期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于ALIF和ISOMAP的机械设备故障识别方法研究 被引量:11
1
作者 陈向俊 傅军平 +4 位作者 于晓 陈栋栋 李黎苹 胡炳涛 冯毅雄 《机床与液压》 北大核心 2023年第5期196-201,共6页
滚动轴承作为机械设备的重要部件,对机械设备的稳定运行起着重要的作用。滚动轴承的故障信号往往是多种信号的叠加,有必要对采集到的振动信号进行模式分解,进而基于模式识别方法实现对滚动轴承不同故障模式的分类识别。提出一种基于自... 滚动轴承作为机械设备的重要部件,对机械设备的稳定运行起着重要的作用。滚动轴承的故障信号往往是多种信号的叠加,有必要对采集到的振动信号进行模式分解,进而基于模式识别方法实现对滚动轴承不同故障模式的分类识别。提出一种基于自适应局部迭代滤波(ALIF)和等距特征映射(ISOMAP)的机械设备故障分类识别方法。利用ALIF对滚动轴承的故障信号进行模式分解;对选定的模式分量提取多个统计学特征;最后利用ISOMAP对高维特征信号进行降维处理,实现对滚动轴承不同故障模式的分类识别。研究结果表明:所提方法在滚动轴承故障识别上具有良好的效果。 展开更多
关键词 滚动轴承 自适应局部迭代滤波 等距特征映射 降维 故障识别
在线阅读 下载PDF
基于Fast R-CNN和DeepLabV3+的变电站仪表盘示数自动识别方法 被引量:3
2
作者 王飞 陈向俊 《工程设计学报》 CSCD 北大核心 2024年第6期750-756,共7页
随着新型能源系统的不断发展,变电站的自动化水平对于电网稳定运行和仪表设备维护具有至关重要的影响。准确获取仪表盘示数是实现变电站自动化的关键环节之一,这对变电站仪表设备的状态监测和故障诊断具有重要意义。然而,由于仪表盘示... 随着新型能源系统的不断发展,变电站的自动化水平对于电网稳定运行和仪表设备维护具有至关重要的影响。准确获取仪表盘示数是实现变电站自动化的关键环节之一,这对变电站仪表设备的状态监测和故障诊断具有重要意义。然而,由于仪表盘示数复杂多变以及多种环境因素(如光线、角度等)的影响,实现仪表盘示数的自动识别具有较大挑战性。为了解决这一问题,提出了一种基于Fast R-CNN (regional convolutional neural network,区域卷积神经网络)和DeepLabV3+的变电站仪表盘示数自动识别方法。首先,对基于Fast R-CNN的目标检测技术进行了理论分析,并利用变电站仪表盘数据集详细阐述了其训练过程。然后,设计了基于DeepLabV3+的仪表盘语义分割模型以及示数计算方法。最后,开展变电站仪表盘示数自动识别实验,验证了所提出方法的有效性和准确性。实验结果表明,该方法可实现对变电站仪表盘示数的高效、准确识别,且具有很好的鲁棒性。基于Fast R-CNN和DeepLabV3+的仪表盘示数自动识别方法能够提高变电站的工作效率、安全性和降低运维成本,可进一步推动电力系统的智能化进程。 展开更多
关键词 仪表设备 目标检测 示数识别 Fast R-CNN DeepLabV3+
在线阅读 下载PDF
考虑不确定性的电梯轿厢水平振动分析与响应分解
3
作者 张才 陈向俊 +3 位作者 沈志斌 金樟民 方学宠 胡炳涛 《机械设计》 CSCD 北大核心 2024年第11期161-167,共7页
针对电梯轿厢系统受到的许多不确定因素的影响,如参数的结构不确定性和激励的随机性等,文中采取了一种创新的分析框架,该框架结合了随机性在系统参数及外部激励下的振动表现,实现了对系统振动性能的全面解析。通过运用先进的数学模型和... 针对电梯轿厢系统受到的许多不确定因素的影响,如参数的结构不确定性和激励的随机性等,文中采取了一种创新的分析框架,该框架结合了随机性在系统参数及外部激励下的振动表现,实现了对系统振动性能的全面解析。通过运用先进的数学模型和计算技术,不仅对电梯轿厢系统在不同工况下的振动响应进行了详细拆解,还精确计算了系统对关键参数变化的敏感度,进而揭示了这些参数变化对系统整体振动行为的影响。该研究旨在通过深度分析轿厢振动响应及其灵敏度,为理解和优化高速电梯轿厢系统的振动性能提供新的视角和方法论。 展开更多
关键词 电梯轿厢 水平振动 响应分解 不确定性 数字特征计算
在线阅读 下载PDF
基于极端梯度提升回归模型的电梯钢丝绳磨损预测方法 被引量:10
4
作者 陈向俊 傅军平 +3 位作者 陈栋栋 李科 李黎苹 吕林锋 《机电工程》 CAS 北大核心 2022年第4期554-560,共7页
目前对电梯钢丝绳磨损量预测的研究还存在不足,针对这一问题,采用基于极端梯度提升(XGBoost)算法的机器学习方法,对电梯钢丝绳磨损率的预测进行了理论分析、数据采集和实验测试研究。首先,在目标损失函数中增加了额外的正则化项,并使用... 目前对电梯钢丝绳磨损量预测的研究还存在不足,针对这一问题,采用基于极端梯度提升(XGBoost)算法的机器学习方法,对电梯钢丝绳磨损率的预测进行了理论分析、数据采集和实验测试研究。首先,在目标损失函数中增加了额外的正则化项,并使用了贝叶斯超参数优化,提出了优化后的算法BO-XGBoost;然后,用自制的电梯钢丝绳疲劳试验机对曳引轮直径、载荷力、频率和包角这4个因素进行了试验,得到了用于预测钢丝绳磨损率的数据;最后,用BO-XGBoost算法对钢丝绳磨损率进行了预测分析,同时与多元线性回归(MLR)、随机森林(RF)以及支持向量机(SVM)等机器学习算法进行了比较。研究结果表明:BO-XGBoost算法的建模效果和回归效果最好,其泛化能力也最高,能适应不同工况的实验,在预测钢丝绳磨损率方面优于其他几个模型,预测值与试验值达到了99.1%的准确率,证明了该方法的有效性。 展开更多
关键词 电梯 钢丝绳 磨损预测 极端梯度提升 回归模型
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部