您的位置: 专家智库 > >

金兵

作品数:7 被引量:11H指数:2
供职机构:郑州大学机械工程学院振动工程研究所更多>>
发文基金:国家自然科学基金河南省教育厅科学技术研究重点项目更多>>
相关领域:机械工程更多>>

文献类型

  • 5篇期刊文章
  • 2篇会议论文

领域

  • 7篇机械工程

主题

  • 4篇轴承
  • 3篇全矢谱
  • 3篇滚动轴承
  • 2篇支持向量
  • 2篇频谱
  • 2篇向量
  • 2篇经验模式分解
  • 2篇故障诊断
  • 2篇MD
  • 1篇信息融合
  • 1篇旋转机械
  • 1篇旋转机械故障
  • 1篇预警
  • 1篇预警研究
  • 1篇支持向量回归
  • 1篇支持向量机
  • 1篇特征提取
  • 1篇频谱结构
  • 1篇轴承故障
  • 1篇轴承故障诊断

机构

  • 7篇郑州大学

作者

  • 7篇金兵
  • 5篇韩捷
  • 5篇马艳丽
  • 4篇李凌均
  • 2篇张学欣

传媒

  • 3篇机械设计与制...
  • 1篇中国机械工程
  • 1篇机床与液压

年份

  • 1篇2018
  • 4篇2017
  • 2篇2016
7 条 记 录,以下是 1-7
排序方式:
基于全矢支持向量回归的设备频谱成分预测研究被引量:1
2017年
支持向量机(SVM)在解决小样本、非线性及高维问题方面表现突出,支持向量回归(SVR)目前被广泛应用于设备状态趋势预测中用于故障定量分析。故障预测用于定性分析的相对较少,为进一步提高其预测精度,结合基于同源信息融合的全矢谱技术进行倍频成分预测。该方法采用全矢谱技术融合双通道信息,相比传统单通道信号提取方法,保障了SVR预测数据特征提取的完整性,提高预测精度。对特征频率进行分别预测,然后重新生成预测的频谱图。该方法应用于某电厂1号汽轮机振动数据的预测,实验结果表明,全矢支持向量回归(FVSVR)频谱成分预测方法具有较高的预测精度,可以对一些故障定性分析。
李凌均白鋆韩捷金兵
关键词:全矢谱SVM
基于全矢NA-MEMD的滚动轴承故障诊断方法被引量:4
2017年
针对EMD分解多通道信号得到的IMF分量在数量和频率成分出现的不匹配现象和单通道分析方法存在信息利用不充分的问题,提出了一种基于噪声辅助多维经验模式分解(NA-MEMD)与全矢谱结合的滚动轴承故障诊断方法——全矢NA-MEMD。利用NA-MEMD对同源双通道信号和噪声辅助信号构成的多通道信息自适应分解成一系列IMF分量;根据相关系数从同源双通道中选取包含故障主要信息的IMF分量进行重构;将重构信号进行全矢信息融合来提取故障特征。通过仿真信号和实验信号分析验证该方法的有效性。
金兵马艳丽李凌均韩捷
关键词:全矢谱相关系数信息融合
基于MEMD与全矢谱的故障特征提取方法
针对故障信号的非平稳特征和单源信息进行故障识别易造成误判,提出了一种多维经验模式分解(MEMD)与全矢谱(FV)结合的故障特征提取方法一全矢多维经验模式分解(FV-MEMD).MEMD是一种基于多源信息等尺度分解的信号分...
金兵马艳丽李凌均文勇亮
关键词:机械设备故障诊断特征提取全矢谱
文献传递
基于相似性原理的旋转机械故障预警研究
针对旋转机械机组设备故障而引起的非计划停机所带来的不必要的经济损失问题,在故障诊断的基础上,开展了故障预警研究.介绍相似度量方法的类别和故障预警的基本原理,描述故障预警系统建立的流程,首先采集满足一定要求的数据,进而对其...
马艳丽金兵韩捷
关键词:旋转机械故障预警
文献传递
滚动轴承退化指标选取方法研究被引量:1
2018年
针对滚动轴承退化过程指标选取问题,提出了一种基于噪声辅助的多维EMD(Noise-Assisted Multivariate EMD)和主成分分析(PCA)相结合来提取退化指标的方法。该方法首先利用NA-MEMD对同源双通道信号和噪声辅助通道信号进行分解得到一系列多元IMF分量,然后采用相关系数准则选取敏感分量重构信号,其次计算出轴承退化过程中重构信号的退化指标序列,再根据序列的单调性和鲁棒性,选择优良指标进行PCA融合,最后把第一主成分作为反映滚动轴承退化过程的最终指标。对PRONOSITS平台提供的全寿命周期的数据进行分析,结果表明,在滚动轴承的退化过程中,较单一指标,基于NA-MEMD和PCA融合的指标能够比较完整的表征滚动轴承的退化过程。
马艳丽金兵张学欣韩捷
关键词:滚动轴承
全矢MEMD能量熵在轴承故障诊断中的应用被引量:4
2017年
故障轴承振动信号具有非线性和非平稳性的特点,在轴承发生故障时其信号的能量在频域上的分布会发生改变。针对单通道信号存在的信息遗漏和经典EMD算法在分解多通道信号时得到的IMF分量个数不同的问题,提出了全矢MEMD能量熵的滚动轴承智能诊断方法。首先利用MEMD算法将一组预处理后的同源信号分解为两组具有相同分量个数的IMF分量,且对应阶分量的频率尺度相同。然后分别计算相同尺度分量的全矢能量熵,并作为信号特征用支持向量机进行训练和识别,从而得到轴承的不同故障类型。实例分析结果表明了该方法的有效性。
文勇亮李凌均金兵
关键词:故障诊断支持向量机
基于全矢融合与多维经验模态分解的滚动轴承退化过程频谱结构研究被引量:2
2017年
为了识别滚动轴承退化过程,提出一种多维经验模态分解和全矢融合相结合的方法。首先对不同状态的多通道信号同时进行多维经验模态分解,得到一系列多元固有模态函数分量,然后利用互相关系数准则选取最敏感的一阶固有模态函数分量进行全矢包络分析来提取信号的特征。为了验证该方法的有效性,分别对模拟信号和实际信号进行了分析。结果表明此方法在出现故障时,能够很好地表征频谱结构的变化;随着故障严重程度的增加,频谱结构变得复杂,且呈现出了规律性。
马艳丽金兵张学欣韩捷
关键词:频谱结构
共1页<1>
聚类工具0