许迪
- 作品数：9 被引量：98H指数：6
- 供职机构：哈尔滨理工大学机械动力工程学院更多>>
- 发文基金：国家自然科学基金黑龙江省自然科学基金更多>>
- 相关领域：机械工程电子电信自动化与计算机技术更多>>
- 基于SPWVD时频图纹理特征的滚动轴承故障诊断被引量：20
- 2017年
- 针对如何提高滚动轴承故障诊断准确率的问题,提出一种基于平滑伪维格纳-威利分布(smooth and pseudo Wigner-Ville distribution,简称SPWVD)时频图纹理特征的故障诊断方法,对滚动轴承不同故障类型及故障程度进行识别。首先,采用SPWVD时频分析方法处理轴承故障振动信号,并获取时频图,从中提取选择表征能力优秀的特征参量作为故障特征;其次,将故障特征作为输入,结合支持向量机(support vectors machine,简称SVM)建立滚动轴承故障诊断模型;最后,采用轴承故障数据,比较SPWVD时频图纹理特征、维格纳-威利分布(Wigner-Ville distribution,简称WVD)时频图纹理特征和小波尺度谱图纹理特征3种故障特征的模式识别能力及准确率。分析结果表明,SPWVD时频图纹理故障特征分类效果最佳,敏感性最强,具有较高的故障诊断精度。
- 王亚萍许迪葛江华孙永国隋秀凛
- 关键词：滚动轴承故障诊断特征提取纹理特征
- 量子遗传算法优化的SVM滚动轴承故障诊断被引量：23
- 2018年
- 针对单一测度模型的特征评价方法存在特征敏感度"欠学习",以及支持向量机(support vector machines,简称SVM)参数优化算法普遍存在收敛速度慢、易陷入局部极值等问题,提出一种量子遗传算法优化的SVM滚动轴承故障诊断方法。首先,采集振动信号中的时域和频域特征构成多域多类别原始故障特征集;其次,构建一个基于相关性、距离及信息等测度的混合特征评价模型,得到特征权重与特征值组合构成的加权故障特征集;最后,将加权故障特征集为输入,将量子熵引入到量子遗传算法当中,对SVM的结构参数进行全局优化,完成滚动轴承故障模式的识别。试验结果表明,该方法能够以更快的速度收敛至全局最优解,在保证聚类性能的基础上提高了滚动轴承的诊断精度。
- 许迪葛江华王亚萍卫芬邵俊鹏
- 关键词：量子遗传算法支持向量机滚动轴承故障诊断
- 基于QGA和随机共振的轴承微弱故障信号检测方法被引量：1
- 2020年
- 针对滚动轴承早期故障阶段振动信号微弱,信噪比低,提出量子遗传算法(quantum genetic algorithm,简称QGA)与随机共振相结合的微弱信号检测方法,提高信号信噪比并识别故障位置。首先,对大参数信号变尺度处理,并根据输入信号对噪声强度进行估计实现参数初始化;其次,以输出信噪比作为目标函数,通过QGA对系统的双参数进行自适应寻优;最后,通过系统的随机共振实现微弱信号信噪比的提高。仿真及实验结果表明,该方法充分考虑了系统参数之间的相互作用,能够有效提高信号信噪比,实现了早期故障阶段的微弱信号检测。
- 葛江华王岩王亚萍孙永国许迪
- 关键词：微弱信号检测量子遗传算法随机共振
- MBCV-EWT和奇异值差分谱的滚动轴承信号降噪方法被引量：2
- 2019年
- 针对滚动轴承振动信号降噪时,克服模式混叠、保证各频率成分完整性和独立性问题,提出最大类间方差-经验小波变换分解(maximum between-cluster variance-empirical wavelet transform,简称MBCV-EWT)与奇异值差分谱相结合的信号降噪方法。首先,针对传统区间划分的不确定性问题,提出MBCV-EWT信号分解方法,通过最大类间方差对信号频谱自适应划分,并在每个划分区间上构建带通滤波器;其次,针对分解分量冗余,提出脉冲指标作为调幅-调频分量筛选准则,选取最优的分量用于降噪;最后,对最优调幅-调频分量进行奇异值分解,根据其差分谱重构分量并实现降噪。仿真及实验结果表明,该方法能够实现频谱自适应划分,有效克服模式混叠等问题,保证分解得到的各成分主频独立且完整,调幅-调频分量筛选准确,降噪效果明显,为故障识别和预测奠定研究基础。
- 王亚萍崔巍葛江华许迪李云飞
- 关键词：信号降噪滚动轴承
- CEEMD和小波半软阈值相结合的滚动轴承降噪被引量：21
- 2018年
- 针对滚动轴承振动信号降噪处理时如何保证信号边缘信息完整性的问题,提出将互补集合经验模态分解(complementary ensemble empirical mode decomposition,简称CEEMD)与小波半软阈值相结合的信号降噪方法,对滚动轴承故障高频振动信号进行降噪处理。首先,采用CEEMD方法对故障振动信号进行分解,针对信号特点自适应获取不同频段模态分量;其次,将对包含噪声污染的高频信号模态分量进行相关性分析,得到含噪成分较高的高频模态分量,进一步采用小波半软阈值进行降噪处理;最后,将降噪后的模态分量同残余分量进行信号重构,完成降噪过程。分析结果表明,相对于传统小波阈值降噪和CEEMD强制降噪方法,提出的方法能够有效去除高频信号的噪声,且最大程度地保证了原始信号的完整性,降噪效果更好。
- 王亚萍匡宇麒葛江华许迪孙永国
- 关键词：滚动轴承信号降噪
- 支持张量机与KNN-AMDM决策融合的齿轮箱故障诊断方法被引量：13
- 2018年
- 针对齿轮箱故障诊断时使用单一传感器进行信号获取过程中存在信息不完整的问题,导致故障特征信息及诊断推理方法具有随机性和模糊性。利用多传感器信息融合的二阶张量特征作为输入,构建了一个支持张量机和集成矩阵距离测度(Assembled Matrix Distance Metric,AMDM)的K最近邻分类器(k-nearest neighborhood classifier,KNN)决策融合故障诊断模型。首先,对多传感器信息时频域特征层进行融合,获得二阶张量的特征样本;其次,分别构建基于集成支持张量机、KNN-AMDM的故障诊断模型,并针对两类故障诊断模型的输入,设计了两种基本概率分配赋值的转化方法,通过不断调整参与的传感器数目获得6种不同的故障征兆张量集,进而得到12种不同的初步故障诊断结果;最后,采用D-S证据理论对12个证据体提供的基本概率分配值进行融合决策,得到最终的齿轮箱故障诊断结果。实验对比表明,该方法可提高齿轮故障诊断结果的可信度。
- 葛江华刘奇王亚萍许迪卫芬
- 关键词：故障诊断多传感器融合
- 流形学习和M-KH-SVR的滚动轴承衰退预测被引量：11
- 2018年
- 针对滚动轴承中存在数据样本量大、非平稳信号波动复杂等问题,提出基于流形学习和M-KH-SVR(Multivariable-Krill Herd-Support Vector Regression)的滚动轴承衰退预测方法。该方法首先提取了滚动轴承的时域和频域特征,组成初始特征向量;然后利用相关度量系数(Multiple Correlation Coefficient,MCC)对初始特征进行筛选,得到相关程度较高的特征向量集,并通过局部线性嵌入(Locally Linear Embedding,LLE)方法进行特征降维,进而组成新的故障特征集;最后将磷虾群算法引入到多变量支持向量回归机中,并对其参数c和σ进行优化,利用磷虾群局部寻优和全局寻优的能力,提高了参数选择效率。通过对多变量特征进行实验对比分析,结果表明该方法与传统单一参数及多特征参数方法相比,具有良好的泛化性,大幅度提高了运算效率和预测精度,对滚动轴承的衰退阶段划分更加精确。
- 许迪葛江华王亚萍邵俊鹏
- 关键词：滚动轴承支持向量回归机
- 拟合函数系数特征的SVDD行星齿轮故障诊断方法被引量：1
- 2019年
- 行星齿轮振动信号复杂多变,离散型故障信号需进行降噪、降维等复杂的处理过程,且信号处理过程中易造成信息缺失等。针对以上存在的问题,提出将函数型数据分析(Functional data analysis,FDA)与改进的支持向量数据描述(Support vector domain description,SVDD)相结合的故障诊断方法。根据齿轮不同故障类型建立不同的故障拟合基函数,将训练集数据与傅里叶基函数进行拟合,根据拟合得到的函数系数特征建立SVDD模型,并以ROC(Receiver operating characteristic)的评价函数为优化目标使用模拟退火算法对SVDD模型中的核参数σ和惩罚因子c进行优化;将不同的测试样本带入SVDD模型中,通过计算测试样本到超球体球心的相对距离来识别故障种类,进而完成行星齿轮的故障诊断。实验结果对比表明,本文中提出的方法能够解决离散型故障信号处理复杂、信息丢失等问题,准确地识别行星齿轮故障种类。
- 王亚萍王艳葛江华许迪孙永国
- 关键词：支持向量数据描述行星齿轮故障诊断
- 等距离映射和模糊C均值的滚动轴承故障识别被引量：6
- 2019年
- 在滚动轴承的故障识别中,针对传统的等距离映射ISOMAP算法存在测地距离的计算偏差较大,故障识别部分混叠的问题,提出一种模糊C均值和等距离映射的滚动轴承故障识别方法。首先,对ISOMAP算法中的邻域大小k值用残差进行改进,保证映射结果很好地反映全局性质;其次可分性评价指标评价特征降维的效果;然后,采用了模糊C均值聚类方法,保证在拓扑空间中高维流形数据与低维空间光滑流形中的数据仍保持相近或相同的特性。最后,通过采集不同损伤程度下的滚动轴承振动数据进行实验验证,结果表明本文方法在分类效果和识别精度都有了明显的提升。
- 王亚萍李士松葛江华许迪李云飞
- 关键词：滚动轴承故障识别特征降维ISOMAP算法模糊C均值
