冯长建
- 作品数:33 被引量:280H指数:10
- 供职机构:大连民族学院机电信息工程学院机械工程系更多>>
- 发文基金:国家自然科学基金中央高校基本科研业务费专项资金辽宁省自然科学基金更多>>
- 相关领域:机械工程电子电信自动化与计算机技术一般工业技术更多>>
- 利用灰色模型预测巷道的围岩变形被引量:4
- 1999年
- 毕向阳王永岩冯长建
- 关键词:巷道围岩变形
- 裂纹转子的实验研究被引量:2
- 2016年
- 研究裂纹轴在重力作用下,裂纹开闭对裂纹轴刚度变化的影响。通过测量含裂纹的转子轴在垂直方向载荷作用下的刚度变化情况,从而得到转轴跨度中央的垂直方向的挠度随转轴转角的变化规律;采用分度测量仪,得到较准确的转角与挠度的关系,为进一步探讨裂纹转子稳定性与振动相应分析打好基础。
- 邵强曾复冯长建
- 关键词:振动
- Solidworks软件在工业设计中的应用被引量:13
- 2005年
- 总结了现代工业设计的发展概况,并介绍了Solidworks三维设计软件的主要功能和特点,指出了Solidworks软件在工业设计中的应用方法,最后给出了基于Solidworks软件的减速器工业设计实例,并给出了研究结论.
- 曹桂霞冯长建
- 关键词:SOLIDWORKS
- 基于实体有限元的机械优化设计方法及其应用被引量:6
- 2005年
- 介绍了优化设计的基本原理和方法,利用著名有限元分析软件COSMOSWorks对一悬臂支架建立了实体有限元模型并进行了优化设计.实例表明采用实体有限元优化设计不仅提高了设计质量和设计效率,而且改进了产品的性能,可以获得较高的经济效益.
- 刘丽曹桂霞冯长建
- 关键词:有限元优化设计COSMOSWORKSSOLIDWORKS
- 刀具磨损监测及破损模式的识别被引量:8
- 2009年
- 对于金属切削过程中的刀具磨损,提出了基于隐马尔可夫模型的模式识别理论来识别刀具的不同磨损状态,从而预报刀具破损。该方法对切削过程中切削力信号的动态分量和刀柄振动信号进行快速傅里叶变换特征提取,然后利用自组织特征映射对提取的特征矢量进行预分类编码,把矢量编码作为观测序列引入到隐马尔可夫模型中进行机器学习,建立了3个不同磨损状态的隐马尔可夫模型,并利用最大概率进行模式识别。试验表明,该方法对车刀磨损过程进行识别和预报是有效的。
- 康晶冯长建胡红英
- 关键词:隐马尔可夫模型刀具磨损模式识别矢量量化
- SOFM和HMM在旋转机械升降速全过程故障诊断中的应用被引量:5
- 2001年
- HMM模型是一个处理非平稳时间序列的统计模型。针对旋转机械升降速过程振动的特点 ,本文提出了利用SOFM神经网络对振动信号进行矢量量化 ,并用量化后的序列训练HMM模型 ,利用该模型对旋转机械升降速过程进行故障诊断。实验证明该方法是此过程的一种有效的诊断手段。
- 冯长建丁启全吴昭同童进
- 关键词:故障诊断SOFMHMM旋转机械升降速过程
- 混合SVM-HMM方法在旋转机械启动过程故障诊断中的应用研究被引量:2
- 2008年
- 提出了旋转机械启动过程故障诊断的一种新框架—混合SVM-HMM方法。该方法把SVM的输出信息通过sigmoid函数和高斯模型转化为后验概率的形式,并把它引入到HMM模型隐状态的观测概率。根据模拟实验数据计算表明,该方法是十分有效的。
- 冯长建邵强吴斌康晶
- 关键词:HMM故障诊断转子机械
- 滚动轴承故障的振动信号诊断方法被引量:10
- 2009年
- 针对滚动轴承损伤类故障振动信号的特点,充分利用HMM、SVM在序列行为的分类和小样本方面的优势,把SVM的输出转化为HMM中观察值概率矩阵模型,建立了动态过程时间序列分类器,提高模型的学习速度和分类性;基于对包络解调信号提取AR模型参数构建的用于训练和故障识别的特征矢量,提出了一种基于SVM-HMM混合算法的滚动轴承故障诊断方法。将该方法应用到滚动轴承故障诊断中取得了较好的效果。
- 吴斌冯长建罗跃纲王敏杰
- 关键词:滚动轴承故障诊断振动
- 基于混合高斯密度HMM的轴承故障诊断技术研究
- 2011年
- 从轴承正常和故障条件下的实际机械系统中测试的振动信号入手,利用LPC系数进行特征提取,并把提取的特征矢量用于建立HMM隐状态下的高斯概率混合器模型,以便于引入到HMM的训练中,形成一个新的HMM类型-混合高斯密度HMM(GMD-HMM)。通过选取输出最高概率的HMM进行各种轴承故障类型的决策。通过异步电机系统的驱动端轴承的测试信号验证了该故障诊断方法的精确性。
- 冯长建邵强康晶
- 关键词:振动信号HMM高斯混合模型故障诊断
- 混合KPCA和SVM的机械零件形状识别方法研究被引量:5
- 2016年
- 机械零件形状识别是机械视觉领域的一项重要研究内容。通过傅里叶描绘子,抽取机械零件形状的轮廓信息,形成一系列的高维矢量集合;利用核主分量分析(KPCA)进行特征矢量降维;再利用支持向量机(SVM)对一些简单的机械零件(垫圈、螺母和螺栓)进行了分类实验。实验表明,对于不重叠且形状完整的机械零件具有非常高的识别率,为机械零件智能分拣、智能装配等任务的设计提供了重要的参考依据。
- 冯长建吴斌罗跃纲
- 关键词:核主分量分析支持向量机机械零件