汤芳
- 作品数：4 被引量：40H指数：2
- 供职机构：中南大学机电工程学院更多>>
- 发文基金：国家自然科学基金国家重点基础研究发展计划湖南省科技计划项目更多>>
- 相关领域：自动化与计算机技术机械工程更多>>
- 基于改进小波包系数熵的保持架损伤程度识别被引量：2
- 2018年
- 针对损伤保持架振动信号的无冲击特性、非平稳性和故障特征难以提取的问题,提出了基于改进小波包系数熵的损伤程度识别方法。用小波包分解保持架损伤信号获得小波包系数并求小波包系数熵,将小波包系数熵作为特征向量输入支持向量机(SVM)的来识别保持架损伤程度。为提高小波包系数熵的特征敏感性,对小波包系数矩阵元素值和小波包系数概率分布的区间进行修改。最后对正常轴承、保持架点蚀、保持架裂纹和保持架断裂的振动信号进行实验分析,实验结果表明:修改后的小波包系数和区间能有效避免小波包系数概率分布集中;当等分区间数相同且小于170时,与小波包系数熵与SVM结合的方法相比,该方法对保持架损伤程度的识别率更高。
- 汤芳刘义伦龙慧杨大炼
- 关键词：支持向量机
- 基于Teager能量算子和深度置信网络的滚动轴承故障诊断被引量：12
- 2017年
- 针对传统的分类器对滚动轴承早期微弱故障进行诊断时泛化能力不强的问题,提出基于Teager能量算子(TEO)和深度置信网络(DBN)的滚动轴承故障诊断方法。先用TEO提取滚动轴承振动信号中的瞬时能量,构造相应的特征向量;采用层次优化算法调整DBN结构参数,生成合适的分类器。应用美国西储大学轴承实验振动信号,对不同类型、不同损伤程度的滚动轴承进行故障诊断,对比分析DBN、支持向量机(SVM)和邻近算法(KNN)的分类准确性。研究结果表明:DBN能更准确、稳定地识别滚动轴承各种故障,具有较强的泛化能力。
- 陶洁刘义伦付卓杨大炼汤芳
- 关键词：TEAGER能量算子滚动轴承故障诊断
- 轨道交通走行部轴承故障诊断实验台
- 本实用新型公开了一种轨道交通走行部轴承故障诊断实验台，包括驱动系统、模拟轨道交通走行部加载系统、试件轴承基座(9)、水平固定工作台(11)、传感器、信号采集系统、通信传输系统以及信号分析与诊断系统，所述的驱动系统安装在水...
- 陶洁刘义伦汤芳杨大炼陈辉刘驰张喆
- 文献传递
- 稀疏自编码深度神经网络及其在滚动轴承故障诊断中的应用被引量：26
- 2018年
- 针对目前滚动轴承故障诊断主要采用监督式学习提取故障特征的现状,提出了一种基于稀疏自编码的深度神经网络,实现非监督学习自动提取滚动轴承振动信号的内在特征用于滚动轴承故障诊断。首先,将轴承故障振动信号的频谱训练稀疏自编码获得参数;然后用稀疏自编码获得的参数和轴承振动信号频谱的频谱训练深度神经网络,并结合反向传播算法对深度神经网络进行整体微调提高分类准确度;最后用训练好的深度神经网络来识别滚动轴承故障。对正常轴承、外圈点蚀故障、内圈点蚀故障和滚动体裂纹故障振动信号的分析结果表明:相比反向传播神经网络,提出的深度神经网络更能准确的识别滚动轴承故障类型。
- 汤芳刘义伦龙慧
- 关键词：滚动轴承故障诊断
