中央高校基本科研业务费专项资金(SWJTU12CX039)
- 作品数：20 被引量：82H指数：6
- 相关作者：傅攀李威霖曹伟青李晓晖陈侃更多>>
- 相关机构：西南交通大学四川日机密封件股份有限公司东方汽轮机有限公司更多>>
- 发文基金：中央高校基本科研业务费专项资金国家重大科技成果转化项目国家科技重大专项更多>>
- 相关领域：机械工程自动化与计算机技术一般工业技术金属学及工艺更多>>
- 基于粗糙集和BP神经网络的刀具状态监测被引量：4
- 2015年
- 在刀具磨损状态监测中,能够提取到的反映不同刀具磨损状态的特征量较大,基于神经网络的状态识别无法去掉冗余特征,会存在训练时间长和准确率降低等问题。针对这些问题,提出基于粗糙集-BP神经网络的刀具磨损状态监测方法,利用粗糙集对特征进行属性约简,去掉冗余信息,从而优化特征,并且减少神经网络的输入端数据,可以缩短神经网络的训练时间和提高识别的准确率。通过对实测刀具数据进行分析,证明了该方法的有效性。
- 刘然傅攀
- 关键词：刀具状态监测粗糙集理论BP神经网络小波包分析
- 基于声发射和小波神经网络的机械密封状态分类新方法被引量：3
- 2014年
- 采用声发射方法监测得到的复杂机械密封的声发射信号往往信噪比很低,对其工作状态进行分类存在一定的困难。提出一种基于声发射和小波神经网络的机械密封工作状态分类的方法。该方法将小波与神经网络结合,基于声发射信号时域和小波包能量分析的特征提取方法,充分利用声发射信号中的有用信息,能很好地表征机械密封的工作状态。以旋转轴用动密封装置为例,采用上述方法对其工作状态进行监测。实验证明,该方法能够有效地对复杂机械密封的工作状态或故障类型进行分类。
- 林志斌傅攀张尔卿李晓晖黄泽沛陈侃
- 关键词：声发射机械密封模式识别小波神经网络
- CHMM在滚动轴承故障诊断中的应用研究被引量：5
- 2013年
- 针对神经网络模型需求训练样本量大以及大部分神经网络处理的是静态模式识别的问题,提出一种具有良好分类能力的动态模式识别方法——连续混合高斯概率密度隐马尔科夫模型(CGHMM)。以滚动轴承为研究对象,首先通过小波包分解方法提取振动信号的特征参数,然后利用主元分析(Principal Component Analysis,PCA)对提取的特征参数进行优化降维,实现对模型输入数据的简化,进而利用简化的特征值矩阵分别训练各个状态的CGHMM,最后利用训练好的CGHMM进行滚动轴承的状态监测与故障诊断。实验结果表明,该方法不仅可以智能识别滚动轴承状态,而且所需样本数较少,训练速度快,对实现滚动轴承智能化在线状态监测与故障诊断具有重要意义。
- 郑晴晴傅攀李威霖
- 关键词：隐马尔科夫模型主元分析小波包分解滚动轴承
- 不完备先验知识下的刀具磨损状态评估方法研究被引量：6
- 2015年
- 在实际切削加工中刀具磨损的全状态先验知识获取困难,而刀具磨钝状态下的先验知识则较易获取。针对这种不完备先验知识情况,以切削力为监测信号,提出基于连续隐马尔可夫模型(CHMM)的刀具磨损状态评估技术。应用小波包分解技术提取信号特征信息,利用刀具磨钝状态下的先验归一化特征信息建立CHMM监测模型;根据刀具未知状态特性向量与监测模型间的对数似然度获取刀具性能指标,实现刀具磨损状态评价。铣刀全寿命磨损实验表明:该方法能在仅具备磨钝状态先验知识情况下,实现对刀具的磨损状态的初步评估,且所需样本数较少,训练速度快。
- 张尔卿傅攀李威霖
- 关键词：隐马尔可夫模型小波包分析不完备数据
- 声发射机械密封端面摩擦状态识别被引量：5
- 2016年
- 针对现有监测技术对于机械密封端面摩擦状态的识别较难推广到工业现场进行实时监测,提出一种基于声发射的机械密封端面摩擦状态识别的方法。通过建立实验台对机械密封在工作过程中的信号进行采集;利用小波包分析法对信号进行降噪;对预处理后的数据进行特征提取;建立Elman神经网络对机械密封端面的摩擦状态进行识别。实验结果表明:通过建立的Elman神经网络对提取的声发射特征进行识别,能够很好地识别机械密封在工作过程中所处的摩擦状态。因此,提出的方法可以对机械密封端面的摩擦状态进行有效的实时监测。
- 朱奥辉傅攀陈官林
- 关键词：机械密封声发射ELMAN神经网络小波包
- 基于自校正Kalman滤波的液膜密封端面摩擦状态监测技术被引量：2
- 2016年
- 声发射技术是液膜密封端面摩擦状态的有效检测方法,但是受工业背景噪声的影响,难以分离出声发射信号中所需信息。针对此问题,采用基于ARMA模型的自校正Kalman滤波技术处理声发射信号。该滤波器能在系统模型参数和噪声特性未知的情况下,收敛于稳态最优卡尔曼滤波器,因此滤波后的声发射信号的所需特征信号更突出,有利于液膜密封端面摩擦状态的检测。建立RBF神经网络,以时域、频域和时频域特征值作为输入进行网络训练,实现密封端面摩擦状态模式识别。实验结果证明,该监测方法能实时有效地识别端面摩擦状态,识别结果与电涡流直接测量得到的结果一致。
- 葛贞笛傅攀张尔卿
- 关键词：ARMA模型RBF神经网络
- 基于声发射主轴机械密封端面开启状态识别技术被引量：10
- 2014年
- 针对机械密封端面开启状态确定和端面开启厚度测量困难这一问题,提出基于声发射信号端面开启状态监测技术。将电涡流传感器安装在密封装置静环上,将声发射传感器安装在静环座上,分别对动静环之间端面开启状态进行内部直接测量和外部间接检测。把采集的声发射信号运用小波阈值降噪法进行降噪处理后,提取典型的小波包能量特征。建立RBF神经网络模型,将提取的小波能量特征作为模型的输入,对机械密封端面开启状态进行识别。与电涡流传感器测量结果比对表明,声发射技术能够对机械密封开启状态进行准确的识别。利用声发射识别技术,实现了对主轴机械密封油膜开启状态由"内测"到"外测"的转变,便于工业现场应用和推广。
- 张尔卿傅攀吴希曦张君凯
- 关键词：主轴机械密封声发射小波包神经网络
- 基于Elman神经网络与PSO算法的机械密封端面摩擦状态识别被引量：1
- 2016年
- 声发射法可用于监测机械密封工作过程中端面的摩擦状态。为准确提取机械密封端面声发射信号特征,提出了一种利用PSO算法(Particle Swarm Optimization,粒子群优化)对Elman神经网络进行优化的方法。采用该方法对机械密封端面的摩擦状态进行识别,并比较了优化前后神经网络对机械密封端面摩擦状态的识别率。结果表明:经过PSO算法优化后的Elman神经网络对机械密封的端面摩擦状态有更高的识别率,从而实现了对机械密封端面摩擦状态实时有效的监测。
- 朱奥辉傅攀陈官林
- 关键词：机械密封PSO算法ELMAN神经网络声发射
- 机械密封端面接触状态的声发射监测方法被引量：11
- 2014年
- 针对机械密封运行过程中反映密封端面接触状态的工作参数(端面开启时间、膜厚等)测量困难的问题,提出基于声发射信号的机械密封端面接触状态监测方法。根据密封端面产生的声发射信号具有时变非线性且突发性强的特点,采用经验模态分解(EMD)法对原始信号进行分离提取。EMD法能够将信号分解为不同时间尺度和不同频带的一系列固有模态函数,然后根据能量分布特征对伪分量进行剔除,得到"近源"声发射信号,抽取其信号特征运用Laplace小波相关系数法实现对密封端面接触状态的准确识别。通过机械密封测试试验证明,声发射监测技术能准确地识别机械密封装置动静环之间的接触状态和摩擦形式,能够在工业现场推广使用。
- 张尔卿傅攀陈侃张智
- 关键词：机械密封声发射经验模态分解
- 粒子滤波在机械密封端面接触状态声发射监测中的应用被引量：6
- 2015年
- 机械密封端面运行过程中所产生的声发射信号在传递过程中容易受到环境噪声的干扰,难以有效地从背景噪声中分离出来。研究粒子滤波技术在机械密封端面膜厚及开启状态声发射监测中的应用。将声发射传感器安装在机械密封静环座上,对动静环端面开启状态进行外部间接检测;运用粒子滤波技术处理采集的声发射信号,提取信号时域、频域及小波包能量特征;建立BP神经网络模型,对机械密封端面开启状态及膜厚进行识别。结果表明:粒子滤波技术能够有效地将密封端面产生的信号从背景噪声中分离出来;通过BP神经网络对提取的特征值进行模式识别,实现了密封端面膜厚变化范围的间接测量。该方法分析结果与电涡流传感器直接测量所得到的结果完全一致。
- 葛贞笛张尔卿傅攀
- 关键词：机械密封粒子滤波声发射神经网络
