检索结果-南通市图书馆

基于EEMD-KPCA和KL散度的垮落煤岩识别

在线全文

学校读者我要写书评

暂无评论

煤炭学报 2020年第2期45卷 827-835页

作者：李一鸣白龙蒋周翔高宏黄小龙刘相权黄民北京信息科技大学机电工程学院北京100192 北京信息科技大学现代测控技术教育部重点实验室北京100192

综放开采中关键工艺放煤自动化的实现,可以使放煤工人远离工作面,远程控制顶煤的放落,从而保障放煤工人的健康问题。而顶煤放落过程中垮落煤岩的实时有效识别是放煤自动化的理论基础。针对垮落煤岩识别的实时性和综放开采的效率问题,基... 详细信息

综放开采中关键工艺放煤自动化的实现,可以使放煤工人远离工作面,远程控制顶煤的放落,从而保障放煤工人的健康问题。而顶煤放落过程中垮落煤岩的实时有效识别是放煤自动化的理论基础。针对垮落煤岩识别的实时性和综放开采的效率问题,基于综放开采现场采集的垮落煤岩冲击液压支架后尾梁的振动信号,提出了一种基于EEMD-KPCA和KL(Kullback-Leibler)散度的垮落煤岩识别方法。该方法首先对振动信号进行集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)得到一组固有模态分量(Intrinsic Mode Functions,IMFs),分别计算各个IMF的能量,峭度和样本熵,构造表征垮落煤岩的特征向量;然后利用核主成分分析(Kernel Principal Component Analysis,KPCA)对特征向量进行降维,分别以各个IMF能量、IMF峭度、IMF样本熵构成的向量的KPCA低维特征来表征垮落煤岩;最后计算"未知样本"不同特征向量与垮落煤岩两类样本与之对应的特征向量的KL散度值,通过比较KL散度值来实现垮落煤岩的实时识别,并比较表征垮落煤岩不同特征向量的特征提取耗时和识别有效性。然后利用BP神经网络验证基于EEMD-KPCA的特征向量的有效性。实验结果表明:基于EEMD-KPCA和KL散度的识别方法可以实现垮落煤岩的实时识别,且大大降低了传统垮落煤岩识别方法对综放开采效率的影响;由EEMD分解后的各个IMF的能量和峭度构成的向量的KPCA低维特征最有效。

关键词：综放开采垮落煤岩识别 EEMD KPCA KL散度

在线全文

学校读者我要写书评

暂无评论

局部切空间排列和支持向量机的故障诊断模型

仪器仪表学报 2012年第12期33卷 2789-2795页

作者：万鹏王红军徐小力北京信息科技大学现代测控技术教育部重点实验室北京100192 北京信息科技大学机电工程学院北京100192

提出了一种非线性流形学习和支持向量机的故障诊断模型。基于机电系统振动信号时域与频域的20个特征参数构建高维特征空间,利用局部切空间排列的非线性流形学习算法提取出隐藏其中的低维流形,网格搜索算法进行维数和邻域点参数的优化,... 详细信息

提出了一种非线性流形学习和支持向量机的故障诊断模型。基于机电系统振动信号时域与频域的20个特征参数构建高维特征空间,利用局部切空间排列的非线性流形学习算法提取出隐藏其中的低维流形,网格搜索算法进行维数和邻域点参数的优化,实现高维相空间中局部邻域参数的自适应选取,获得机电系统的故障特征。利用K折交叉验证和一对一法构造支持向量机多类故障分类器,采用径向基核函数支持向量机进行机电系统的故障诊断。应用于转子试验台的3种故障状态的识别并与其他故障诊断方法进行分析比较,结果表明基于局部切空间排列和支持向量机的机电系统故障诊断模型诊断精度可达到96.6667%,可以有效提取故障的敏感特征并解决机电系统故障样本缺乏的问题。

关键词：机电系统故障诊断局部切空间排列算法支持向量机网格搜索

在线全文

学校读者我要写书评

暂无评论

高端数控装备多源信息融合状态识别模型

仪器仪表学报 2018年第4期39卷 61-66页

作者：王红军谷玉海王茂赵川北京信息科技大学机电工程学院北京100192 北京信息科技大学现代测控技术教育部重点实验室北京100192

为了对高档数控装备的运行状态进行实时监测和有效感知,实现对状态的有效识别和判断,提出了一种基于运行状态多源多域空间信息融合的状态识别模型,采用增殖流形的相似度进行状态识别。对高端装备的电流信号和振动信号进行信息融合,对融... 详细信息

为了对高档数控装备的运行状态进行实时监测和有效感知,实现对状态的有效识别和判断,提出了一种基于运行状态多源多域空间信息融合的状态识别模型,采用增殖流形的相似度进行状态识别。对高端装备的电流信号和振动信号进行信息融合,对融合信号的时域、频域、时频域进行特征获取,重构初始特征的多域高维相空间,采用局部线性嵌入结构进行降维,优化本征维数,采用距离判据获得低维敏感特征,构建低维流形特征的增殖相似度参数实现对设备不同状态的识别。最后将该模型用于主轴试验台和某加工中心进行了试验验证,快速有效方便地识别出主轴的不同状态,验证了模型的有效性。

关键词：高端数控装备多源信息融合状态识别模型

基于多域空间状态特征的高端装备运行可靠性评价

在线全文

学校读者我要写书评

暂无评论

仪器仪表学报 2016年第4期37卷 804-810页

作者：王红军汪亮北京信息科技大学机电工程学院北京100192 北京信息科技大学现代测控技术教育部重点实验室北京100192 北京信息科技大学机电系统测控北京市重点实验室北京100192

机械设备运行可靠性对设备状态监测及故障诊断具有重要意义。传统可靠性评估方法依赖于大量故障样本,运用在单台设备可靠性评估上的实际意义有限。本文提出一种基于设备状态特征空间的运行可靠性评价方法。采集设备运行过程中的振动信号... 详细信息

机械设备运行可靠性对设备状态监测及故障诊断具有重要意义。传统可靠性评估方法依赖于大量故障样本,运用在单台设备可靠性评估上的实际意义有限。本文提出一种基于设备状态特征空间的运行可靠性评价方法。采集设备运行过程中的振动信号,获取时频域信息特征;采用小波包分解提取能量分布特征,构建高维特征空间。应用流形学习优化算法进行降维,获得其低维敏感特征空间,计算当前状态与正常状态的特征子空间的夹角,建立其映射关系,表征设备的当前运行可靠性。将该方法应用于不同状态下的转子实验台和滚动轴承实验台振动数据,实验结果表明:该方法对设备进行运行可靠性评价合理有效,具有很好的工程应用价值。

关键词：运行可靠性状态特征能量分布映射关系

在线全文

学校读者我要写书评

暂无评论

基于电流的主轴性能退化评估方法

北京理工大学学报 2019年第1期39卷 22-27页

作者：王红军邹安南左云波北京信息科技大学机电工程学院北京100192 北京信息科技大学现代测控技术教育部重点实验室北京100192 北京信息科技大学机电系统测控北京市重点实验室北京100192

为提高精密机床主轴检测的准确性,提出了一种基于电流的主轴性能退化评估方法.建立了主轴性能退化模型,使主轴状态便于监测和评估.首先采用小波包阈值对电流信号进行去噪处理,对去噪后的电流信号提取时频域特征量,构造多域特征空间.然... 详细信息

为提高精密机床主轴检测的准确性,提出了一种基于电流的主轴性能退化评估方法.建立了主轴性能退化模型,使主轴状态便于监测和评估.首先采用小波包阈值对电流信号进行去噪处理,对去噪后的电流信号提取时频域特征量,构造多域特征空间.然后利用主成分分析法(PCA)进行数据降维,用降维后的样本进行支持向量机回归建模.采用粒子群算法(PSO)对支持向量机模型进行参数优化,以获得最优性能退化模型.将该模型应用于主轴实验台主轴性能退化评估,实验结果表明该方法原理正确,可以准确评价主轴性能.

关键词：主轴性能退化主成分分析法(PCA) 粒子群算法支持向量机(SVM)

在线全文

学校读者我要写书评

暂无评论

机器人铣削加工颤振自适应识别方法研究

中国机械工程 2023年第18期34卷 2165-2176页

作者：籍永建姚利诚北京信息科技大学现代测控技术教育部重点实验室北京100192 北京信息科技大学机电系统测控北京市重点实验室北京100192 北京信息科技大学机电工程学院北京100192

针对机器人铣削颤振形式复杂、难以有效识别的问题,提出一种机器人铣削加工颤振自适应识别方法。首先对原始振动信号进行信号分离,保留能够表征机器人加工状态的信息;然后采用不同信号功率谱熵之间的差值表征不同铣削状态下振动信号的... 详细信息

针对机器人铣削颤振形式复杂、难以有效识别的问题,提出一种机器人铣削加工颤振自适应识别方法。首先对原始振动信号进行信号分离,保留能够表征机器人加工状态的信息;然后采用不同信号功率谱熵之间的差值表征不同铣削状态下振动信号的频率分布特性,采用原始信号的标准偏差表征机器人铣削振动信号的时域特性。采用上述特征指标构建能够表征机器人不同铣削状态的三维特征向量矩阵,将特征向量输入支持向量机,构建机器人铣削加工颤振自适应识别模型。对模型进行验证,并与现有方法进行对比,结果表明,构建的机器人铣削颤振自适应识别模型能够准确识别机器人铣削加工过程中的再生颤振与低频颤振;对于稳定、早期颤振、剧烈颤振、低频颤振以及空载等状态的识别准确率达到93%,优于现有方法。

关键词：机器人铣削颤振识别特征提取智能模型

基于EEMD和小波包变换的早期故障敏感特征获取

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

北京理工大学学报 2013年第9期33卷 945-950页

作者：王红军万鹏北京信息科技大学教育部现代测控技术重点实验室北京100192 北京信息科技大学机电工程学院北京100192

提出一种基于总体平均经验模态分解和小波包变换的方法,进行早期故障敏感特征的获取,构建早期故障诊断模型.该方法首先应用EEMD对现场采集的振动信号进行分解,分离出不同频率成分的特征信号,选择与原信号相关系数最大的IMF分量进行信息... 详细信息

提出一种基于总体平均经验模态分解和小波包变换的方法,进行早期故障敏感特征的获取,构建早期故障诊断模型.该方法首先应用EEMD对现场采集的振动信号进行分解,分离出不同频率成分的特征信号,选择与原信号相关系数最大的IMF分量进行信息重构;面向重构的IMF分量采用WPT进行分解,得到各个节点的小波系数;最后使用Hilbert变换提取小波包系数的包络,计算功率谱,准确获得早期故障的敏感特征.通过对仿真信号的分析验证了该方法对故障诊断的有效性.将该方法应用于实测的滚动轴承的内圈、外圈和滚动体故障诊断,诊断结果均表明该方法可有效提取早期故障敏感特征,故障诊断快速准确.

关键词：早期故障特征获取总体平均经验模态分解小波包

在线全文

学校读者我要写书评

暂无评论

铜基粉末冶金材料摩擦界面自愈性能试验研究

机械工程学报 2023年第18期59卷 69-79页

作者：王立勇吴健鹏李乐王华庆陈睿涵舒越超北京信息科技大学现代测控技术教育部重点实验室北京100192 北京化工大学机电工程学院北京100029

针对摩擦界面常见的犁沟损伤形式设计“损伤-自愈”试验,提出摩擦界面自愈性能表征方法。基于摩擦界面自愈性能表征参数,综合分析粉末冶金摩擦材料特定工况的自愈性能演变历程,评估自愈时间。最终,通过三组对比试验分析环境温度、转速... 详细信息

针对摩擦界面常见的犁沟损伤形式设计“损伤-自愈”试验,提出摩擦界面自愈性能表征方法。基于摩擦界面自愈性能表征参数,综合分析粉末冶金摩擦材料特定工况的自愈性能演变历程,评估自愈时间。最终,通过三组对比试验分析环境温度、转速、压力三个主要因素对自愈性能的影响规律。结果表明,温度、压力对自愈性能的影响显著,转速的提升可以促进浅蓝色矿物性化合物新相的形成以及非金属组分的均匀填充,但对损伤边界的硬度影响不明显。本研究为摩擦材料界面修复技术提供了新思路,促进了摩擦界面“损伤-自愈”性能研究的工程应用。

关键词：摩擦元件自愈性能界面损伤粉末冶金

在线全文

学校读者我要写书评

暂无评论

基于多尺度特征提取的遥感旋转目标检测

激光与光电子学进展 2023年第12期60卷 443-451页

作者：吴洛冰谷玉海吴文昊范帅鑫北京信息科技大学现代测控技术教育部重点实验室北京100089 北京信息科技大学机电工程学院北京100089

针对高分辨率遥感图像具有物体尺度差异大、小目标排列密集且方向性强的问题,提出一种基于多尺度特征提取的旋转遥感目标检测算法。选用CenterNet作为基准模型,对其进行重新设计。首先,为增强上下文信息提取能力,结合多尺度空洞卷积提... 详细信息

针对高分辨率遥感图像具有物体尺度差异大、小目标排列密集且方向性强的问题,提出一种基于多尺度特征提取的旋转遥感目标检测算法。选用CenterNet作为基准模型,对其进行重新设计。首先,为增强上下文信息提取能力,结合多尺度空洞卷积提出并使用感受野扩展模块;其次,结合自适应特征融合,增强算法对多尺度目标的提取能力;最后,重新设计CenterNet检测头并更新损失函数,增强模型对旋转物体的检测性能。设计的模型命名为CenterNet for remote sensing images(CenterNet-RS)。在DOTA数据集上进行实验,CenterNet-RS的平均精度均值(mAP)达73.01%,相较于基准模型,提高了9.45个百分点。实验结果表明,设计的方法可有效提高算法检测遥感图像目标的精度。

关键词：遥感图像旋转目标检测多尺度卷积神经网络特征融合