李林峰
- 作品数：4 被引量：21H指数：2
- 供职机构：中国计量学院计量测试工程学院更多>>
- 发文基金：浙江省公益性技术应用研究计划项目质检公益性行业科研专项项目国家自然科学基金更多>>
- 相关领域：机械工程一般工业技术自动化与计算机技术更多>>
- 优化HHT端点效应的新方法被引量：5
- 2016年
- 在旋转机械的故障诊断中，希尔伯特-黄变换（HHT）方法常用于提取故障特征信号以及分解结果的时频分析，然而，在HHT中会出现端点效应问题，且导致模态混叠和虚假本征模态函数（IMF）等一系列问题。针对这一问题，提出了利用广义回归神经网络（GRNN）和边界局部特征尺度延拓（BLCC）相结合的方法先对信号延拓，再进行经验模式分解（EMD）。通过仿真与故障实验，在时域、频域和希尔伯特-黄谱的相关参数的情况下，对比镜像延拓优化的HHT分解结果，验证了所提方法的有效性。实验结果表明：所述方法能够有效地抑制HHT中的端点效应，且减轻了模态混叠和虚假IMF分量，同时能准确地表现信号的真实结构成分。
- 赵军李林峰郭天太王道档孔明
- 关键词：计量学旋转机械希尔伯特-黄变换端点效应广义回归神经网络
- 基于虚拟仪器和神经网络的轴承故障检测系统被引量：1
- 2014年
- 运用神经网络技术,设计开发了一种基于虚拟仪器平台的轴承故障检测系统。在LabVIEW软件平台上,分别对轴承正常和待检测状态信号进行时域分析并提取其特征值,创建神经网络的训练样本和被测样本,并代入MATLAB节点中的神经网络进行故障诊断。试验结果表明,该系统能正确、快速地判断出被测的轴承是否正常,识别率达100%,当被测轴承诊断出故障时,系统还可发出报警提示。
- 宋玉倩赵军郭天太孔明李林峰
- 关键词：故障检测特征值提取神经网络虚拟仪器
- 基于EEMD、模糊熵和SVM的齿轮故障诊断方法被引量：13
- 2014年
- 齿轮故障信号具有不平稳特性,故障信号特征向量难提取,典型的齿轮故障数据样本少。针对这些问题,提出基于总体平均经验模式分解(EEMD)、模糊熵和支持向量机(SVM)相结合的诊断方法。首先通过传感器采集得到加速度信号,然后,通过EEMD降低模态混叠,并将加速度信号分解成多个稳定的本征模态函数信号(IMFs)。其次,利用模糊熵能够表现信号复杂程度并且稳定的性质,取多个稳定IMFs的前几项计算模糊熵。因为SVM能够在小样本集情况下建立决策规则,所以将IMFs的前几项模糊熵值作为特征向量输入SVM训练。最后,SVM算法与常用神经网络比较,对样本训练、测试并诊断故障,说明SVM算法优于神经网络。齿轮故障诊断实验结果表明,所提出的方法诊断准确率达92.5%,可实现齿轮故障信息提取和齿轮故障的有效诊断。
- 李林峰赵军郭天太宋玉倩
- 关键词：模糊熵齿轮故障诊断
- EMD和 SVM在变速器故障诊断中的应用被引量：2
- 2015年
- 齿轮故障信号具有不平稳特性，故障信号特征向量难提取，典型的齿轮故障数据样本少。针对这些问题，本文提出基于经验模式分解（ EMD）和支持向量机（ SVM）相结合的诊断方法。首先通过传感器采集得到加速度信号，再通过EMD分解将加速度信号分解成多个稳定的本征模态函数信号（ IMFs）。因为SVM能够在小样本集情况下建立决策规则，所以将IMFs的前几项作为特征向量输入SVM训练，对样本训练、测试并诊断故障。齿轮故障诊断实验结果表明：本文所提出方法诊断准确率达92.5％，可实现齿轮故障信息提取和齿轮故障的有效诊断。
- 柏文琦李林峰陈红江宋玉倩赵军孔明
- 关键词：故障诊断
