题名 一种基于KS检验的时间序列非线性检验方法
被引量:29
1
作者
侯澍旻
李友荣
刘光临
机构
武汉科技大学机械自动化学院
出处
《电子与信息学报》
EI
CSCD
北大核心
2007年第4期808-810,共3页
基金
湖北省自然科学基金(2005ABA287)
机械传动与制造工程湖北省重点实验室(2005A04)资助课题
文摘
检验统计量的选取将对时间序列非线性检验的结果产生重要影响。该文在采用打乱相位法产生替代数据后,引入了一种非参数检验——Kolmogorov-Smirnov检验(简称KS检验)作为检验统计量。通过对各类信号的数值实验及与传统使用的高阶自相关量以及时间反演不可逆量对比结果表明,KS检验是一种有效、稳定的非线性检验统计量,对噪声信号具有较强的抗噪能力,而对非线性信号具有较高的敏感性。
关键词
非线性检验
非线性时间序列
KS检验
替代数据
Keywords
Nonlinear test
Nonlinear time series
KS test
Surrogate data
分类号
TN911.72
[电子电信—通信与信息系统]
题名 基于K S检验的智能故障诊断方法研究
被引量:12
2
作者
侯澍旻
李友荣
姬水旺
刘光临
机构
武汉科技大学机械传动与制造工程湖北省重点实验室
美国路易斯安娜州立大学工业工程系
出处
《振动与冲击》
EI
CSCD
北大核心
2006年第1期82-85,共4页
基金
机械传动与制造工程湖北省重点实验室资助项目(2005A04)
武汉科技大学校基金资助
文摘
提出了一种利用KS检验对机械故障进行分类的新方法。通过仿真试验和齿轮故障诊断,说明该方法在数据样本含有一定噪声时也能正确判断故障。在利用少量轴承时域故障数据样本建立多故障分类系统后,仅仅需要极短时间就能准确分类多种故障。结果表明,该方法具有很好的分类能力和较高的计算效率,完全可以满足智能故障诊断的要求。
关键词
KS检验
智能故障诊断
多故障分类
Keywords
KS Test,iIntelligent fault diagnosis,multi-faults classification
分类号
TH165
[机械工程—机械制造及自动化]
题名 K-S检验在轴承故障诊断中的应用
被引量:7
3
作者
侯澍旻
李友荣
刘光临
机构
武汉科技大学机械传动与制造工程湖北省重点实验室
出处
《煤矿机械》
北大核心
2005年第1期129-130,共2页
文摘
将K -S检验应用于轴承故障诊断中 ,成功快速诊断出轴承微弱故障 ,然后通过小波分析结合频谱细化分析 ,精确得到轴承故障位置。实践证明 ,K -S检验是一种有效、实用和快捷的智能诊断方法。
关键词
轴承
K—S检验
故障诊断
Keywords
rolling bearing
K-S test
fault diagnosis
分类号
TH165
[机械工程—机械制造及自动化]
题名 基于三维有限元的卸船机悬臂梁强度分析
被引量:1
4
作者
侯澍旻
李友荣
机构
武汉科技大学
出处
《港口装卸》
2002年第6期4-6,共3页
文摘
采用三维有限单元法分析计算与现场检测对卸船机悬臂梁进行了应力分析 ,发现驳船对卸料料斗产生的水平方向载荷是使悬臂梁应力过大的主要原因 ,且计算得到的焊缝强度最薄弱的区域与实际情况吻合。在此基础上 。
关键词
悬臂梁
强度分析
卸船机
三维有限单元法
焊缝
应力分析
港口设备
Keywords
the landed ship
3D FEM
welded seam
分类号
U653.928
[交通运输工程—港口、海岸及近海工程]
题名 一种基于分割的聚类算法用于振动信号解调(英文)
被引量:6
5
作者
刘绍鹏
侯澍旻
机构
武汉科技大学机械自动化学院
出处
《新型工业化》
2013年第10期8-15,共8页
基金
the Doctoral Foundation for Young Teachers in the Higher Education Institutions of Ministry of Education(Grant NO.:20104219120002)
Scientific Research Foundation for Returned Scholars,Ministry of Education of China
文摘
在传统的共振解调技术中,为了构造一个合适的带通滤波器,机械系统的共振带是必须要知道的。但是,如果所采集的信号被背景噪声和干扰所污染,中心频率和频带就很难识别。本文介绍了一种基于分割的聚类算法。该算法可以自动识别以上参数。然后,就可以采用包络方法对振动信号进行解调。仿真实例证明该算法对高斯噪声和干扰鲁棒性较好。
关键词
故障监测
基于分割的聚类
共振解调
振动信号
Keywords
fault detection
Clustering-based segmentation
resonance demodulation
vibration signal
分类号
TH165+.3
[机械工程—机械制造及自动化]
题名 SVM在齿轮小样本故障诊断中的应用
被引量:5
6
作者
朱颖辉
李友荣
刘安中
侯澍旻
机构
武汉科技大学
出处
《煤矿机械》
北大核心
2006年第11期186-188,共3页
基金
湖北省机械传动与制造工程重点实验室资助项目(2005A04)
武汉科技大学科学研究发展基金资助(2005XY17)
文摘
将SVM的分类算法应用于齿轮小样本故障诊断中。选取识别能力好的时域无量纲指标和频域中的9段频谱融合作为支持向量机的特征矢量,对齿轮的3种典型故障进行分类,结果表明:SVM在解决小样本情况下的机械故障诊断的分类问题中具有良好的应用前景。
关键词
统计学习理论
支持向量机
小样本
Keywords
statistical learning theory
support vector machine
small sample
分类号
TH165
[机械工程—机械制造及自动化]
TP31
[自动化与计算机技术—计算机软件与理论]