-
题名基于VPMELM的滚动轴承劣化状态辨识方法
被引量：8
- 1
-
-
作者
郑近德
潘海洋
童宝宏
张良安
-
机构
安徽工业大学机械工程学院
马鞍山市安工大工业技术研究院工业机器人研究所
-
出处
《振动与冲击》
EI
CSCD
北大核心
2017年第7期57-61,共5页
-
基金
国家自然科学基金(51505002)
安徽高校自然科学研究项目资助(2015A080)
-
文摘
针对变量预测模型模式识别方法(VPMCD)仅仅包含几种简单数学模型的问题,所建立的预测模型不足以反映特征值之间的复杂关系;极限学习机(ELM)回归模型是一种复杂且被广泛应用的模型,其模型可以反映特征之间的相互关系。结合极限学习机回归模型和VPMCD方法的优点,提出了一种基于极限学习机的变量预测模型(VPMELM)模式识别方法,并将该方法应用于滚动轴承劣化状态实验中。实验表明,基于VPMELM的辨识方法可以有效地对滚动轴承的劣化状态进行识别。
-
关键词
极限学习机
变量预测模式识别方法
基于极限学习机的变量预测模型
滚动轴承
-
Keywords
extreme learning machine
variable predictive mode based class discriminate （ V P M C D ）
variable predictive mode-based extreme learning machine（ V P M E L M ）
rolling bearing
-
分类号
TH113
[机械工程—机械设计及理论]
-
-
题名基于稀疏带宽模态分解的变转速滚动轴承故障诊断
被引量：5
- 2
-
-
作者
潘海洋
郑近德
童宝宏
张良安
-
机构
安徽工业大学机械工程学院
马鞍山市安工大工业技术研究院工业机器人研究所
-
出处
《振动与冲击》
EI
CSCD
北大核心
2017年第14期92-97,共6页
-
基金
国家自然科学基金(51505002)
安徽高校自然科学研究项目资助(2015A080)
-
文摘
针对以往信号处理方法存在的缺陷,提出了一种新的非平稳信号分析方法—稀疏带宽模态分解(Sparse bandwidth mode decomposition,SBMD).该方法将信号分解转化为约束变分问题,自适应地将信号分解为若干个IMF分量之和。另外,在变转速工况下,滚动轴承故障振动信号中含丰富的状态信息,将SBMD、阶次追踪分析和包络谱相结合应用于变转速工况条件下的滚动轴承故障诊断问题。实验分析结果表明,采用SBMD阶次包络谱方法可以及时有效的诊断变转速工况下的滚动轴承故障诊断问题。
-
关键词
稀疏带宽模态分解
阶次追踪分析
包络谱
滚动轴承
故障诊断
-
Keywords
sparse bandwidth mode decomposition
order tracking analysis
envelope spectrum
roller bearing
fault diagnosis
-
分类号
TH113
[机械工程—机械设计及理论]
-
