基于融合知识迁移网络的变工况轴承故障模式识别

1

作者 马琰 贺宗平 《机械设计与制造》 北大核心 2024年第10期97-104,共8页

针对基于迁移学习的故障诊断方法无法充分利用目标域数据,并且要求运行条件平稳,提出了一种基于融合知识迁移网络的变工况轴承故障模式识别方法。将输入瞬时转速作为工况信息输入到稀疏自动编码器中,从而充分利用目标域信息,使操作信息... 针对基于迁移学习的故障诊断方法无法充分利用目标域数据,并且要求运行条件平稳,提出了一种基于融合知识迁移网络的变工况轴承故障模式识别方法。将输入瞬时转速作为工况信息输入到稀疏自动编码器中,从而充分利用目标域信息,使操作信息不必只利用局部振动数据集,而可以将整个操作信息纳入模型进行训练,并且通过模型训练大大降低了学习过程中负迁移的风险。然后利用深度卷积神经网络从原始振动中提取特征,通过两种知识迁移模型的结合,建立了融合知识迁移模型。最后,在滚动轴承实验测试台上的实验结果验证了该方法能够在变工况条件下实现有效的故障识别。 展开更多

关键词 滚动轴承 迁移学习 故障模式识别 稀疏自动编码器

在线阅读 下载PDF 职称材料

基于谐波小波包和BP神经网络的滚动轴承声发射故障模式识别技术 被引量：63

2

作者 赵元喜 胥永刚 +1 位作者 高立新 崔玲丽 《振动与冲击》 EI CSCD 北大核心 2010年第10期162-165,共4页

由于滚动轴承声发射信号在各频段的能量分布与轴承的故障类型相关,可以利用谐波小波包将不同故障滚动轴承的声发射信号分解到不同频段,进而将各频段的能量组成特征向量输入BP神经网络,通过神经网络判别滚动轴承的故障类型。利用神经网... 由于滚动轴承声发射信号在各频段的能量分布与轴承的故障类型相关,可以利用谐波小波包将不同故障滚动轴承的声发射信号分解到不同频段,进而将各频段的能量组成特征向量输入BP神经网络,通过神经网络判别滚动轴承的故障类型。利用神经网络对滚动轴承进行故障识别时,对谐波小波包和Daubechies小波包进行了比较。实验结果表明对于滚动轴承声发射信号的故障模式识别,将谐波小波包分解和BP神经网络相结合的方法可以获得良好的效果。 展开更多

关键词 滚动轴承 声发射 谐波小波包 神经网络 故障模式识别

在线阅读 下载PDF 职称材料

基于SVM增量学习算法的煤矿高压断路器故障模式识别方法 被引量：11

3

作者 耿蒲龙 宋建成 +3 位作者 赵钰 高云广 郑丽君 呼守信 《煤炭学报》 EI CAS CSCD 北大核心 2017年第8期2198-2204,共7页

高压断路器故障模式的准确识别是矿井电网智能化发展过程中的重要支撑环节。针对高压断路器故障数据不易获取且故障样本较少的问题,提出了一种支持向量机与增量学习算法相结合的故障识别方法,确定了以断路器控制回路电流信号、电压信号... 高压断路器故障模式的准确识别是矿井电网智能化发展过程中的重要支撑环节。针对高压断路器故障数据不易获取且故障样本较少的问题,提出了一种支持向量机与增量学习算法相结合的故障识别方法,确定了以断路器控制回路电流信号、电压信号以及分合闸振动信号为状态监测量,模拟了弹簧松动、铁芯卡涩、供电异常与线圈老化4种常见故障,提取了故障特征量并建立了故障数据样本与增量学习数据样本,采用支持向量机增量学习算法训练得到了故障识别模型,并利用新增数据样本对其进行了验证。结果表明:支持向量机增量学习算法可准确识别上述4种常见故障,并可以通过对新增样本的不断学习进一步提高识别精度。 展开更多

关键词 高压断路器 特征提取 故障模式识别 支持向量机 增量学习算法

在线阅读 下载PDF 职称材料

基于数学形态学分段分形维数的电机滚动轴承故障模式识别 被引量：14

4

作者 王冰 李洪儒 许葆华 《振动与冲击》 EI CSCD 北大核心 2013年第19期28-31,92,共5页

电机轴承是旋转机械中应用最广且最易损坏的机械零件之一,分形维数可以有效地描述滚动轴承振动信号的复杂性和不规则性。基于数学形态学的分形维数具有计算速度快,估计准确的特点,可以正确地区分滚动轴承系统的状态和判断轴承系统的故... 电机轴承是旋转机械中应用最广且最易损坏的机械零件之一,分形维数可以有效地描述滚动轴承振动信号的复杂性和不规则性。基于数学形态学的分形维数具有计算速度快,估计准确的特点,可以正确地区分滚动轴承系统的状态和判断轴承系统的故障行为。阐述了基于数学形态学的分形维数计算方法,针对扁平结构元素长度的选取缺乏指导性的问题,提出一种基于数学形态学的分段分形维数计算方法,运用该方法对电机轴承实测信号进行分析,结果表明,该方法在一定程度上提高了分形维数计算的科学性和精确性,在电机轴承故障模式识别领域是行之有效的。 展开更多

关键词 分段分形维数 数学形态学 电机轴承 故障模式识别

在线阅读 下载PDF 职称材料

滚动轴承故障模式识别方法现状分析 被引量：9

5

作者 夏均忠 苏涛 +2 位作者 安相璧 冷永刚 张阳 《噪声与振动控制》 CSCD 2013年第4期185-189,共5页

在提取滚动轴承故障特征后,如何设计合理的分类器对滚动轴承进行故障模式识别是故障诊断的关键步骤。分别介绍了粗糙集模式识别中的变精度粗糙集、统计模式识别中的最小二乘支持向量机、模糊模式识别中的模糊C均值聚类算法。分析各种方... 在提取滚动轴承故障特征后,如何设计合理的分类器对滚动轴承进行故障模式识别是故障诊断的关键步骤。分别介绍了粗糙集模式识别中的变精度粗糙集、统计模式识别中的最小二乘支持向量机、模糊模式识别中的模糊C均值聚类算法。分析各种方法的基本原理、应用和特点。研究发现,多种故障模式识别方法的融合运用是今后研究的重点方向。 展开更多

关键词 振动与波 滚动轴承 故障模式识别 变精度粗糙集 最小二乘支持向量机 模糊C均值聚类

在线阅读 下载PDF 职称材料

电动汽车PMSM退磁故障诊断及故障模式识别 被引量：21

6

作者 李红梅 陈涛 《电工技术学报》 EI CSCD 北大核心 2017年第5期1-8,共8页

电动汽车永磁同步电动机(PMSM)驱动系统受其功率密度、控制方式以及运行环境的影响,易出现永磁体局部退磁或均匀退磁故障,为了实现电动汽车PMSM驱动系统的安全可靠运行,PMSM退磁故障诊断与故障模式识别已成为亟需解决的关键技术问题之... 电动汽车永磁同步电动机(PMSM)驱动系统受其功率密度、控制方式以及运行环境的影响,易出现永磁体局部退磁或均匀退磁故障,为了实现电动汽车PMSM驱动系统的安全可靠运行,PMSM退磁故障诊断与故障模式识别已成为亟需解决的关键技术问题之一。首先提出采用代数辨识法实现永磁体磁链的在线辨识,将辨识结果作为退磁故障定性诊断的依据;在此基础上,采用基于希尔伯特黄变换的定子电流瞬时频率分析方法,实现车用工况下局部退磁故障非平稳特征信号的有效提取。最后,通过系统仿真研究和实验研究证实建议的永磁体退磁故障诊断及故障模式识别的一体化解决方案能够在测量噪声和车用工况约束下,通过永磁体磁链的在线准确辨识及局部退磁非平稳微弱故障特征信号的有效提取,实现永磁体退磁故障的在线准确诊断及故障模式的有效识别。 展开更多

关键词 电动汽车 永磁同步电动机驱动系统 代数辨识法 希尔伯特黄变换 退磁故障诊断 故障模式识别

在线阅读 下载PDF 职称材料

基于小波神经网络的电力电子电路故障模式识别 被引量：7

7

作者 李微 谭阳红 彭永进 《继电器》 CSCD 北大核心 2005年第14期82-86,共5页

提出了基于两种不同小波神经网络的电力电子电路故障模式识别方法。针对电力电子电路故障,构造了激活函数型和权值型两种不同的三层小波神经网络,给出了相应的数学模型和学习算法。以三相整流桥电路为例,建立了小波神经网络的输出与故... 提出了基于两种不同小波神经网络的电力电子电路故障模式识别方法。针对电力电子电路故障,构造了激活函数型和权值型两种不同的三层小波神经网络,给出了相应的数学模型和学习算法。以三相整流桥电路为例,建立了小波神经网络的输出与故障元之间的对应关系,实现了电路故障的模式识别,并与用普通BP网络识别的结果进行了比较。仿真结果验证了两种故障识别方法的正确性和较好的准确性。 展开更多

关键词 小波 神经网络 故障模式识别 电力电子电路

在线阅读 下载PDF 职称材料

基于模型的飞行器电源故障诊断与故障模式识别 被引量：5

8

作者 代树武 孙辉先 《振动与冲击》 EI CSCD 北大核心 2005年第3期55-58,i006,共5页

设计了基于模型的电源故障诊断原型。它由电源各器件的正常工作模型,故障模型,冲突求解模块,HS树生成和修剪模块,故障信息报告和故障模式识别模块等组成。利用电源系统正常工作模型,实现了故障定位隔离功能。论证了仅仅使用正常工作器... 设计了基于模型的电源故障诊断原型。它由电源各器件的正常工作模型,故障模型,冲突求解模块,HS树生成和修剪模块,故障信息报告和故障模式识别模块等组成。利用电源系统正常工作模型,实现了故障定位隔离功能。论证了仅仅使用正常工作器件就可以推理出诊断解中各个故障器件的参数值,将这些参数和故障模型相比较,能够识别故障模式。诊断结果表明本文能有效地进行故障定位并能识别故障模式。 展开更多

关键词 故障诊断 基于模型 故障模式识别 飞行器 工作模型 故障模型 故障定位 冲突求解 识别模块 故障信息 电源系统 器件 参数值

在线阅读 下载PDF 职称材料

基于LPP与VPMCD的液压泵故障模式识别 被引量：2

9

作者 王余奎 李洪儒 许葆华 《中国机械工程》 EI CAS CSCD 北大核心 2015年第24期3327-3335,共9页

针对液压泵振动信号复杂且难以提取有效特征量的问题,提出一种基于局部保留投影(LPP)算法的故障特征提取方法。采用集总经验模态分解(EEMD)法对液压泵振动信号进行分解,从得到的内禀模态分量(IMF)中选取敏感分量,对敏感分量进行分析并... 针对液压泵振动信号复杂且难以提取有效特征量的问题,提出一种基于局部保留投影(LPP)算法的故障特征提取方法。采用集总经验模态分解(EEMD)法对液压泵振动信号进行分解,从得到的内禀模态分量(IMF)中选取敏感分量,对敏感分量进行分析并从中提取液压泵故障高维特征向量,利用局部保留投影法对高维特征向量进行融合降维,提取隐藏在高维特征空间中的故障本质信息,即敏感特征向量。基于变量预测模型的模式识别(VPMCD)算法实现模式识别的良好性能,提出采用VPMCD算法实现液压泵故障模式识别。基于提取的敏感特征集,建立各状态敏感特征的变量预测模型,进而实现液压泵的故障识别,实测液压泵振动信号分析结果验证了所提出液压泵故障模式识别方法的有效性。通过对比分析验证了所提出方法的良好性能。 展开更多

关键词 液压泵 故障模式识别 局部保留投影法 基于变量预测模型的模式识别

在线阅读 下载PDF 职称材料

基于小波包和神经网络的行星齿轮箱故障模式识别技术 被引量：7

10

作者 罗佳 黄晋英 《火力与指挥控制》 CSCD 北大核心 2020年第4期178-182,共5页

行星齿轮箱振动信号在各频段的能量分布与其故障类型有关。利用Daubecics小波包将不同故障的振动信号分解到各个频带。BP神经网络的输入是各频带的能量——行星齿轮故障的特征向量,用神经网络识别故障类型。通过实验验证了该方法可以快... 行星齿轮箱振动信号在各频段的能量分布与其故障类型有关。利用Daubecics小波包将不同故障的振动信号分解到各个频带。BP神经网络的输入是各频带的能量——行星齿轮故障的特征向量,用神经网络识别故障类型。通过实验验证了该方法可以快速、准确地进行故障模式识别,达到良好的预期效果。利用此方法可以有效解决武装直升机武器系统复杂故障现象问题。 展开更多

关键词 行星齿轮箱 振动信号 Daubechies小波包 BP神经网络 故障模式识别

在线阅读 下载PDF 职称材料

Ⅰ、Ⅱ类单点故障模式识别与质量管控浅析 被引量：1

11

作者 任京涛 张鹭 +2 位作者 司群英 范稀木 徐珊珊 《导弹与航天运载技术》 CSCD 北大核心 2022年第2期153-156,共4页

通过分析比较各级各类与Ⅰ、Ⅱ类单点故障模式有关的质量管控文件要求,在各型号开展Ⅰ、Ⅱ类单点故障模式识别及质量控制工作的基础上,对Ⅰ、Ⅱ类单点故障模式的识别方法现状进行了分析,提出了基于FMEA和FTA识别型号的Ⅰ、Ⅱ类单点故障... 通过分析比较各级各类与Ⅰ、Ⅱ类单点故障模式有关的质量管控文件要求,在各型号开展Ⅰ、Ⅱ类单点故障模式识别及质量控制工作的基础上,对Ⅰ、Ⅱ类单点故障模式的识别方法现状进行了分析,提出了基于FMEA和FTA识别型号的Ⅰ、Ⅱ类单点故障模式;同时从关键特性分析与控制、强制检验点设置与控制及“不可检、不可测”产品识别与控制3类方法对Ⅰ、Ⅱ类单点故障模式的质量控制方法进行了总结,并提出了适应性改进,使不同级要求合并,形成最大包络要求,然后保证同一要求在不同型号开展过程中理解到位、思想统一等。 展开更多

关键词 故障模式识别 质量控制 改进 运载火箭

在线阅读 下载PDF 职称材料

一类滚动轴承振动信号特征提取与模式识别 被引量：14

12

作者 何俊 杨世锡 甘春标 《振动．测试与诊断》 EI CSCD 北大核心 2017年第6期1181-1186,共6页

复杂工况下滚动轴承振动信号通常表现出强烈的非平稳性,而一些典型的故障特征往往容易被其他成分所掩盖,这为故障特征提取带来了很大的困难。针对这一问题,首先,提出一种基于同步压缩小波变换的滚动轴承信号特征提取方法,对多种工况下... 复杂工况下滚动轴承振动信号通常表现出强烈的非平稳性,而一些典型的故障特征往往容易被其他成分所掩盖,这为故障特征提取带来了很大的困难。针对这一问题,首先,提出一种基于同步压缩小波变换的滚动轴承信号特征提取方法,对多种工况下的滚动轴承振动信号进行分析,提取出能够有效反映滚动轴承工况的信号特征空间;其次,采用非负矩阵分解对信号特征空间进行精简和优化,提炼出用于滚动轴承故障诊断和模式识别的特征参数;最后,采用支持向量机对多种工况的滚动轴承振动信号进行分类。研究结果表明,与传统的时域特征参数提取方法相比,所提出的方法具有更高的分类准确率。 展开更多

关键词 同步压缩小波变换 非负矩阵分解 滚动轴承 特征提取 故障模式识别

在线阅读 下载PDF 职称材料

INS/ADS/GPS组合导航高灵敏度故障检测和识别方法 被引量：9

13

作者 李振威 程咏梅 +2 位作者 刘刚 徐铭 冯鑫涛 《中国惯性技术学报》 EI CSCD 北大核心 2020年第5期694-700,共7页

针对卡方检测无法精准定位到故障变量的具体维数以及对缓变故障检测灵敏度低的问题,提出INS/ADS/GPS组合导航高灵敏度故障检测和识别方法。引入序贯滤波的思想,建立了INS/ADS和INS/GPS两种序贯故障检测模型,可将故障定位到导航子系统的... 针对卡方检测无法精准定位到故障变量的具体维数以及对缓变故障检测灵敏度低的问题,提出INS/ADS/GPS组合导航高灵敏度故障检测和识别方法。引入序贯滤波的思想,建立了INS/ADS和INS/GPS两种序贯故障检测模型,可将故障定位到导航子系统的具体维数;提出了渐消记忆序贯概率比检测(F-SPRT)算法,解决了缓变故障检测灵敏度低的问题;将序贯故障检测方法与F-SPRT算法结合,建立了高灵敏度故障检测和识别架构。仿真结果表明:在满足虚警率0.1%的条件下,与传统SPRT方法相比,提出的算法对缓变故障检测的灵敏度约提高了2倍,并可有效实现故障的识别。 展开更多

关键词 序贯卡方检测 缓变故障检测 高灵敏度 故障模式识别

在线阅读 下载PDF 职称材料

面向多故障模式的多尺度相似性集成寿命预测 被引量：4

14

作者 舒俊清 许昱晖 +2 位作者 夏唐斌 潘尔顺 奚立峰 《上海交通大学学报》 EI CAS CSCD 北大核心 2022年第5期564-575,共12页

针对传统相似性方法忽略设备故障模式、退化速度以及监测数据长度间差异性的问题,提出多故障模式下多尺度相似性集成(MFM-MSEN)方法,以提高寿命预测精度并表征预测不确定性.通过训练故障分类模型,设计时序加权预测策略,识别设备故障模式... 针对传统相似性方法忽略设备故障模式、退化速度以及监测数据长度间差异性的问题,提出多故障模式下多尺度相似性集成(MFM-MSEN)方法,以提高寿命预测精度并表征预测不确定性.通过训练故障分类模型,设计时序加权预测策略,识别设备故障模式,实现训练与测试设备间的分类匹配并降低匹配复杂度.在此基础上提出多尺度集成策略,可克服单尺度方法的数据利用率限制,并增强预测泛化性能,在多个尺度上匹配健康指标间的相似性,进一步采用核密度估计集成多尺度预测结果,以高精度拟合剩余寿命概率分布.实验结果证明,MFM-MSEN方法具有应对设备退化差异的优越性. 展开更多

关键词 剩余使用寿命 故障模式识别 多尺度集成策略 核密度估计 相似性方法

在线阅读 下载PDF 职称材料

基于MBD与Petri网融合的配电网故障定位方法 被引量：6

15

作者 陈婷 朱文强 《广东电力》 2019年第7期52-59,共8页

针对目前基于模型诊断(model-based diagnosis,MBD)的配电网故障诊断方法中溯因推理建模复杂、效率低的问题,提出一种将MBD一致性推理与Petri网有机融合在一起的配电网故障定位方法。首先利用MBD的一致性推理出配电网故障诊断方案;继而... 针对目前基于模型诊断(model-based diagnosis,MBD)的配电网故障诊断方法中溯因推理建模复杂、效率低的问题,提出一种将MBD一致性推理与Petri网有机融合在一起的配电网故障定位方法。首先利用MBD的一致性推理出配电网故障诊断方案;继而通过抽象系统元件,建立相应的解析冗余关系,并采用智能算法计算最小碰集,诊断出故障元件;再根据配电网在不同故障类型下的故障状态信息及Petri网矩阵理论建立故障模式识别模型,进而诊断出故障类型。最后,通过对某10kV配电网子网进行仿真分析,结果表明所提方法不仅能准确地诊断出故障元件,也能确定出故障类型,从而验证了该方法的有效性与可行性。 展开更多

关键词 配电网 PETRI网 模型诊断 故障状态 故障模式识别

在线阅读 下载PDF 职称材料

改进的神经网络和灰色理论在故障诊断中的应用 被引量：1

16

作者 潘宏侠 孟浩东 黄晋英 《火炮发射与控制学报》 北大核心 2005年第2期48-51,共4页

在分析神经网络和灰色关联度诊断方法的基础上,研究并提出了改进的 BP 神经网络和 ABO 灰色关联度诊断法。应用小波分析法对齿轮箱振动信号进行小波消噪,提取了信号的时频域特征参数。讨论了特征参数的无量纲化处理方法,并结合 ABO 灰... 在分析神经网络和灰色关联度诊断方法的基础上,研究并提出了改进的 BP 神经网络和 ABO 灰色关联度诊断法。应用小波分析法对齿轮箱振动信号进行小波消噪,提取了信号的时频域特征参数。讨论了特征参数的无量纲化处理方法,并结合 ABO 灰色关联度诊断法简单易于实现和 BP 神经网络法诊断精度较高的特点,完成了齿轮箱的故障模式识别和诊断决策。 展开更多

关键词 故障诊断 灰色理论 应用 灰色关联度 BP神经网络法 故障模式识别 特征参数 小波分析法 诊断方法 小波消噪 振动信号 处理方法 无量纲化 诊断决策 诊断法 齿轮箱 时频域

在线阅读 下载PDF 职称材料

基于小波包特征提取和模糊熵特征选择的柴油机故障分析 被引量：36

17

作者 蒋佳炜 胡以怀 +1 位作者 柯赟 陈彦臻 《振动与冲击》 EI CSCD 北大核心 2020年第4期273-277,298,共6页

船舶动力设备因故障监测信号样本少、变化缓慢、数据特征呈非线性,使得设备故障模式的准确识别和状态预测比较难。尤其是柴油机振动信号的故障诊断,由于柴油机振动信号噪声多,诊断信号难以进行特征选择的问题,提出了基于小波包能量谱特... 船舶动力设备因故障监测信号样本少、变化缓慢、数据特征呈非线性,使得设备故障模式的准确识别和状态预测比较难。尤其是柴油机振动信号的故障诊断,由于柴油机振动信号噪声多,诊断信号难以进行特征选择的问题,提出了基于小波包能量谱特征提取和模糊熵特征择的柴油机故障诊断方法。利用模糊熵对小波包能量谱提取出的特征集进行特征选择,将选择后的特征参数输入LS-SVM进行故障模式识别。试验结果表明,该方法可以提高故障识别准确率。在该试验中,故障识别准确率达到了99.36%,相比于未进行特征选择的特征集,识别准确率提高了0.72%。 展开更多

关键词 小波包分析 模糊熵 特征选择 支持向量机 柴油机故障诊断 故障模式识别

在线阅读 下载PDF 职称材料

基于遗传算法优化支持向量机的船用柴油机气门漏气故障智能诊断方法 被引量：13

18

作者 蔡一杰 陈俊杰 +2 位作者 王君 张云东 杨建国 《内燃机工程》 CAS CSCD 北大核心 2022年第2期71-76,84,共7页

针对船用柴油机气阀漏气故障的问题,提出一种结合遗传算法(genetic algorithm,GA)与支持向量机(support vector machine,SVM)的船舶柴油机气阀漏气振动诊断方法,称之为遗传算法优化支持向量机(GA-SVM)。通过分析静态与动态工况下的缸盖... 针对船用柴油机气阀漏气故障的问题,提出一种结合遗传算法(genetic algorithm,GA)与支持向量机(support vector machine,SVM)的船舶柴油机气阀漏气振动诊断方法,称之为遗传算法优化支持向量机(GA-SVM)。通过分析静态与动态工况下的缸盖振动信号,提取训练SVM特征参数,利用GA-SVM的惩罚因子与核函数参数对故障进行识别。试验结果表明,GA-SVM方法完善了SVM参数选取方法,可有效识别柴油机气门漏气故障。优化后的整体故障诊断准确率为99.333%,相比于未优化前的测试集,故障诊断正确率提高了约2%。 展开更多

关键词 柴油机 故障诊断 气门漏气 遗传算法 支持向量机 故障模式识别

在线阅读 下载PDF 职称材料

嵌入式存储器动态故障诊断数据压缩设计 被引量：13

19

作者 陈佳楠 马永涛 +1 位作者 李松 刘丰 《电子测量与仪器学报》 CSCD 北大核心 2020年第7期203-209,共7页

在微纳米级工艺中,嵌入式存储器出现开路故障的概率增高,从而带来动态故障。当静态故障与动态故障同时存在时,传统的暂停导出内建自测试设计虽然可以将故障诊断数据正确输出,但存在诊断数据冗余的问题。因此,提出一种动态故障诊断数据... 在微纳米级工艺中,嵌入式存储器出现开路故障的概率增高,从而带来动态故障。当静态故障与动态故障同时存在时,传统的暂停导出内建自测试设计虽然可以将故障诊断数据正确输出,但存在诊断数据冗余的问题。因此,提出一种动态故障诊断数据压缩的内建自测试设计。在不影响诊断数据完好性的前提下,识别故障模式为行故障、列故障与单元故障,并对其诊断数据进行压缩解决诊断数据冗余的问题。仿真结果表明,该设计能够正确压缩动态故障诊断数据,大幅度提高输出效率,减少输出时间,并且面积开销较小。在8 K×16的存储器的面积开销为3.16%,20%行列故障与5%动态故障下诊断数据压缩比为3.96%。 展开更多

关键词 存储器内建自测试 步进算法 诊断数据压缩 故障模式识别 动态故障

在线阅读 下载PDF 职称材料

基于旋转森林法的滚动轴承故障诊断

20

作者 徐坤 王贵 +1 位作者 尹希珂 邢宗义 《广西大学学报（自然科学版）》 CAS 北大核心 2017年第3期970-978,共9页

为了寻找一种高精度、可测试样本大的滚动轴承故障诊断方法,提出了基于旋转森林法的滚动轴承故障诊断方法。设计基于SSA(奇异谱分析)和AR(自回归)模型的特征提取算法以及基于RF(旋转森林)算法的故障模式识别算法,并采用美国西储大学滚... 为了寻找一种高精度、可测试样本大的滚动轴承故障诊断方法,提出了基于旋转森林法的滚动轴承故障诊断方法。设计基于SSA(奇异谱分析)和AR(自回归)模型的特征提取算法以及基于RF(旋转森林)算法的故障模式识别算法,并采用美国西储大学滚动轴承实验台的振动数据进行实验验证。实验结果表明:(1)AR模型的NMSE(归一化后的平均绝对误差)达99.45%,说明通过线性自回归模型拟合原始信号拟合的效果很好,确保了结果的可信性;(2)在训练和测试样本总数为232个基础上,分析了训练样本数和基分类器数对分类精度的影响,得出采用3个基分类器、少量训练样本在不同转速条件下即可达到较高的精度,验证了旋转森林算法的有效性。经最终实验表明,在训练集720和测试集2 296条件下,可识别故障类型数达40个,平均测试精度达98.5%~100%,相对同类方法在精度上有所提高,并且测试样本大,可应用于城轨列车滚动轴承的故障诊断中,为车辆的日常检修提供参考。 展开更多

关键词 滚动轴承 故障诊断 自回归模型 旋转森林 故障模式识别

在线阅读 下载PDF 职称材料