重庆市科技攻关计划(2010ac3055)
- 作品数:2 被引量:26H指数:1
- 相关作者:柴毅李华锋李兆飞梁奕欢罗显科更多>>
- 相关机构:重庆大学更多>>
- 发文基金:重庆市科技攻关计划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:机械工程自动化与计算机技术更多>>
- 多重分形去趋势波动分析的振动信号故障诊断被引量:25
- 2012年
- 针对基于配分函数的多重分形分析不利于局部标度特性突显的问题,把多重分形去趋势波动分析(MF-DFA)方法引入到振动诊断领域,提出对振动信号进行多重分形谱参数(|B|,α0,Δα和Δf)故障特征分析,并将α0用于故障诊断.首先分析了振动信号的多重分形特性;然后提取振动信号的4种多重分形谱参数特征,并进行了比较;最后用支持向量机算法实现振动故障诊断.研究表明:去除趋势后,振动信号的波动呈现显著多重分形特征,正常状态振动信号的α0明显大于故障状态,而振动信号的|B|,Δα和Δf特征变化规律则不明显;α0作为故障特征量,能有效地区分正常状态与故障状态,有效实现了振动故障诊断.
- 李兆飞柴毅李华锋
- 关键词:振动信号滚动轴承故障诊断
- 半监督增量式SVM在故障诊断中的应用研究被引量:1
- 2013年
- 基于半监督学习能够有效降低人工标注成本,以及增量学习可以加快训练速度,避免数据量大时训练时间过长等特性,本文提出了一种半监督增量式SVM算法。在算法中,首先对已标记样本进行训练得到初始分类器,然后利用此分类器对新增样本进行标记,最后结合KKT条件选择合适的样本对分类器进行更新。每当有新样本加入便执行以上过程,以保证分类器得到及时更新。将该算法运用于6135D型柴油机的故障诊断中,并与传统SVM算法和增量式SVM算法进行了对比,证实了本文所提算法的可行性与有效性。
- 罗显科柴毅李华锋梁奕欢
- 关键词:半监督学习故障诊断