陈强华
- 作品数：3 被引量：12H指数：2
- 供职机构：中国人民解放军军械工程学院导弹工程系更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：机械工程自动化与计算机技术理学更多>>
- 基于形态分形维数与改进ELM的轴承故障预测被引量：3
- 2014年
- 将形态分形维数作为轴承故障预测特征量,形成轴承故障预测特征量序列。同时,为优化极限学习机(ELM)预测模型,综合考虑模型的精度、预测趋势及稳定性,提出一种序列关联度系数及其计算方法,对ELM预测模型进行优化,并利用提取的故障预测特征量序列对模型进行训练。用轴承全寿命数据进行验证,结果表明,形态分形维数的变化情况较好反映了轴承性能退化的过程,改进的ELM预测模型实现了对轴承故障的有效预测,且其精度及稳定性较原始ELM预测模型有一定提高。
- 陈强华李洪儒许葆华
- 关键词：滚动轴承故障预测数学形态学分形维数极限学习机
- 自适应多尺度形态学方法在齿轮箱轴承故障特征提取中的应用被引量：1
- 2013年
- 针对轴承故障特征提取问题,提出一种自适应多尺度形态学方法。该方法采用形态闭、开相减构成的差值形态算子提取信号中的正、负冲击成分,基于信号的局部峰值间隔确定扁平结构元素的尺度,产生由若干不同尺度结构元素组成的集合,对信号进行自适应多尺度形态学分析。仿真实验结果表明,该方法能有效提取信号的冲击成分,且较单尺度形态学方法有更好的效果。将该方法应用于轴承故障信号处理,结果表明该方法对提取轴承故障特征频率有良好效果。
- 陈强华李洪儒许葆华
- 关键词：特征提取轴承自适应多尺度
- 基于数学形态分形维数与模糊C均值聚类的滚动轴承退化状态识别被引量：8
- 2015年
- 针对滚动轴承的退化状态识别问题,融合数学形态学与模糊聚类理论,提出一种基于数学形态分形维数与模糊C均值聚类的退化状态识别方法。以数学形态分形维数作为滚动轴承的性能退化特征,从分形角度定量描述其复杂度与不规则度。鉴于不同退化状态边界的模糊性,将模糊C均值聚类方法应用于对退化状态的模糊聚类中,根据最大隶属度原则识别轴承性能退化状态。依托杭州轴承试验研究中心进行滚动轴承疲劳寿命强化试验,采集了滚动轴承从完好到失效的整套全寿命数据,将该方法应用于滚动轴承全寿命周期振动信号中,总体状态识别成功率达到96%.研究结果表明:该方法计算代价小、效率高,能够有效地识别出滚动轴承的性能退化状态。
- 王冰李洪儒陈强华许葆华
- 关键词：机械学数学形态学滚动轴承
