吴庐山
- 作品数：7 被引量：54H指数：4
- 供职机构：河南农业大学更多>>
- 相关领域：自动化与计算机技术机械工程动力工程及工程热物理更多>>
- 基于IMF复杂度和RBF网络的配气机构故障诊断
- 2011年
- 针对柴油机振动信号的非平稳特性,提出一种经验模态分解(Empirical Mode Decomposition,EMD)、复杂度和RBF(radical basis function)神经网络相结合的故障诊断方法;运用经验模态分解方法对特定时段的振动信号进行分析,计算前5个固有模式分量(Intrinsic Mode Functions,IMF)的Lempel-Ziv相对复杂度作为故障特征向量,并利用RBF神经网络可以快速逼近任意非线性函数及良好分类能力的特点,来实现对柴油机工作状态和故障类型的判别;最后,利用实际柴油机试验数据的诊断和对比试验验证了该方法的有效性。
- 吕建新吴虎胜来凌红吴庐山赵法栋
- 关键词：故障诊断复杂度
- 基于EMD和SVM的农用柴油机故障诊断研究被引量：3
- 2010年
- 针对农用柴油机振动信号的非平稳特性和在现实条件下难以获得大量故障样本的实际情况,提出一种经验模态分解和支持向量机相结合的故障诊断方法。运用经验模态分解方法对气阀机构不同工况下的去噪缸盖振动信号进行分析,计算各内禀模态函数与去噪信号的互信息值以确定主IMF分量,并求其包含时间信息的能量熵以定量描述信号不同时频段的能量分布,将其作为支持向量机的输入特征向量以判断柴油机的工作状态和故障类型。试验结果表明,该方法在小样本情况下也具有较高的精度和较强的泛化能力,但不同转速时需重新采样以保证充足的诊断精度。
- 吕建新吴虎胜王茂生吴庐山
- 关键词：柴油机
- 基于EMD和SVM的柴油机气阀机构故障诊断被引量：20
- 2010年
- 针对柴油机振动信号的非平稳特性和在现实条件下难以获得大量故障样本的实际情况,提出了一种经验模式分解和支持向量机相结合的故障诊断方法。运用经验模式分解方法对气阀机构不同工况下的去噪缸盖振动信号进行分析,计算各固有模式函数的方差贡献率以确定包含故障特征信息的主要成分,对求得的各固有模式函数分别计算其能量矩,并将能量矩作为支持向量机的输入特征向量,以判断柴油机的工作状态和故障类型。试验结果表明:该方法在小样本情况下也具有较高的精度和较强的泛化能力,但转速不同时需重新采样以保证足够的诊断精度。
- 吴虎胜吕建新吴庐山王茂生
- 关键词：柴油机故障诊断经验模式分解
- 基于ISVD和小波降噪理论的轴承故障诊断被引量：2
- 2011年
- 针对滚动轴承振动信号的非平稳等复杂特点,在分析迭代奇异值降噪和小波阈值降噪的原理和特点的基础上,将两者理论结合应用于轴承振动信号降噪中。试验证明,结合降噪法能有效剔除噪声,并可较好地保留冲击信号中的尖峰和突变部分,最后通过计算降噪后信号的样本熵可准确地实现轴承的故障诊断。
- 吴虎胜吕建新吴庐山敖云辉朱玉荣
- 关键词：滚动轴承故障诊断小波降噪
- 基于EMD-SVD模型和SVM滚动轴承故障模式识别被引量：17
- 2011年
- 针对滚动轴承振动信号的非平稳特性和在现实条件下难以获取大量故障样本的实际情况,提出一种经验模态分解、奇异值分解、Renyi熵和支持向量机相结合的故障诊断方法。运用经验模态分解方法对其去噪信号进行分析,利用互相关系数准则对固有模式分量进行筛选,再对所选分量重构相空间得到吸引子轨道矩阵;对矩阵进行奇异值分解求取奇异值,再计算这些奇异值的Renyi熵以组成故障特征向量,并将其作为支持向量机的输入以识别滚动轴承的故障类型。最后,利用实际滚动轴承试验数据的诊断与对比试验验证了该方法的有效性和泛化能力。
- 吴虎胜吕建新来凌红吴庐山朱玉荣
- 关键词：滚动轴承经验模式分解RENYI熵
- 基于EMD和AR奇异值的柴油机故障诊断被引量：6
- 2011年
- 针对柴油机振动信号的非平稳特性和在现实条件下难以获取大量故障样本的实际情况,提出一种经验模态分解(Empirical Mode Decomposition,EMD)、自回归(Auto Regression,AR)模型和支持向量机(Support Vector Machine,SVM)相结合的柴油机故障诊断方法。运用经验模态分解方法对柴油机失火及气阀机构不同工况下的缸盖振动信号进行分析,计算各个内禀模态函数(Intrinsic ModeFunctions,IMF)的AR模型参数向量以此组成初始特征向量矩阵,再计算此初始特征向量矩阵的奇异值,并将其作为支持向量机的输入特征向量以判断柴油机的工作状态和故障类型。试验结果表明:该方法在小样本情况下也具有较高的精度和较强的泛化能力。
- 吴虎胜吕建新战仁军吴庐山
- 关键词：柴油机故障诊断AR模型奇异值
- 基于EMD复杂度特征和SVM的轴承故障诊断研究被引量：8
- 2011年
- 针对滚动轴承振动信号的非平稳特性和在现实条件下难以获取大量故障样本的实际情况,提出一种经验模态分解、复杂度测量分析和支持向量机相结合的故障诊断方法。运用经验模态分解方法对其去噪信号进行分析,利用互相关系数准则对固有模式分量进行筛选,再计算所选分量的复杂度以组成故障特征向量,并将其作为支持向量机的输入以识别滚动轴承的故障类型。最后,利用实际滚动轴承试验数据的诊断与对比试验验证了该方法的有效性和泛化能力。
- 吕建新吴虎胜吴庐山朱玉荣
- 关键词：滚动轴承经验模态分解复杂度
