(fuzzy c-means,FCM)算法对转子工作状态和故障类型进行识别。试验结果表明,所提方法可有效实现转子故障的特征提取及类型识别。通过同经集合经验模态分解(ensemble empirical mode decomposition,EEMD)相比,证明了该方法具有更有效的故障特征提取性能,是一种可行的方法。

关键词：转子故障诊断变分模态分解 Volterra模型奇异值熵

联合分形维数和奇异值熵的雷达干扰信号识别方法

在线全文

学校读者我要写书评

暂无评论

电子信息对抗技术 2023年第2期38卷 14-20页

作者：王冠王晖王金宇邹秋白空军通信士官学校综合训练系辽宁大连116600

针对雷达干扰识别方法特征多、运算复杂、识别率低的问题,提出一种基于分形维数和奇异值熵的干扰信号识别方法。首先,利用分形维数和奇异值熵分别提取6种典型干扰信号的特征参数:时域信息维数、频谱盒维数及短时傅里叶变换(Short Time F... 详细信息

针对雷达干扰识别方法特征多、运算复杂、识别率低的问题,提出一种基于分形维数和奇异值熵的干扰信号识别方法。首先,利用分形维数和奇异值熵分别提取6种典型干扰信号的特征参数:时域信息维数、频谱盒维数及短时傅里叶变换(Short Time Fourier Transform, STFT)奇异值熵;然后,联合以上三种特征参数采用多分类支持向量机(Support Vector Machine, SVM)进行分类。对6类雷达干扰信号仿真结果表明,该方法识别率高且特征少、运算速度快,在干噪比为6 dB时,6种干扰识别率均达到90%以上,总体识别率达到95%以上,是一种具有实际应用价值的方法。

关键词：奇异值熵分形维数短时傅里叶变换多分类支持向量机

在线全文

学校读者我要写书评

暂无评论

奇异值熵和支持向量机的齿轮故障诊断

振动．测试与诊断 2011年第5期31卷 600-604,665页

作者：张超陈建军杨立东徐亚兰西安电子科技大学机电工程学院西安710071 内蒙古科技大学信息工程学院包头014010

提出了一种基于总体平均经验模态分解(ensemble empirical mode decomposition,简称EEMD)奇异值熵和支持向量机的齿轮故障诊断方法。首先,通过EEMD方法将非平稳的原始加速度振动信号分解成若干个平稳的本征模式分量,将得到的若干个本征... 详细信息

提出了一种基于总体平均经验模态分解(ensemble empirical mode decomposition,简称EEMD)奇异值熵和支持向量机的齿轮故障诊断方法。首先,通过EEMD方法将非平稳的原始加速度振动信号分解成若干个平稳的本征模式分量,将得到的若干个本征模式分量自动形成初始特征向量矩阵;然后,对该矩阵进行奇异值分解,提取其奇异值作为故障特征向量,并对其进行归一化,求得奇异值熵,根据奇异值熵值大小可以判断齿轮的故障类型;最后,将奇异值故障特征向量作为支持向量机的输入,判断齿轮的工作状态和故障类型。试验结果表明,即使在小样本情况下,基于EEMD奇异值分解和支持向量机的故障诊断方法仍能有效地识别齿轮的工作状态和故障类型。

关键词：总体平均经验模态分解奇异值熵支持向量机本征模式分量故障诊断

基于广义节点及熵理论的电网脆弱节点电压辨识方法

在线全文

学校读者我要写书评

暂无评论

青海电力 2024年第1期43卷 24-30页

作者：林沁庭王永郝跃东马伟许杨张磊靳生鹏三峡大学电气与新能源学院湖北宜昌443002 国网上海市电力公司特高压换流站分公司上海201314 国网青海省电力公司超高压公司青海西宁810008

在电力系统中为了避免发生一系列的连锁故障,需要给出评估电网中最具关键性的脆弱节点的相应指标和模型,考虑到传统直流输电系统对交流电网换相电压敏感性,提出一种基于广义节点及熵理论的电网脆弱节点电压辨识方法,该方法结合熵的一般... 详细信息

在电力系统中为了避免发生一系列的连锁故障,需要给出评估电网中最具关键性的脆弱节点的相应指标和模型,考虑到传统直流输电系统对交流电网换相电压敏感性,提出一种基于广义节点及熵理论的电网脆弱节点电压辨识方法,该方法结合熵的一般性原则,将电网受到冲击时广义节点的奇异值熵、潮流分布和转移熵三者统一起来共同作为电网脆弱节点的辨识依据,并采用熵权值法修正AHP方法的手段获得综合权重系数,充分考虑了各指标的主客观影响因子,采用层次分析法和熵权值法获得脆弱节点综合评估模型的权重系数。最后通过IEEE 39节点系统仿真结果验证了该方法对于电网整体性脆弱节点辨识的有效性和实际运用价值,证实了该方法可以有效衡量交流电网电压突变量对直流输电系统影响。

关键词：广义节点脆弱性奇异值熵潮流分布熵潮流转移熵

基于彩色图像奇异值熵指标的磨削表面粗糙度视觉测量方法

在线全文

学校读者我要写书评

暂无评论

中国机械工程 2021年第13期32卷 1577-1583页

作者：易怀安赵欣佳唐乐陈永伦桂林理工大学机械与控制工程学院桂林541006

机器视觉测量表面粗糙度所采用的评价指标大多是根据灰度图像进行统计分析的,而当前研究的一些基于颜色信息的评价指标并未给出合理的数理结构表达。针对此问题,提出了一种基于彩色图像奇异值熵评价磨削表面粗糙度的检测方法。根据色块... 详细信息

机器视觉测量表面粗糙度所采用的评价指标大多是根据灰度图像进行统计分析的,而当前研究的一些基于颜色信息的评价指标并未给出合理的数理结构表达。针对此问题,提出了一种基于彩色图像奇异值熵评价磨削表面粗糙度的检测方法。根据色块在不同等级粗糙度表面所形成的虚像能量分布差异,通过纯四元数的数据结构来表征一幅彩色图像,并对其进行数据分析,抽取奇异值熵作为评价指标,论证基于奇异值熵指标评价磨削表面粗糙度的可行性。实验结果表明,彩色图像奇异值熵不仅是一种合理可行的表面粗糙度评价指标,而且该指标在数学意义上具有合理的数据结构表达方式。相关指标的对比分析证明了该指标与表面粗糙度的相关性和适用性相对色差指标更优,回归预测结果也相对较为精准,具备向工程应用领域推广的潜力。

关键词：表面粗糙度机器视觉测量四元数奇异值熵颜色信息

基于EEMD奇异值熵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

振动．测试与诊断 2019年第2期39卷 353-358,446,447页

作者：张琛赵荣珍邓林峰兰州理工大学机电工程学院兰州730050

为充分利用振动信号进行故障辨识,提出一种基于集合经验模态分解(ensemble empirical mode decomposition,简称EEMD)奇异值熵判据的滚动轴承故障诊断方法。首先,对滚动轴承的振动信号进行EEMD分解获得若干个本征模态函数(intrinsic mode... 详细信息

为充分利用振动信号进行故障辨识,提出一种基于集合经验模态分解(ensemble empirical mode decomposition,简称EEMD)奇异值熵判据的滚动轴承故障诊断方法。首先,对滚动轴承的振动信号进行EEMD分解获得若干个本征模态函数(intrinsic mode function,简称IMF),并根据一种IMF分量故障信息含量的评价指标(即峭度、均方差和欧氏距离)选出能够表征原始信号状态的分量进行信号重构;其次,利用奇异值分解技术对重构信号进行处理,结合信息熵算法求取其奇异值熵;最后,利用奇异值熵的大小判断滚动轴承的故障类别。用美国西储大学滚动轴承振动信号对所述方法进行验证的结果表明,相比传统的EMD奇异值熵故障诊断方法,本方法能够清晰的划分出滚动轴承不同工作状态的类别特征区间,而且具有更高的故障诊断精度。

关键词：滚动轴承集合经验模态分解奇异值熵故障诊断

在线全文

学校读者我要写书评

暂无评论

基于流形-奇异值熵的滚动轴承故障特征提取

振动．测试与诊断 2016年第2期36卷 288-294,401页

作者：王奉涛陈守海闫达文朱泓崔立明王雷大连理工大学机械工程学院大连116023 大连理工大学数学科学学院大连116023

提出一种基于流形-奇异值熵的滚动轴承时频故障特征提取方法。首先,在HHT(Hilbert-Huang transform,简称HHT)时频分析基础上,应用二维流形方法提取信号流行成分以达到对轴承故障特征进行降维和提取敏感参量的目的;然后,定义了奇异值熵... 详细信息

提出一种基于流形-奇异值熵的滚动轴承时频故障特征提取方法。首先,在HHT(Hilbert-Huang transform,简称HHT)时频分析基础上,应用二维流形方法提取信号流行成分以达到对轴承故障特征进行降维和提取敏感参量的目的;然后,定义了奇异值熵来定量衡量不同故障状态下流行成分的差异;最后,将流形奇异值向量与概率神经网络相结合,有效实现了轴承故障样本分类。与一般的考虑欧式空间全局范围最优值的主分量(principal component analysis,简称PCA)方法及以向量为研究对象的一维流形方法不同,该方法直接以二维信息为研究对象,避免了一维流形算法需将二维信息转化为向量带来的信息损失,与PCA方法相比更能发现隐藏在高维数据流形结构中的局部数据特征。工程信号分析验证了该方法的有效性,为准确提取滚动轴承故障特征提供了一种可靠手段。

关键词：流形奇异值熵特征提取滚动轴承

基于奇异值熵和潮流分布熵的电网关键节点辨识

在线全文

学校读者我要写书评

暂无评论

电力自动化设备 2016年第4期36卷 46-53页

作者：王涛岳贤龙顾雪平张尚赵宝斌华北电力大学新能源电力系统国家重点实验室河北保定071003

从熵理论角度出发,综合考虑奇异值熵和潮流分布熵,提出关键节点综合评估指标。奇异值熵表征节点负荷变化对系统中节点电压幅值的影响,潮流分布熵体现节点负荷变化对系统中线路潮流分布的影响。关键节点综合评估指标从电气学的角度解释... 详细信息

从熵理论角度出发,综合考虑奇异值熵和潮流分布熵,提出关键节点综合评估指标。奇异值熵表征节点负荷变化对系统中节点电压幅值的影响,潮流分布熵体现节点负荷变化对系统中线路潮流分布的影响。关键节点综合评估指标从电气学的角度解释节点负荷变化对系统带来的威胁。基于系统平均负载率和能量熵定义系统安全指标,通过对节点的连续攻击分析评估模型的有效性和正确性。仿真结果验证了所提方法的有效性。

关键词：关键节点熵奇异值熵潮流分布熵系统安全指标静态攻击

基于流行-IMF奇异值熵的转子故障特征提取方法

在线全文

学校读者我要写书评

暂无评论

振动．测试与诊断 2020年第6期40卷 1204-1211,1238页

作者：孙泽金赵荣珍兰州理工大学机电工程学院兰州730050

针对转子振动信号的非平稳性以及微弱故障特征难以提取的问题,提出一种基于集合经验模式分解(ensemble empirical mode decomposition,简称EEMD)的奇异值熵和流形学习算法相结合的故障特征提取方法。首先,对原始振动信号进行EEMD分解,... 详细信息

针对转子振动信号的非平稳性以及微弱故障特征难以提取的问题,提出一种基于集合经验模式分解(ensemble empirical mode decomposition,简称EEMD)的奇异值熵和流形学习算法相结合的故障特征提取方法。首先,对原始振动信号进行EEMD分解,得到若干本征模态函数(intrinsic mode function,简称IMF)分量,根据峭度-欧式距离评价指标选取故障信息丰富的敏感分量,组成初始特征向量,求其奇异值熵;其次,利用近邻概率距离拉普拉斯特征映射算法(nearby probability distance Laplacian eigenmap,简称NPDLE)对奇异值熵组成的特征矩阵进行降维处理;最后,将得到的低维特征子集输入到K-近邻(K-nearest neighbor,简称KNN)中进行模式辨识。用一个双跨度转子实验台数据集和Iris仿真数据集对所提方法进行了验证,结果表明,IMF奇异值熵和NPDLE相结合的方法可以有效地实现转子故障特征提取,提高了故障辨识的准确性。

关键词：特征提取集合经验模态分解本征模态函数奇异值熵近邻概率距离拉普拉斯特征映射算法