朱繁泷
- 作品数：6 被引量：43H指数：4
- 供职机构：江西理工大学更多>>
- 发文基金：国家自然科学基金江西省自然科学基金江西省教育厅科学技术研究项目更多>>
- 相关领域：机械工程环境科学与工程理学一般工业技术更多>>
- 基于主成分分析的齿轮箱故障特征融合分析被引量：8
- 2015年
- 为有效降低齿轮箱故障特征的维数并提高诊断准确率,提出了基于主成分分析法的齿轮箱故障特征融合方法,并结合支持向量机和BP神经网络对诊断的准确率进行了分析。以齿轮箱中不同裂纹齿轮为对象,选取能够表征齿轮箱故障状态的时域、频域和基于希尔伯特变换的36个特征,提取累积贡献率达到95%以上的主成分并输入支持向量机分类器中进行分类识别,用BP神经网络分类器进行结果的比较分析。结果表明,采用主成分分析法与支持向量机相结合的方法,既能降低特征维数,降低计算的复杂性,又能有效地表征齿轮箱的运行状态,识别不同裂纹水平的齿轮,比单独使用支持向量机分类器的方法诊断准确率更高,训练时间更短。
- 古莹奎杨子茜朱繁泷
- 关键词：齿轮箱主成分分析支持向量机BP神经网络
- 基于主成分分析和支持向量机的滚动轴承故障特征融合分析被引量：23
- 2015年
- 为有效降低滚动轴承故障特征的维数并提高诊断准确率,将主成分分析(PCA)和支持向量机(SVM)方法应用到轴承故障特征的融合分析中,给出了相应的决策流程。应用基于小波包分解的特征提取算法及特征向量的构造方法对不同状态下的振动信号进行分解,得到用于表征轴承运行状态的8维特征集合;应用PCA提取累积贡献率达到95%的特征主成分并输入SVM分类器中进行识别。结果表明,将滚动轴承故障特征从8维降低到5维,仍可有效表征轴承的状态,但大大降低了计算的复杂性;故障诊断的准确率达到97%以上,诊断时间也相对较短;4种轴承状态识别的准确率从高到低依次为正常、外圈剥落、滚动体剥落和内圈剥落,可为确保设备安全运行和快速故障诊断提供理论依据。
- 古莹奎承姿辛朱繁泷
- 关键词：主成分分析支持向量机故障诊断滚动轴承
- 基于振动信号的旋转机械运行状态趋势分析与故障诊断
- 在现代工业生产设备中,旋转机械占有重要地位。对旋转机械设备进行状态监测和故障诊断以保证设备的安全运行具有重要的现实意义和经济价值。旋转机械的振动信号是研究设备故障运行状态的重要载体,在旋转机械振动信号中含有丰富的可以表征...
- 朱繁泷
- 关键词：旋转机械振动信号故障诊断分类器
- 文献传递
- 基于模糊概率重要度的可靠性分析方法被引量：4
- 2012年
- 故障树分析中基本事件的重要度对顶事件的发生概率有着重要的影响.文中提出了一种基于模糊概率重要度的发动机可靠性分析方法,对事件发生概率进行分析,以克服传统故障树分析无法处理模糊和不确定信息的缺点.用模糊三角数来描述基本事件和顶事件的发生概率,以不同的权重指数描述去除相应的基本事件之后顶事件概率的变化.通过计算不同a截集下各个基本事件及顶事件的概率,对各基本事件的概率重要度进行排序,据此可以提出改进意见和措施.以应用实例对提出的方法进行了验证.
- 古莹奎朱繁泷唐淑云
- 关键词：故障树模糊集可靠性
- 基于邻域属性重要度的齿轮箱故障特征优选方法被引量：4
- 2015年
- 为有效降低齿轮箱故障特征的维数并提高诊断效率,提出了基于邻域属性重要度的齿轮箱故障特征优选方法,并结合支持向量机和BP神经网络对诊断的准确率和时间进行对比分析。以齿轮箱中不同裂纹齿轮为对象,选取能够表征齿轮箱故障状态的时域、频域和基于希尔伯特变换的36个特征。构造基于邻域模型的前向贪心数值属性约简算法进行特征优选,提取属性重要度较大的9个特征组成最优特征子集,数据压缩量达到75%,并输入支持向量机分类器中进行分类识别,用BP神经网络分类器进行结果的比较分析。结果表明,采用基于邻域属性重要度的齿轮箱故障特征优选方法,既可以在降低特征维数的情况下有效地表征齿轮箱的运行状态,又可以提高诊断的精确度和诊断效率。
- 古莹奎孔军廷朱繁泷
- 关键词：齿轮箱重要度BP神经网络
- 基于邻域属性重要度与主成分分析的齿轮箱故障特征约简被引量：6
- 2016年
- 为有效降低齿轮箱故障特征的维数并提高诊断效率,提出了基于邻域属性重要度与主成分分析法相结合的齿轮箱故障特征约简方法,并利用支持向量机和BP神经网络对诊断的准确率进行对比分析。针对齿轮箱中具有不同程度裂纹的齿轮,选取其时域、频域和基于希尔伯特变换的36个特征;将邻域模型引入到特征属性的约简,构造前向贪心算法,以邻域属性重要度较大的9个特征作为特征集,提取累积贡献率达到95%以上的主成分,分别输入支持向量机和BP神经网络分类器中进行分类识别,并与不经过特征优选的主成分特征融合相对比。结果表明,采用基于邻域属性重要度与主成分分析法相结合的特征约简方法,既可以降低齿轮箱故障特征的维数,又不影响对其运行状态的表征,有助于识别不同裂纹水平的齿轮,与不经过特征优选直接进行融合的方法相比,所提出方法诊断准确率更高,训练时间更短。
- 古莹奎潘高平朱繁泷承姿辛
- 关键词：齿轮箱特征约简主成分分析
