杨文瑛
- 作品数：3 被引量：13H指数：2
- 供职机构：兰州理工大学机电工程学院更多>>
- 发文基金：甘肃省教育厅研究生导师科研项目国家自然科学基金更多>>
- 相关领域：机械工程电子电信自动化与计算机技术动力工程及工程热物理更多>>
- 转子故障特征数据分类的KPCA-BFDA方法被引量：6
- 2013年
- 对非线性转子系统故障特征数据的分类方法进行了研究。在提出一种偏费歇判别分析法(biased fisher discriminatory analysis,简称BFDA)的前提下,进一步提出将核主成分分析法(kernel principal component analysis,简称KPCA)与偏费歇判别分析法相结合的数据集降维方法,该方法中的核主成分分析步骤用于构造剔除数据集冗余信息的降维数据集,偏费歇判别分析步骤用于进一步降低数据集维数并提高不同类别数据子集间的分离程度。对实例数据与典型故障数据的分类结果表明,提出的偏费歇判别分析法在具备费歇判别分析降维可分性能的基础上,具有更低计算复杂度的特点。提出的核主成分分析结合偏费歇判别分析的算法,其对应的降维结果能直接应用于线性分类器,且取得了较好的分类效果。
- 马再超赵荣珍杨文瑛
- 关键词：数据分类核主成分分析
- 基于经验模态分解的转子故障信号熵特征提取研究
- 随着传感器技术、测试技术及信号分析的发展，故障诊断技术有了较大提高，其主要研究内容包括四个方面：信号采集、信号特征提取、故障诊断、信息融合。其中，信号特征提取是指故障诊断过程中获取与系统状态相关性较大的敏感特征的特征因子...
- 杨文瑛
- 关键词：转子系统信号处理信息熵故障诊断
- 信息熵与经验模态分解集成的转子故障信号量化特征提取被引量：6
- 2013年
- 针对转子振动信号的非线性、非平稳性造成的故障状态难以定量准确描述问题,提出一种基于信息熵和经验模态分解(empirical mode decomposition,EMD)的转子振动信号量化特征提取方法.该方法通过对比转子故障信号EMD分解后各内禀模态分量(intrinsic mode function,IMF)的能量状态及其与原始信号间的相关性程度,在确定出包含主要故障信息的分量基础上,分别对其进行时域、频域及时频域内4种信息熵熵值的计算,从而建立起一种信息熵熵带特征量.实验信号的分析结果表明,该方法能够较好地实现对转子系统故障信号的量化特征提取,所提取出的特征集合具有能够使典型故障特征量之间存在显著差异的性能.
- 赵荣珍杨文瑛马再超杨娟
- 关键词：转子系统信息熵经验模态分解
