国家自然科学基金(51305109)
- 作品数：10 被引量：157H指数：7
- 相关作者：王玉静康守强谢金宝姜义成杨广学更多>>
- 相关机构：哈尔滨理工大学白俄罗斯国立大学哈尔滨工业大学更多>>
- 发文基金：国家自然科学基金黑龙江省青年科学基金哈尔滨市科技创新人才研究专项资金更多>>
- 相关领域：机械工程电子电信自动化与计算机技术更多>>
- 基于集合经验模态分解敏感固有模态函数选择算法的滚动轴承状态识别方法被引量：31
- 2014年
- 为了更有效地提取滚动轴承各状态振动信号的特征,该文提出了一种基于集合经验模态分解(EEMD)的敏感固有模态函数(IMF)选择算法。该算法对振动信号经EEMD分解后得到的固有模态函数采用峭度值、相关系数相结合的方法自动提取其敏感分量,以此获得振动信号的初始特征。再运用奇异值分解和自回归(AR)模型方法得到滚动轴承各状态振动信号的特征向量,并将其输入到改进的超球多类支持向量机中进行智能识别,从而实现滚动轴承的正常状态,不同故障类型及不同性能退化程度的各状态识别。实验结果表明,相比基于经验模态分解结合自回归模型或奇异值分解的特征提取方法,该方法可更有效地提取滚动轴承故障特征信息,且识别精度更高。
- 王玉静康守强张云刘学姜义成Mikulovich V I
- 关键词：信号处理非平稳信号
- 基于小波包相关频带谱能量熵的滚动轴承性能退化评估方法被引量：3
- 2014年
- 滚动轴承在使用过程中会经历不同的性能退化状态。提出小波包相关频带谱能量熵以评估滚动轴承初始性能退化程度。以滚动轴承全寿命周期数据为支撑,对数据进行小波包分解,并利用相关系数法提取包含主要故障信息的时频分量,然后沿时间轴计算各频带幅值谱,再计算谱能量熵。通过实验与时域典型指标均方根值(RMS),以及小波包频带幅值谱熵和小波包频带谱能量熵评估指标进行对比,验证了所提方法在滚动轴承性能退化评估中,对初始故障的评估具有一定的优越性。
- 康守强郑建禹王玉静梁欣涛谢金宝王志伟
- 关键词：滚动轴承小波包
- 基于FOA-MKSVM的滚动轴承故障分类方法被引量：7
- 2015年
- 由于滚动轴承实际各状态数据一般具有不均衡的特点,所以分类时采用单一核函数存在一定的局限性。针对此问题以及支持向量机多参数选择的盲目性,建立一种基于果蝇优化算法的多核支持向量机模型。该模型可以通过核函数权值来调节全局核函数和局部核函数在该模型中的作用,兼具了良好的学习能力和泛化能力。同时,将多核支持向量机参数与果蝇算法中食物的味道浓度值建立一定关系,通过模仿果蝇觅食行为,对各参数进行优化选择。为了验证所提方法的有效性,先利用UCI标准数据集进行实验,再将其应用到滚动轴承故障分类中,并对单核核函数与多核核函数及参数优化算法进行比较。结果表明,提出的方法具有初始化参数少、参数设置简单、全局搜索能力强和分类准确率高的优点,可有效地应用到滚动轴承故障分类中。
- 康守强许林虎王玉静姜义成杨广学V.I.Mikulovich
- 关键词：支持向量机滚动轴承
- 基于数学形态学和IFOA-SVR的滚动轴承可靠度预测方法被引量：11
- 2017年
- 为了保证滚动轴承运行状态可靠度的预测精度同时增加预测步长,提出一种数学形态学分形维数结合改进果蝇优化算法-支持向量回归(Improved fruit fly optimization algorithm-support vector regression,IFOA-SVR)的滚动轴承可靠度预测方法。提取振动信号的包络信号,计算该包络信号的数学形态学分形维数,将其作为滚动轴承性能退化状态特征。利用IFOA对SVR中的参数C、g以及ε同时进行寻优,建立IFOA-SVR预测模型。利用极大似然估计结合IFOA建立威布尔比例故障率模型(Weibull proportional hazard model,WPHM),进而得到可靠度模型。将退化状态特征作为IFOA-SVR预测模型的输入,采用长期迭代预测法获取特征预测结果,并将该结果嵌入到可靠度模型中,从而预测出轴承运行状态的可靠度。试验结果表明,利用所提方法对滚动轴承可靠度进行预测,能在保证预测精度的前提下增加预测步长。
- 康守强叶立强王玉静谢金宝MIKULOVICH V I
- 关键词：滚动轴承数学形态学支持向量回归
- 小波包-局部线性嵌入算法在滚动轴承故障程度识别中的应用被引量：9
- 2014年
- 对滚动轴承不同性能退化程度进行识别是性能退化评估的前提。为了提高性能退化程度的识别准确率,提出一种基于小波包与局部线性嵌入算法相结合的滚动轴承故障性能退化程度识别方法。首先计算单个样本振动信号的时域、频域指标,再对振动信号进行小波包分解并重构,提取节点信号的时域、频域指标和奇异值构造特征向量,并将多个样本的特征向量排列组合成特征矩阵,然后利用局部线性嵌入算法对特征矩阵当中的特征维数进行约简。最后利用支持向量机对滚动轴承不同性能退化程度进行识别,验证提出方法的可行性和有效性。实验表明,该方法可以准确地识别出滚动轴承不同性能退化程度。
- 康守强李祝强杨广学王玉静
- 关键词：小波包分解局部线性嵌入支持向量机滚动轴承
- 基于CFOA-MKHSVM的滚动轴承健康状态评估方法被引量：24
- 2016年
- 为了更有效评估滚动轴承性能退化程度,提出一种混沌优化果蝇算法(CFOA)与多核超球体支持向量机(MKHSVM)相结合的滚动轴承健康状态定量评估方法。该方法针对滚动轴承各状态数据分布不均匀、单一核函数分类存在局限性的问题,提出利用多核核函数的凸组合来优化超球体支持向量机。为消除人为选择分类器多参数的盲目性、避免果蝇优化算法陷入局部最优,将果蝇算法与混沌理论相结合,对多参数进行寻优。同时构建混沌优化果蝇算法-多核超球体支持向量机(CFOAMKHSVM)模型,并提出归一化差别系数评估指标。通过实验研究,与支持向量数据描述(SVDD)算法评估指标进行对比,验证了所提指标的有效性,实现了滚动轴承健康状态的定量评估。
- 康守强王玉静崔历历柳长源郑建禹
- 关键词：滚动轴承
- 基于超球球心间距多类支持向量机的滚动轴承故障分类被引量：18
- 2014年
- 为了降低滚动轴承故障智能分类的训练时间并提高分类精度,提出了一种滚动轴承正常、内、外环故障及不同故障严重程度的多状态分类方法。该方法首先采用峭度值结合相关系数法确定集合经验模态分解结果中包含主要状态信息的固有模态函数;再将其组成特征矩阵,利用奇异值分解所得奇异值作为特征向量;最后在采用改进分类规则的超球多类支持向量机分类时,提出由各状态超球球心间距中的最值来确定多类分类器核参数的选取范围,缩小选取区间,最终实现滚动轴承的多状态分类。实验结果表明,提出的滚动轴承多状态分类方法可以减少分类器的训练时间,提高分类精度。
- 康守强王玉静姜义成杨广学宋立新V.I.MIKULOVICH
- 关键词：滚动轴承多类支持向量机经验模态分解
- 基于MCEA-KPCA和组合SVR的滚动轴承剩余使用寿命预测被引量：22
- 2017年
- 为了准确预测滚动轴承的剩余使用寿命(RUL),提出一种多评价标准有效性分析(MCEA)、核主成分分析(KPCA)和组合支持向量回归(SVR)相结合的滚动轴承RUL预测方法。该方法对提取的特征计算每个评价标准的有效性得分,自适应地确定每个评价标准的权重,筛选出有效性总得分高于其整体平均值的特征,进一步利用KPCA去除已筛选特征之间的信息冗余,建立约简后的特征矩阵。将多个轴承约简后的特征分别作为SVR的输入,当前使用寿命与全寿命的比值p即RUL作为输出,建立多个SVR模型,并采用自适应的方法确定各模型的权重,最终构建组合SVR预测模型。最后,对与训练不同的轴承进行测试,将约简后特征输入到组合SVR预测模型中,预测轴承的p值,实验结果表明,所提方法可准确地对滚动轴承进行RUL预测。
- 康守强叶立强王玉静谢金宝Mikulovich V I
- 关键词：滚动轴承特征约简
- 混沌系统动态密钥与RSA联合的流媒体保密方法被引量：1
- 2015年
- 提出一种基于两个超混沌动态密钥与RSA联合的流媒体保密通信方法.该方法将混沌系统参数与混沌系统的迭代参数作为动态参数,每次通信前随机生成满足条件的值,通信两端使用RSA算法对参数进行保密交换,确保参数只能被指定接收者唯一使用.将两个超混沌系统生成的混沌序列交织组成密钥,使密钥空间更大.为了满足流媒体网络传输的实时性,提出一种改进的密钥序列生成方法,提高加密速度.通过C语言编写的软件在局域网内进行测试,结果表明:该方法既满足流媒体通信的安全性也满足其对实时性的要求.
- 康守强郑建禹王玉静纪彬兰朝凤高华强
- 关键词：混沌系统动态密钥流媒体实时性
- 基于EEMD-Hilbert包络谱和DBN的变负载下滚动轴承状态识别方法被引量：37
- 2017年
- 负载在滚动轴承的运行过程中通常是变化的,针对变负载下滚动轴承不同故障位置及不同性能退化程度多状态识别困难的问题,提出一种基于集合经验模态分解–希尔伯特(ensemble empirical mode decomposition-Hilbert,EEMD-Hilbert)包络谱和深度信念网络(deep belief network,DBN)的滚动轴承状态识别方法。该方法首先对滚动轴承各状态振动信号进行EEMD,然后选取敏感本征模态函数(intrinsic mode function,IMF),并对其进行Hilbert变换求取包络谱。最后将各状态振动信号的IMF包络谱按顺序构建新的高维数据,输入到经遗传算法优化各隐藏层节点结构的DBN中,实现变负载下滚动轴承的多状态识别。实验结果表明:在运用DBN进行滚动轴承10种状态识别过程中,训练数据采用某种负载,测试数据选用其他负载的情况下,EEMD-Hilbert包络谱比时域或频域幅值谱能更好地体现出滚动轴承不同负载下的多状态特征;且DBN相对浅层学习的支持向量机和BP神经网络算法,具有更高的识别率,各数据集识别率均达到92.5%以上。
- 王玉静那晓栋康守强谢金宝V I MIKULOVICH
- 关键词：滚动轴承
