中央高校基本科研业务费专项资金(CDJZR10118801)
- 作品数：11 被引量：117H指数：6
- 相关作者：汤宝平章国稳董绍江李锋习建民更多>>
- 相关机构：重庆大学长江师范学院更多>>
- 发文基金：中央高校基本科研业务费专项资金重庆市科技攻关计划国家自然科学基金更多>>
- 相关领域：机械工程电子电信理学一般工业技术更多>>
- 基于粒子群优化LS-WSVM的旋转机械故障诊断被引量：24
- 2011年
- 为了更好地进行旋转机械故障诊断,提出一种粒子群优化(particle swarm optimization,PSO)最小二乘小波支持向量机(least square wavelet support vector machine,LS-WSVM)的故障诊断模型。先将故障信号经验模式分解(empirical mode decomposition,EMD)为多个内禀模态分量(intrinsic mode function,IMF)之和,再提取表征故障特征的IMF分量能量构造特征向量输入到PSO优化的LS-WSVM进行故障模式识别。EMD分解可自适应提取故障特征信号,PSO参数优化可快速准确得到LS-WSVM的全局最优参数,提高LS-WSVM的故障诊断精度和自适应诊断能力。通过滚动轴承的故障模拟实验验证了该方法的有效性。
- 陈法法汤宝平董绍江
- 关键词：粒子群小波支持向量机参数优化旋转机械故障诊断
- 基于数据缩减的分频段小波模态参数快速识别被引量：5
- 2012年
- 针对利用小波进行模态参数识别效率较低的问题,提出了一种基于数据缩减的分频段小波模态参数快速识别算法。利用奇异值分解对协方差信号在保留数据信息量的情况下进行缩减以减少参与计算的数据量,对正功率谱密度矩阵的奇异值分解确定识别系统的模态阶数及相应的频率范围,利用小波变换对缩减后的数据进行各阶模态逐频段识别。相比原始算法,文中方法减少了小波分析的数据量并避免了一些无用频带的小波分解从而减少计算量。通过对一个3阶线性时不变系统以及一个大桥模型的参数识别验证了文中方法在保持识别精度的情况下大幅度地提升了计算效率。
- 章国稳汤宝平唐光武
- 关键词：参数识别小波变换奇异值分解数据缩减
- 基于模态能量的随机子空间虚假模态剔除被引量：2
- 2012年
- 针对基于协方差驱动随机子空间辨识法虚假模态影响识别结果的问题,提出了一种基于模态能量的虚假模态剔除方法.利用输出矩阵、状态矩阵的特征值与特征向量以及状态-输出协方差矩阵计算出识别结果中各阶模态分量的模态能量,对各假设模型阶数下计算出来的能量进行排序,保留能量最大的前j个模态用于绘制出稳定图,剩下的模态视作为虚假模态予以剔除.通过对3自由度的线性时不变系统和重庆朝天门长江大桥模型进行辨识,验证了该方法的有效性.
- 汤宝平章国稳孟利波
- 关键词：模态分析参数识别
- 基于Elman神经网络的旋转机械故障诊断被引量：35
- 2010年
- 提出了一种基于Elman神经网络的旋转机械故障诊断模型。该诊断模型综合了经验模态分解在故障特征提取和Elman网络在故障模式识别方面的优势,对故障信号进行经验模态分解,再对表征故障调制特征的本征模态函数计算瞬时幅值欧式范数构成特征矢量,将特征矢量输入到训练好的Elman神经网络中进行故障诊断。通过深沟球轴承故障诊断实例验证了所提故障诊断模型的有效性。
- 汤宝平习建民李锋
- 关键词：ELMAN神经网络旋转机械故障诊断经验模态分解
- 特征系统实现算法的虚假模态剔除方法被引量：6
- 2012年
- 针对虚假模态影响特征系统实现算法识别结果的问题,提出用奇异值分解结合模态能量水平来剔除特征系统实现算法识别结果中的虚假模态。利用奇异值分解(SVD)方法滤除信号中的部分噪声,减少噪声模态并提高识别结果精度,利用输出矩阵、状态矩阵的特征值和特征向量以及输入分配矩阵计算出识别结果中各阶模态能量矩阵,对其进行奇异值分解得到最大奇异值,将其作为各阶模态对输出能量贡献的衡量指标,称之为模态能量水平,然后由计算模态与噪声模态能量为零的特点剔除识别结果中的虚假模态。通过数值仿真和实例分析验证了方法的有效性。
- 章国稳汤宝平潘飞
- 关键词：参数识别奇异值分解
- 基于正交邻域保持嵌入特征约简的故障诊断模型被引量：24
- 2011年
- 提出一种基于正交邻域保持嵌入(orthogonal neighborhood preserving embedding,ONPE)特征约简的故障诊断模型。首先将原振动信号经验模式分解(empirical mode decomposition,EMD)并构造Shannon熵得到高维特征向量,再利用ONPE将高维特征向量约简为低维特征向量,并输入到最近邻分类器(k-nearest neighbors classifier,KNNC)中进行故障识别。本模型充分利用了EMD分解在故障特征提取、ONPE在信息压缩和KNNC在分类决策方面的优势,实现了旋转机械故障特征提取到故障诊断的全程自动化,并提高了诊断精度,为旋转机械故障诊断提供了一种新的模型分析方法。一个滚动轴承故障诊断实例验证了该模型的有效性。
- 李锋汤宝平董绍江
- 关键词：流形学习特征约简最近邻分类器经验模式分解故障诊断
- 基于重分配魏格纳时频谱和SVD的故障诊断被引量：6
- 2012年
- 时频谱重分配能有效提高时频谱的时频聚集性,减少干扰项。当振动信号中存在着能量较大噪声时,重分配时频谱会受到噪声干扰影响,降低时频分布的可读性。将重分配魏格纳时频谱(RWVDS)和奇异值分解(SVD)结合形成一种新的机械故障诊断方法。利用重分配算法对魏格纳时频谱进行重分配,提高魏格纳时频谱的时频聚集性,再对重分配时频谱进行SVD降噪,降低了噪声干扰影响,提高其时频分布的可读性。该方法对仿真信号、滚动轴承及齿轮箱故障信号进行了分析,并与其他几种方法作了比较。结果表明,该方法时频聚集性好,抗噪能力强,能有效识别强噪声背景下的机械故障特征。
- 汤宝平蒋永华姚金宝
- 关键词：奇异值分解时频分析故障诊断
- 基于分段频谱细化的频响函数优化被引量：2
- 2010年
- 针对模态参数识别过程中频响函数估计精度及分辨率较低的问题,提出了一种基于分段频谱细化的频响函数优化方法。先将频响函数按照模态阶次分段确定各段的起止频率,再利用Chirp-Z变换分别对激励信号和响应信号逐频段进行细化,从而得到各阶模态对应频段的频响函数。以模态参数识别中的峰值法为例进行仿真和实验。仿真分析和实验结果表明:采用该方法得到的模态参数更精确。
- 汤宝平李瑞章国稳
- 关键词：CHIRP-Z变换频谱细化频响函数参数识别
- 基于嵌入式双服务器的机械振动监测系统的设计与实现被引量：1
- 2013年
- 针对机械振动监测系统特点,提出一种ZigBee组网技术和嵌入式技术结合的无线远程监测系统。开发了以FPGA为核心的振动数据采集节点,由ZigBee网络实现现场数据传输;嵌入式双服务器以32位高性能处理器S3C2410为核心,移植嵌入式FTP服务器和BOA服务器,采用B/S模式的网络架构,通过Internet进行远程数据传输与监控,实现了数据采集和远程监测的嵌入式一体化。对比实验显示该系统可以有效地实现机械振动信号的采集和远程传输。
- 洪刚汤宝平
- 关键词：无线传感器网络机械振动数据采集双服务器
- 基于频谱细化和相位差校正的全息谱研究被引量：4
- 2011年
- 针对全息谱在频谱密集情况下精度会降低的问题,提出了基于频谱细化和相位差校正的全息谱分析方法。该方法采用复解析带通滤波器选带细化方法对以阶次频率为中心的局部区间进行细化分析,通过提高频率分辨率来消除密集频谱对精确获取幅值、相位信息的影响,运用相位差法对细化区间内的最大谱峰进行频率、幅值、相位校正,准确地提取出各阶次的幅值、相位信息,最后合成全息谱图。仿真及对柔性转子试验台振动信号的分析结果表明,基于频谱细化和相位差校正的全息谱能有效提高其分析精度,更加精确有效地诊断旋转机械的故障。
- 杜威汤宝平陈仁祥
- 关键词：相位差全息谱
