陈鹏
- 作品数：3 被引量：12H指数：2
- 供职机构：三重大学更多>>
- 发文基金：国家科技支撑计划重庆市科技攻关计划更多>>
- 相关领域：机械工程理学更多>>
- 基于最小二乘映射和SVM的滚动轴承故障诊断被引量：6
- 2017年
- 针对滚动轴承故障诊断中存在的早期非平稳微弱故障信号特征提取困难、特征参量分辨率低、早期故障诊断困难等问题,提出了一种基于最小二乘映射(LSM)的故障特征参量优化和支持向量机(SVM)的故障诊断方法。首先计算出能够反映滚动轴承状态的无量纲时域特征参量;其次通过LSM理论进行优化计算出来的无量纲时域特征参量,构建高敏感度的特征参量;最后将通过敏感度识别因子指数(DI)选取优化过的特征参量作为样本输入到SVM中进行诊断,通过逐次推理诊断出轴承故障类型。实验结果表明,该方法能够有效地诊断出滚动轴承的故障类型。
- 赵宇李可宿磊陈鹏
- 关键词：故障诊断LSMSVM
- 基于假设检验和支持向量机的旋转机械故障诊断方法被引量：6
- 2017年
- 针对旋转机械故障诊断中存在的早期非平稳微弱故障信号特征提取困难、故障诊断不准确等问题,提出了一种基于自适应假设检验滤波和支持向量机(SVM)的故障诊断方法。该方法采用统计学假设检验原理来评估参考信号(噪声信号)和原始信号(故障信号)在频域上的相似性,删除具有高相似性的频域成分;通过粒子群优化算法获得最佳的显著性水平α;定义评估因子Ipq来评价假设检验滤波的效果。最后通过SVM来逐次诊断轴系构造异常。验证结果表明该方法能够有效地诊断出传动轴不对中和不平衡的故障类型。
- 赵宇李可宿磊陈鹏
- 关键词：特征提取支持向量机
- 模糊神经网络用于齿轮装置故障的逐次诊断法
- 2008年
- 提出了一种基于神经网络和逐次模糊推理理论,构建了逐次的模糊神经网络,对齿轮装置故障进行逐次诊断。该方法能自动精确地识别齿轮装置故障。提出了5个时域中的无量纲特征参量,并应用可能性理论,把由实测数据求得的特征参量的概率密度函数转换为可能性分布函数,可表征特征参量与设备状态间的模糊关系。逐次模糊神经网络能处理特征参量与故障状态的模糊关系,实现对故障的自动诊断。齿轮诊断实例验证了该方法的有效性及可行性。
- 周雄唐一科陈鹏周扬胜
- 关键词：齿轮装置故障诊断
