孙嘉兵
- 作品数：5 被引量：20H指数：3
- 供职机构：东北电力大学自动化工程学院更多>>
- 发文基金：国家自然科学基金吉林市科技发展计划项目更多>>
- 相关领域：机械工程理学自动化与计算机技术电子电信更多>>
- 基于PSO-BP神经网络和Hilbert谱奇异值的滚动轴承故障诊断被引量：8
- 2014年
- Hilbert谱奇异值是对振动信号进行Hilbert-Huang变换得到Hilbert谱时频矩阵后,再利用奇异值分解的方法提取矩阵的特征得到的。将振动信号的谱奇异值作为故障特征,用粒子群优化BP神经网的方法来诊断故障类型,并将该方法与传统BP神经网络做比较分析,实验结果证明,该方法具有收敛速度快、准确度高的特点。
- 侯一民孙嘉兵张宇陈艳虎
- 关键词：滚动轴承奇异值分解粒子群算法BP神经网络
- 基于小波分析的振动信号去噪的研究被引量：1
- 2013年
- 旋转机械的振动信号是设备故障特征信号的载体,振动信号不可避免地受到各种噪声和干扰的污染。针对传统硬阈值和阈值小波去噪的缺点与不足,本文提出了一种新的阈值函数,仿真实验结果表明,去噪效果优于传统的软、硬阈值方法。
- 孙嘉兵张越
- 关键词：小波分析去噪仿真
- 基于Winger分布和奇异值分解的轴承故障诊断被引量：6
- 2015年
- 为了充分挖掘Winger时频谱有效信息,研究提出一种基于振动信号Winger分布和奇异值分解相结合的轴承故障诊断方法。首先运用Winger分布分析原始振动信号,然后基于奇异值分解的方法分析Winger谱矩阵,得到反映机械故障状态特征的特征序列,最后将振动信号的Winger谱奇异值作为特征向量,使用支持向量机(SVM)进行故障诊断。实验结果表明,该方法能有效的提取故障特征。
- 秦洪懋孙嘉兵孙宁
- 关键词：轴承故障振动信号奇异值分解支持向量机
- 基于小波包降噪和Hilbert谱奇异值的滚动轴承故障诊断被引量：4
- 2013年
- Hilbert谱奇异值是对振动信号进行Hilbert-Huang变换得到Hilbert谱时频矩阵后,再利用奇异值分解的方法提取矩阵的特征得到的,但对噪声比较敏感。为了消除随机噪声和局部强干扰对特征提取的影响,先利用小波包降嗓,得到振动信号的谱奇异值作为故障特征,并选用SVM来诊断故障类型。试验结果表明,该方法能有效地应用于滚动轴承故障的识别。
- 侯一民孙嘉兵张宇
- 关键词：滚动轴承奇异值分解支持向量机
- 基于Winger-SVD的轴承故障诊断方法被引量：1
- 2014年
- 提出了一种基于振动信号Winger分布和奇异值分解相结合的轴承故障诊断方法。首先将振动信号进行Winger分布分析;然后将得到的Winger谱矩阵进行奇异值分解,得到反映机械故障状态特征的特征序列;最后将振动信号的Winger谱奇异值作为特征向量,使用支持向量机进行故障诊断。
- 秦洪懋孙嘉兵孙宁
- 关键词：滚动轴承故障诊断奇异值分解支持向量机
