-
题名后非线性马尔科夫算法应用于振动信号提取
被引量：1
- 1
-
-
作者
赵立权
蔡帮贵
-
机构
东北电力大学信息工程学院
-
出处
《科学技术与工程》
北大核心
2014年第2期127-130,共4页
-
基金
吉林省科技发展计划项目(201101110)资助
-
文摘
实际环境中通过传感器检测到的设备状态信号往往是非线性混合信号;而设备状态信号是设备故障诊断的基础,因此从混合信号中分离出设备状态信号极其重要。现有线性独立分量分析方法分离效果并不理想,对此提出将后非线性马尔科夫盲源分离算法应用于设备状态信号提取。为验证算法有效性,将直升机齿轮箱振动信号的非线性混合信号进行分离实验。实验结果表明算法能有效分离出轴承故障振动信号,为进一步提高故障诊断准确性和方便性提供了帮助。
-
关键词
非线性独立分量分析
马尔科夫
故障诊断
盲源分离
-
Keywords
nonlinear independent component analysis
Markov
fault diagnosis
blind source sepa- ration
-
分类号
TN911.7
[电子电信—通信与信息系统]
-
-
题名非线性信息融合技术在火力发电机组故障诊断中的应用
被引量：3
- 2
-
-
作者
张龙
宗成强
-
机构
贵州电力设计研究院
北京航空航天大学自动化科学与电气工程学院
-
出处
《广东电力》
2013年第5期8-14,共7页
-
基金
国家自然科学基金资助项目(50975213)
安徽省高校省级优秀青年基金资助项目(2012SQRL139)
-
文摘
火力发电机组的振动信号往往是多种振源信号的非线性混叠,由此给火力发电机组故障诊断中特征信号的提取与分析带来了强烈的干扰。针对此问题,提出了基于小波-非线性独立分量分析(independent componentanalysis,ICA)的火力发电机振动信号非线性盲分离与特征提取新方法。首先,利用小波去噪技术消除加性噪声的影响;然后,通过径向基函数(radial basis function,RBF)神经网络,并结合线性ICA算法估计去噪信号的非线性混合解混函数,实现信号的非线性盲分离,得到火力发电机振动故障的关键信号源;最后,利用小波包分解提取分离信号的统计特征并作为识别损伤状态的有效参数,应用RBF神经网络分类器对火力发电机故障类型进行智能识别。对某发电站的火力发电机实际故障振动信号进行实验分析,结果表明,所提出的非线性盲分离模型能够从含有加性噪声的非线性振动源混合观测信号中提取故障振动源,得到故障信号的可靠特征,取得较好的故障诊断效果,且故障检测精度比线性盲分离技术提高了4.4%以上。
-
关键词
火力发电机组
故障诊断
振动信号
非线性独立分量分析
径向基函数
-
Keywords
thermal power unit
fault diagnosis
vibration signal
nonlinear independent component analysis
radial basis function
-
分类号
TP206.3
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名改进的扩展互信息分离算法
- 3
-
-
作者
赵立权
蔡帮贵
-
机构
东北电力大学信息工程学院
-
出处
《电讯技术》
北大核心
2013年第4期402-407,共6页
-
基金
吉林省科技发展计划项目(201101110)~~
-
文摘
扩展互信息分离算法采用单隐层神经网络近似算法代价函数中的非线性函数,可调节的参数有限,需要多次迭代才能收敛,从而导致收敛速度较慢。针对这一问题,采用双隐层神经网络近似非线性函数,以分离结果的互信息最小化作为代价函数,采用梯度下降方法对代价函数进行优化,增加了可调节参数数量。仿真实验结果表明,改进后的算法相对原算法收敛速度更快,误差更小。
-
关键词
非线性独立分量分析
扩展互信息分离算法
多层感知机
双隐层神经网络
-
Keywords
nonlinear independent component analysis
extended mutual information separation algorithm
muhi-layer perception
double hidden layer neural network
-
分类号
TN911.7
[电子电信—通信与信息系统]
-
