检索结果-南通市图书馆

基于VMD-MPE-KPCA特征提取与mrvm相混合的滚动轴承故障诊断方法

兰州理工大学学报 2020年第5期46卷 92-99页

作者：陈鹏赵小强朱奇先兰州理工大学电气工程与信息工程学院甘肃兰州730050 大型电气传动系统与装备技术国家重点实验室甘肃天水741020

针对滚动轴承振动信号在强噪声环境下出现非线性、非平稳、强干扰特性,进而导致故障特征难以提取及故障诊断准确率低的问题,提出变分模态分解(VMD)-多尺度排列熵(MPE)-核主元分析(KPCA)特征提取与多分类相关向量机(mrvm)相混合的滚动轴... 详细信息

针对滚动轴承振动信号在强噪声环境下出现非线性、非平稳、强干扰特性,进而导致故障特征难以提取及故障诊断准确率低的问题,提出变分模态分解(VMD)-多尺度排列熵(MPE)-核主元分析(KPCA)特征提取与多分类相关向量机(mrvm)相混合的滚动轴承故障诊断方法.该方法首先通过VMD-MPE进行滚动轴承振动信号的高维故障特征提取,其次对提取的故障特征进行KPCA可视化降维,最后将降维后的故障特征输入可实现不同样本概率输出的mrvm进行滚动轴承故障诊断.通过美国西储大学的滚动轴承故障数据集对该方法的有效性进行验证,结果表明提出的VMD-MPE-KPCA特征提取与mrvm相混合的滚动轴承故障诊断方法能够有效提取和识别滚动轴承故障特征,所提出的混合智能故障诊断方法与相关文献报道的故障诊断方法相比较,故障识别准确率达到了99.18%.

关键词：滚动轴承故障诊断 VMD MPE KPCA mrvm

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于AFSA-BPNN的mrvm模型非线性融合建模

引用

浙江工业大学学报 2017年第3期45卷 294-299页

作者：夏陆岳刘勇潘海天浙江工业大学化学工程学院浙江杭州310014 浙江省生物燃料利用技术研究重点实验室浙江杭州310014

针对化工过程强非线性和多工况的特性,提出了一种基于BP神经网络(BPNN)有效非线性融合多关联向量机(mrvm)的建模方法.首先选择不同的核函数,采用样本数据建立单一RVM子模型;然后利用BPNN的强非线性拟合能力,对各子模型的预测信息进行非... 详细信息

针对化工过程强非线性和多工况的特性,提出了一种基于BP神经网络(BPNN)有效非线性融合多关联向量机(mrvm)的建模方法.首先选择不同的核函数,采用样本数据建立单一RVM子模型;然后利用BPNN的强非线性拟合能力,对各子模型的预测信息进行非线性融合,并采用人工鱼群算法(AFSA)对BPNN的初始权重和阈值进行优化;最终建立mrvm非线性融合模型.将该建模方法应用于甲醇制烯烃生产过程(MTO)乙烯收率预测研究中,研究结果表明:与单一RVM模型和最优加权组合模型相比,基于mrvm的非线性融合模型具有更佳的预测精度.

关键词： mrvm BPNN AFSA 组合模型非线性

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

煤矿带式输送机轴承故障诊断方法研究

煤矿带式输送机轴承故障诊断方法研究

引用

作者：李荣进中国矿业大学

学位级别：硕士

带式输送机在煤炭生产过程中承担着运输物料的重任,其正常工作状态是煤矿安全生产的重要保障。作为煤矿带式输送机中的核心部件,滚动轴承的运行状态直接影响带式输送机的稳定性和安全性。因此,本文以带式输送机滚动轴承为研究对象,围绕... 详细信息

带式输送机在煤炭生产过程中承担着运输物料的重任,其正常工作状态是煤矿安全生产的重要保障。作为煤矿带式输送机中的核心部件,滚动轴承的运行状态直接影响带式输送机的稳定性和安全性。因此,本文以带式输送机滚动轴承为研究对象,围绕如何优化故障特征提取、提高故障诊断准确率进行了如下研究:(1)煤矿带式输送机所处工作环境复杂,轴承信号故障特征提取困难。针对该问题,采用小波包降噪方法减少振动信号中的噪声干扰;对比分析经验模态分解(EMD)和集合经验模态分解(EEMD)优缺点,使用性能更好的EEMD方法将信号分解得到固有模态函数(IMF),继而通过计算不同IMF分量所含能量的方法提取出故障的特征向量。(2)在故障分类过程中,针对支持向量机(SVM)惩罚因子和核函数参数不易确定的问题,提出使用人工蜂群算法(ABC)进行优化。针对传统ABC算法全局搜索能力弱、容易陷入局部最优的弊端,引入交叉操作和全局最优解改进蜂群搜索方式,形成交叉全局人工蜂群算法(CGABC)。经仿真分析发现,CGABC算法的收敛速度和收敛精度要明显优于ABC算法。故构建CGABC-SVM模型对数据样本进行诊断,结果表明CGABC-SVM故障诊断模型分类准确率和分类效率更高,能有效地诊断出故障类型。(3)针对轴承故障程度差异小、难以区分的问题,将多分类相关向量机(mrvm)作为故障诊断模型,充分利用mrvm调节参数少、可直接实现多分类等优势,对轴承故障程度进行有效诊断。针对粒子群算法(PSO)存在的早熟和局部最优问题,对惯性权重进行改进,使其自适应变化,形成自适应权重粒子群算法(APSO)。在此基础上,构建APSO-mrvm故障诊断模型并对轴承故障程度进行诊断。仿真发现,APSO-mrvm模型对故障程度的诊断准确率高达96%,具有计算复杂度低,诊断能力强等优点。该论文有图39幅,表10个,参考文献81篇。

关键词：带式输送机轴承故障诊断小波包 SVM mrvm

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于高时空分辨率卫星和无人机影像的小麦生育期监测研究

基于高时空分辨率卫星和无人机影像的小麦生育期监测研究

引用

作者：周萌南京农业大学

学位级别：硕士

作物生育期监测可以为精确农业提供及时准确的信息,以便采取适宜的肥、水、药等管理措施,同时也可以衡量气候变化。本研究以不同年份、小麦品种、播种日期和施氮水平的小麦大田试验（江苏兴化万亩粮食高产高效产业园）数据为依托,综合... 详细信息

作物生育期监测可以为精确农业提供及时准确的信息,以便采取适宜的肥、水、药等管理措施,同时也可以衡量气候变化。本研究以不同年份、小麦品种、播种日期和施氮水平的小麦大田试验（江苏兴化万亩粮食高产高效产业园）数据为依托,综合运用遥感光谱指数法、经验模型法、图像特征提取技术和机器学习数理分析等技术手段,构建小麦生育期时序植被指数曲线模型,评估不同时间驱动因子结合植被指数曲线模型对生育期监测精度的影响;分析图像特征对不同生育期的响应规律,确定并筛选对生育期变化敏感的图像特征,探索机器学习分类算法在小麦生育期分类研究中的表现和能力。预期结果为基于时序数据准确监测作物生育期提供理论和技术支撑。首先,以高时空分辨率的Planet卫星影像为数据源,获取全生育期内的小麦冠层光谱信息,在明确形状模型法监测生育期原理的基础上,加入符合小麦生长发育规律的时间驱动因子作为时间变量,评估不同时间驱动因子在小麦生育期研究中的表现。结果表明:（1）基于累积生长度日（Accumulated Growing Degree Day,AGDD）结合形状模型法的平均监测精度最高（4 d＜RMSE＜7 d）,累积光热时间（Accumulated Photothermal Time,AP TT）仅次于 AGDD（6 d＜RMSE＜10 d）,生理发育时间（Physiologicaldeve]opment time,PDT）的监测效果最差（RMSE＞7 d）。（2）形状模型法的监测能力与时间驱动因子有关,尺度越大,监测精度越高。这是由于形状模型在较大尺度中的拟合过程的误差容错率较高,并且最后估算值换算成日历天数的误差较小。其次,在总结了基于改进的形状模型法在小麦生育期定量监测中仍未实现实时性的不足后,进而运用分类思想对生育期进行估测研究。基于无人机获取的高空间分辨率RGB影像提取光谱信息与纹理信息作为识别不同生育期的特征数据集,运用基于紧致-分离原则的特征选择算法和多级相关向量机（Multiclass relevance vector machine,mrvm）进行特征筛选和分类,定性地估计出八个生育期的分类精度（出苗期:0.68;分蘖期:0.88;拔节期:0.31;孕穗期:0.57;抽穗期:0.24;开花期:0.31;灌浆期:0.77;成熟期:0.86）和总体分类精度0.7,并与其他特征选择方法和分类器做比较。研究结果表明光谱特征与纹理特征结合使用可以提高生育期的分类精度,本研究使用的特征选择方法与分类器在小麦生育期监测研究中的表现更好。最后,综合分析讨论了基于经验模型和机器学习的生育期研究方法的优势与缺陷,为今后的研究指明了方向。

关键词：小麦生育期形状模型法 Planet 机器学习 mrvm

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：