吉林省教育厅资助项目(2007047)
- 作品数：4 被引量：30H指数：4
- 相关作者：周云龙赵鹏孙斌王锁斌更多>>
- 相关机构：东北电力大学华北电力大学更多>>
- 发文基金：吉林省教育厅资助项目更多>>
- 相关领域：机械工程自动化与计算机技术更多>>
- 基于改进k-均值聚类算法的风机振动分析被引量：4
- 2012年
- 针对风机振动信号的非平稳和非线性特征,提出了一种基于时域信号分析和改进的k-均值聚类算法的故障识别方法。对离心式风机运行中产生的几种非稳态振动故障信号,提取其时域信号的峰峰值、Hurst指数和近似熵参数作为特征向量,采用改进的k-均值聚类算法作为故障分类器,设置转子不平衡、联轴器不对中、风机基座松动、转轴径向摩擦和轴承内圈损坏5种故障。对离心式风机试验的结果表明,3种时域特征能较好地反映各故障之间的差异,改进的k-均值聚类算法与原始的k-均值算法相比分类性能更好,稳定性更强,平均识别率达到88.67%。
- 周云龙王锁斌赵鹏
- 关键词：故障诊断离心式风机
- 递归定量分析在离心泵故障诊断中的运用被引量：13
- 2010年
- 为了准确诊断离心泵的振动故障,针对振动信号的非平稳特征,提出了一种基于递归定量分析的离心泵振动故障诊断方法。采用递归定量分析(recurrence quantification analysis,简称RQA)方法提取离心泵振动信号的非线性特征参数,由这些特征参数构成特征向量,并以此作为改进Elman神经网络的输入,对神经网络进行训练,建立了离心泵运行状态分类器,用以诊断离心泵的不同状态。试验结果表明,递归定量分析与Elman神经网络相结合的方法可以准确诊断离心泵的振动故障。
- 赵鹏周云龙孙斌
- 关键词：离心泵故障诊断神经网络
- 基于经验模式分解复杂度特征和最小二乘支持向量机的离心泵振动故障诊断被引量：8
- 2009年
- 针对离心泵振动信号的非平稳特征,提出一种基于经验模式分解(empirical mode decomposition,EMD)复杂度特征和最小二乘支持向量机的离心泵振动故障诊断方法。首先对振动信号进行经验模式分解,将其分解为若干个固有模态函数(intrinsic mode function,IMF),然后对每一个IMF分量提取复杂度特征作为故障特征向量,并以此作为输入参数建立最小二乘支持向量机分类器诊断故障。选用径向基函数(radial basis function,RBF)作为核函数,并采用差分进化算法进行参数选择。应用结果表明,EMD复杂度特征能准确诊断故障,参数优化后的模型具有更高的分类能力。
- 赵鹏周云龙孙斌
- 关键词：离心泵故障诊断经验模式分解复杂度最小二乘支持向量机差分进化
- 高斯矩Fast ICA算法在风机振动信号去噪中的应用被引量：6
- 2011年
- 设置了转子不平衡、联轴器不对中、风机基座松动、转子径向摩擦和轴承内圈磨损等5种故障,针对风机的振动问题进行了实验研究.在简要分析ICA理论及其算法的基础上,提出应用基于高斯矩的Fast ICA算法对模拟信号及实测离心式风机振动信号进行去噪处理,并分别与EMD及db8小波的滤波去噪效果进行定量比较.结果表明:Fast ICA方法与EMD方法和小波方法一样,能有效地处理短时瞬态及含宽带噪声的信号,但Fast ICA方法不受去噪阈值的影响,也不需要选择小波基函数,更具有通用性和稳定性.
- 周云龙王锁斌
- 关键词：离心式风机振动信号去噪
