您的位置： 专家智库 > >

国家自然科学基金(51305135)

作品数：9 被引量：85H指数：6
相关作者：柳亦兵滕伟马志勇李状姜锐更多>>
相关机构：华北电力大学北京华能新锐控制技术有限公司鲁能新能源(集团)有限公司更多>>
发文基金：国家自然科学基金中央高校基本科研业务费专项资金更多>>
相关领域：机械工程动力工程及工程热物理电气工程自动化与计算机技术更多>>

文献类型

  • 9篇中文期刊文章

领域

  • 5篇机械工程
  • 2篇动力工程及工...
  • 2篇电气工程
  • 1篇自动化与计算...

主题

  • 5篇电机
  • 5篇故障诊断
  • 5篇风电
  • 5篇风电机
  • 5篇风电机组
  • 4篇聚类
  • 4篇齿轮
  • 4篇齿轮箱
  • 2篇多尺度
  • 2篇神经网
  • 2篇神经网络
  • 2篇轴承
  • 2篇模糊核
  • 2篇模糊核聚类
  • 2篇均值聚类
  • 2篇核聚类
  • 2篇风电齿轮箱
  • 2篇C-均值
  • 2篇C-均值聚类
  • 1篇引力

机构

  • 9篇华北电力大学
  • 1篇华中科技大学
  • 1篇清华大学
  • 1篇北京华能新锐...
  • 1篇鲁能新能源(...

作者

  • 8篇柳亦兵
  • 5篇马志勇
  • 5篇滕伟
  • 4篇李状
  • 2篇姜锐
  • 1篇安宏文
  • 1篇周云飞
  • 1篇李惊涛
  • 1篇穆海华
  • 1篇梁双印
  • 1篇胡亮
  • 1篇张阳阳
  • 1篇林杨

传媒

  • 2篇动力工程学报
  • 1篇振动．测试与...
  • 1篇机械工程学报
  • 1篇中国机械工程
  • 1篇振动与冲击
  • 1篇机械设计与制...
  • 1篇中国电机工程...
  • 1篇可再生能源

年份

  • 3篇2017
  • 5篇2015
  • 1篇2014
共 9 条 记 录，以下是 1-9
全选 清除 导出
排序方式：
基于粒子群优化KFCM的风电齿轮箱故障诊断被引量：19
2017年
针对基于有监督学习的方法无法识别未知类别故障,提出了一种基于粒子群优化模糊核聚类(kernel fuzzy c-means clustering,简称KFCM)的风电机组齿轮箱故障诊断方法。首先,建立以训练样本分类错误率为目标的聚类模型,利用KFCM对训练样本进行分类;然后,以初始聚类中心和核函数参数作为优化变量,利用粒子群优化算法求解聚类模型,获得最优分类结果下每个类的类心;最后,根据新样本与各类心之间的核空间样本相似度判断新样本属于已知故障或者未知故障。以某风电机组齿轮箱为例,对提出方法的有效性进行试验验证。结果表明,与传统基于有监督学习的神经网络方法相比,该方法能有效诊断已知和未知类别的故障。
李状柳亦兵滕伟林杨
关键词：模糊核聚类粒子群优化算法齿轮箱故障诊断
光刻机工作台运动控制中的若干关键问题被引量：4
2014年
100 nm步进扫描投影光刻机是我国攻关研究的主流机型,工作台是实现其超精密性能的核心子系统。光刻机工作台采用粗、微复合的运动结构,其同步最大运动平均误差(<5 nm)和同步最大运动标准偏差(<12 nm)等性能指标对运动控制系统提出严苛要求。分析硅片台与掩模台的结构特点,提出了运动控制系统中保证精度实现的组成单元,分别论述轨迹规划、测量系统、控制策略单元等的工作机理与实现特点;为进一步提高运动控制精度,分析工作台可能受到的扰动因素,提出相应的补偿控制策略,探讨运动控制中各环节的参数校准策略。综合论述步进扫描投影型光刻机工作台运动控制中的关键问题,并提出相应的实现与解决方法,可为实际光刻设备超高精度的实现提供指导。
滕伟穆海华周云飞
关键词：工作台运动控制
风电机组状态检测技术研究现状及发展趋势被引量：18
2017年
状态检测技术是风电机组故障诊断与运营维护最为重要的技术手段。对风电机组进行状态检测能够掌握机组的健康状态及发电性能,以便及时制定维护维修策略和采取提升发电性能的技改措施、减少机组停机时间、避免重大故障发生、节省维修成本、提高机组发电能力。因此,在风电机组状态评价和维护维修中,针对状态检测技术进行了大量的研究和应用。文章从风电机组状态检测特点、机组类型和故障特点3方面进行归纳总结;从风电机组健康状态检测和性能状态检测两方面,综述了近年风电机组状态检测的研究现状和重要的研究成果;探讨了目前风电机组状态检测面临的问题,从状态检测设备和软件集成化、状态检测智能化和标准化等方面解决所面临的问题。文章指出,故障机理分析、多状态检测融合技术和统一平台的综合健康检测评估系统是风电机组状态检测发展的新趋势。
丁显徐进滕伟柳亦兵
关键词：故障诊断数据融合故障预警综合评价
结合C-均值聚类的自适应共振神经网络在风电机组齿轮箱故障诊断中的应用被引量：8
2015年
提出了一种结合C-均值聚类的自适应共振(Adaptive Resonance Theory 2,ART2)神经网络无监督学习分类方法,用于风电机组齿轮箱设备群的故障诊断.利用某风电场齿轮箱运行数据,采用ART2神经网络对样本数据进行初步分类,再采用C-均值聚类算法对神经网络分类结果进行修正,得到最终诊断结果,并与ART2神经网络分类结果进行了比较.结果表明:所提出的方法解决了原始神经网络算法存在"硬竞争"导致分类精度下降的问题,准确度高于传统的ART2神经网络,可以准确识别出故障齿轮箱.
李状柳亦兵马志勇滕伟
关键词：自适应共振神经网络C-均值聚类无监督学习故障诊断
风电机组齿轮箱故障分类方法研究被引量：9
2015年
风电机组齿轮箱的运行工况复杂多变,很难获取大量的所有已知故障的样本数据,为了能够实现在无已知样本数据条件下的故障分类,提出了一种基于ART2神经网络和C-均值聚类算法的风电机组齿轮箱故障分类方法。首先利用ART2无监督神经网络实现样本数据的初步分类,再利用C-均值聚类算法对分类结果进行修正,克服了由于原始神经网络算法存在"硬竞争"导致分类精度下降的问题。分析结果表明提出的方法具有更高的分类准确度,能够对健康和不同故障类型的风电机组齿轮箱进行准确分类识别。
李状马志勇姜锐柳亦兵
关键词：风电机组齿轮箱ART2神经网络C-均值聚类无监督分类故障诊断
基于模糊核聚类和引力搜索的风电齿轮箱故障诊断被引量：3
2015年
为了诊断风电齿轮箱已知类别和未知类别的故障,提出了基于模糊核聚类和引力搜索的故障诊断方法。首先建立以训练样本分类错误率为目标的聚类模型,利用模糊核聚类对训练样本进行分类;然后利用引力搜索算法求解聚类模型,获得最优分类结果下每个类的类心;最后根据新样本与各类心之间的核空间样本相似度判断属于已知故障或者未知故障。结果表明,该方法准确度高,可有效用于风电齿轮箱故障诊断。
李状马志勇胡亮柳亦兵
关键词：模糊核聚类故障诊断
基于时频滤波的汽轮机半速涡动故障成分提取被引量：6
2015年
汽轮机油膜涡动是滑动轴承失稳而产生的自激振动,其振动频率主要表征为转子转频的一半或略小。当油膜涡动频率等于转子一阶临界转速时会导致振动加剧,进而对汽轮机的稳定运行产生严重影响。Gabor变换是一种可逆的联合时频分布方法,其逆变换具有时域信号重构的能力。基于Gabor变换对850 MW汽轮机振动信号进行时频分析,显示反映轴系不稳定的半速涡动成分,进一步对该成分进行时频带通滤波,并基于Gabor逆变换予以时间重构,获取半速涡动成分的峰峰值量化指标,为汽轮机轴承油膜涡动故障提供诊断依据。
滕伟安宏文马志勇柳亦兵
关键词：GABOR变换时频滤波
基于复数小波多尺度包络分析的风机滚动轴承故障特征提取被引量：16
2015年
应用包络分析于轴承故障诊断的关键是选择合适的滤波频带,特别是含有复杂结构的旋转机械设备,选择不同的滤波频带的包络分析结果相差很大。针对这一问题,提出基于复数小波多尺度分解和包络分析相结合的滚动轴承故障特征提取方法。利用复数小波分解实现信号的多尺度带通滤波,然后对小波系数求模,得到信号在各个尺度上的幅值包络,再对幅值包络求傅里叶变换,得到信号的二维幅值包络谱图,从而实现信号各个频段的快速包络分析,克服了经典包络分析方法需预知故障频带的缺点。对电站送风机实测振动数据分析表明,该方法具有突出的显示微弱故障信息的能力,可以有效地识别掩藏在强干扰噪声下的故障冲击成分;复小波多尺度包络谱图的横向切片与Hilbert包络谱具有非常相似的分析效果;而在旋转频率处的纵向切片对轴承故障最敏感,适用于滚动轴承微弱故障的报警。
潘作为梁双印李惊涛柳亦兵
关键词：复数小波变换风机滚动轴承
基于多尺度包络谱图的直驱式风电机组轴承故障特征提取被引量：4
2017年
针对直驱式风电机组低速、重载的运行特点,提出将多尺度包络谱图应用于实际机组的故障诊断,以提取轴承的故障特征.对原始振动信号进行复小波变换,其变换结果的包络谱即为轴承振动信号的多尺度包络谱图.结果表明:因其所具有的同步多尺度分解和包络解调能力,多尺度包络谱图能够提取出隐藏在噪声中的低频微弱轴承故障特征,与传统包络解调方法相比具有较好的智能性和准确性,适用于实际风电机组的状态监测.
滕伟姜锐张阳阳柳亦兵马志勇
关键词：直驱式风电机组轴承特征提取
全选 清除 导出
共1页<1>
聚类工具0