大连理工大学机械工程学院振动工程研究所
- 作品数：124 被引量：993H指数：15
- 相关作者：张晓雯侯永强潘玉宝孙志辉刘景珍更多>>
- 相关机构：大连大学机械工程学院大连大学机械工程学院机械工程系唐山学院信息工程系更多>>
- 发文基金：国家自然科学基金教育部科学技术研究重点项目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电子电信动力工程及工程热物理更多>>
- 基于LabVIEW平台的重采样技术的软件实现
- 2005年
- 介绍了基于LabVIEW虚拟平台的重采样技术的实观。该方法是将三次样条插值应用到重采样技术当中,与纯粹的样本点抽取相结合,实现对高采样率的数据进行任意比例采样率的重采样。经过实验验证,该方法可以很好的满足仿真和动态数字信号分析的需要。
- 潘玉宝张志新马孝江
- 关键词：抽取样条插值LABVIEW平台数字信号处理
- 人工神经网络在转子动平衡技术中的应用被引量：10
- 1998年
- 在对人工神经网络和转子动平衡技术深入研究的基础上，提出了将神经网络技术应用于转子动平衡领域的方法。文中对网络拓扑结构的确定以及学习样本数量、样本质量、学习误差等对网络性能的影响等问题作了深入的分析，得到了有实用价值的结论。将该方法应用于实际的动平衡过程，结果表明，基于神经网络的平衡方法的计算结果优于传统的方法。
- 王晓升张冰焰张大力马孝江
- 关键词：人工神经网络动平衡机械振动转子
- 基于LabVIEW直接读取C语言数据文件的研究被引量：6
- 2007年
- 通过比较C语言与LabVIEW数据存储格式的差异,提出一种采用LabVIEW读写C语言二进制浮点数文件的有效方法。该方法无需调用动态链接库,并且方便快捷,完全适合实时高速数据操作。
- 侯永强马孝江李宏坤
- 关键词：C语言浮点数LABVIEW
- Hilbert谱特征提取与支持向量机的设备状态识别方法再研究
- 本文对基于时频图像技术处理的设备故障诊断方法进行研究深入研究。论述了采用Hilbert时频谱熵与Hilbert时频谱重心构建识别向量,应用支持向量机进行设备状态识别的方法,并以滚动轴承的故障诊断为例证明方法的有效性分析。...
- 李宏坤周帅
- 关键词：信息熵支持向量机
- 文献传递
- 小波包信号提取算法及其在故障诊断中的应用被引量：33
- 1997年
- 提出了提取强噪声背景下多通带窄带信号的一种新方法小波包信号提取算法．这是利用小波包将信号按任意时频分辨率（满足测不准原理）分解到不同频段的特点而提出的．介绍了小波包理论；给出了小波包信号提取算法，并以仿真结果说明了该算法的有效性；以滚动轴承的故障诊断为例。
- 张佩瑶马孝江王吉军朱泓
- 关键词：故障诊断信号处理小波理论
- 轴心轨迹的仿真计算及特征参数提取
- 本文针对滑动轴承支撑转子系统建立了不对中故障模型,采用短轴承理论的Capone动态油膜力,用数值计算的方法求得了系统的动态响应,实现了轴心轨迹的理论计算。同时根据Hu矩理论,利用图像处理的方法,对填充后轴心轨迹求取不变矩...
- 赵利华李宏坤郭正刚丁兴国
- 关键词：滑动轴承轴心轨迹故障诊断转子模型
- 文献传递
- 远程多通道数据采集卡的设计被引量：1
- 2007年
- 介绍一种基于嵌入式Linux的远程多通道数据采集卡。采用协处理FPGA芯片SPARTAN3 XC3S400实现多通道数据采集,CY7C028高速双口RAM用来缓存采集的数据,最后通过核心处理器S3C2410A来完成多通道参数设定、采样数据读取以及控制网络传输芯片8900CSA实现数据远程传输功能。
- 汪崇郭正刚张志新马孝江
- 关键词：远程数据采集嵌入式LINUX
- 非线性刚度转子-轴承支承松动故障的特征分析被引量：6
- 2011年
- 研究了非线性刚度转子系统发生松动故障时的振动问题.考虑了转轴材料的非线性因素,建立了在非稳态油膜力作用下的非线性刚度转子-滑动轴承系统松动模型,并用Runge-Kutta数值积分方法,得到了系统在不同的参数下的波形图、频谱图和轴心轨迹图的特征.并通过实验数据验证了该方法的可行性.数值分析结果为该类转子-轴承系统的设计和支承松动故障识别提供了一定的参考.
- 李宏坤赵利华练晓婷
- 关键词：转子-轴承系统非稳态油膜力
- 基于振动信号的柴油机故障诊断方法研究被引量：14
- 2003年
- 针对柴油机表面振动信号的非平稳时变特性 ,引入局域波分析方法 ,它有效克服了用传统方法进行非线性、非平稳信号分析时产生无意义谐波分量的缺点。并提出了应用局域波时频分析方法和边界谱分析法对柴油机进行故障诊断的方法。利用这两种方法对现场和实验室两种工作环境下的实测数据进行分析处理 。
- 王珍马孝江李吉
- 关键词：振动信号柴油机工作环境实测数据
- 基于稀疏自动编码器与FA-KELM的滚动轴承故障诊断被引量：5
- 2018年
- 提取滚动轴承有效的故障特征参数是轴承故障诊断重要的组成部分,为改善核极限学习机(Kernel Extreme Learning Machine,KELM)高维数据特征选取的问题,提出一种结合稀疏自动编码器(Sparse Auto-Encoder,SAE)与KELM的方法。首先,提取振动信号的时域、频域和时频域特征构成高维特征向量;其次,采用多层SAE融合高维特征来消除特征的冗余性;最后,采用融合后的特征训练KELM,得到故障诊断模型。针对KELM对参数敏感的缺陷,采用萤火虫算法(IF)进行参数优化。为评估方法有效性,采用实验数据进行测试,并与传统KELM方法进行比较,结果显示该方法具有更好准确性和稳定性。
- 敦泊森柳晨曦王奉涛
- 关键词：振动与波滚动轴承特征提取
