期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到8篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
RCMNAAPE在旋转机械故障诊断中的应用
1
作者 储祥冬 戴礼军 +3 位作者 涂金洲 罗震寰 于震 秦磊 《机电工程》 CAS 北大核心 2024年第6期1039-1049,共11页
针对精细复合多尺度排列熵(RCMPE)无法充分提取旋转机械振动信号中的故障信息,从而导致旋转机械故障识别准确率不稳定这一缺陷,提出了一种基于精细复合多尺度归一化幅值感知排列熵(RCMNAAPE)、拉普拉斯分数(LS)和灰狼算法优化支持向量机... 针对精细复合多尺度排列熵(RCMPE)无法充分提取旋转机械振动信号中的故障信息,从而导致旋转机械故障识别准确率不稳定这一缺陷,提出了一种基于精细复合多尺度归一化幅值感知排列熵(RCMNAAPE)、拉普拉斯分数(LS)和灰狼算法优化支持向量机(GWO-SVM)的旋转机械故障诊断方法。首先,利用幅值感知排列熵替换了RCMPE中的排列熵,提出了RCMNAAPE,并将其用于提取旋转机械振动信号的故障特征生成特征样本;随后,采用了LS从原始的高维故障特征向量中筛选出较少的能够更准确描述故障状态的特征,构造敏感特征样本;最后,将低维的故障特征向量输入由灰狼算法优化的支持向量机中进行了训练和测试,完成了旋转机械样本的故障识别和分类,利用滚动轴承和齿轮箱故障数据集将RCMNAAPE-LS-GWO-SVM与其他故障诊断方法进行了对比分析,并开展了评估。研究结果表明:基于RCMNAAPE-LS-GWO-SVM的故障诊断方法能够有效识别旋转机械的各类故障,其识别准确率高于其他对比的故障诊断方法,其中滚动轴承故障的识别准确率达到99.33%,齿轮箱故障的识别准确率达到98.67%。虽然,该方法的特征提取效率不佳,平均特征提取时间分别为153.02 s和163.98 s,仅优于精细复合多尺度模糊熵(RCMFE),但其综合性能更加优异。 展开更多
关键词 故障识别准确率 滚动轴承 齿轮箱 精细复合多尺度归一化幅值感知排列熵 拉普拉斯分数 灰狼优化支持向量机
下载PDF
滚动轴承故障特征选择的Filter与改进灰狼优化混合算法 被引量：2
2
作者 侯钰哲 李舜酩 +3 位作者 龚思琪 黄继刚 张建兵 卢静 《计算机集成制造系统》 EI CSCD 北大核心 2023年第5期1452-1461,共10页
为了从原始高维特征空间中选择最具鉴别能力的特征,提高轴承故障诊断精度,提出了一种Filter与改进灰狼优化混合的故障特征选择算法。首先,针对滚动轴承的原始振动信号,利用一种基于Hilbert-Huang变换的时频域特征提取策略建立高维敏感... 为了从原始高维特征空间中选择最具鉴别能力的特征,提高轴承故障诊断精度,提出了一种Filter与改进灰狼优化混合的故障特征选择算法。首先,针对滚动轴承的原始振动信号,利用一种基于Hilbert-Huang变换的时频域特征提取策略建立高维敏感特征集合。然后,通过由ReliefF算法与拉普拉斯分数构成的混合Filter方法对原始特征集合进行相关性评估并快速筛选重要特征,从而完成特征集合的一次预选。最后,引入改进灰狼优化算法对预选特征集合进行二次筛选,实现冗余特征去除的同时,完成对支持向量机模型参数的优化。利用旋转机械振动试验台获取故障轴承数据进行了验证,试验结果表明,该方法显著提高了分类器模型的诊断准确率,有效实现了故障数据集的特征降维,并且与同类方法相比,所提方法具有更好的综合性能。 展开更多
关键词 特征选择 RELIEFF算法 拉普拉斯分数 改进灰狼优化 故障诊断
下载PDF
基于WOA-KELM算法的风电机组智能故障诊断研究
3
作者 安留明 沙德生 +3 位作者 张庆 李芊 刘潇波 张鑫赟 《热力发电》 CAS CSCD 北大核心 2023年第12期131-139,共9页
针对风电机组存在的典型故障进行了归纳,选取某风场风电机组故障频次较高的变流系统、发电机系统、变桨系统、辅助电源系统故障数据和非故障数据进行故障诊断研究,分别采用极限学习机(ELM)、最小二乘支持向量机(SVM)、核极限学习机(KELM... 针对风电机组存在的典型故障进行了归纳,选取某风场风电机组故障频次较高的变流系统、发电机系统、变桨系统、辅助电源系统故障数据和非故障数据进行故障诊断研究,分别采用极限学习机(ELM)、最小二乘支持向量机(SVM)、核极限学习机(KELM)和鲸鱼群优化算法(WOA)的WOA-KELM算法建立了故障诊断模型,同时采用拉普拉斯分数对模型特征变量重要程度进行排序和选取,WOA-KELM算法通过优化KELM算法的正则化参数C与核参数γ取得了更好的诊断效果。研究表明:不同样本数量下4种算法4对非故障类型的诊断准确率均为100%;采用拉普拉斯分数对WOA-KELM算法进行特征筛选后测试样本的平均诊断准确率从88.0%提高到93.2%;WOA-KELM算法在样本数量为250~500内进行特征筛选后的诊断准确率达到最大值96.0%。这证明该模型可以有效实现风电机组的故障诊断,为现场运维人员提供指导与参考。 展开更多
关键词 风电机组 故障诊断 WOA-KELM算法 拉普拉斯分数
下载PDF
基于HRCMFDE、LS、BA-SVM的行星齿轮箱故障诊断 被引量：2
4
作者 庄敏 李革 +1 位作者 范智军 孔德成 《机电工程》 CAS 北大核心 2022年第11期1535-1543,共9页
针对行星齿轮箱的特征提取以及故障识别问题,提出了一种基于混合精细复合多尺度波动散布熵(HRCMFDE)特征提取、拉普拉斯分数(LS)特征降维优化和蝙蝠算法优化支持向量机(BA-SVM)故障识别的行星齿轮箱故障诊断方法。首先,提出了一种新的... 针对行星齿轮箱的特征提取以及故障识别问题,提出了一种基于混合精细复合多尺度波动散布熵(HRCMFDE)特征提取、拉普拉斯分数(LS)特征降维优化和蝙蝠算法优化支持向量机(BA-SVM)故障识别的行星齿轮箱故障诊断方法。首先,提出了一种新的时间序列复杂度测量方法—HRCMFDE(其由5种不同粗粒化方式的RCMFDE组成,具备更全面和可靠的特征提取性能),用于从振动信号中挖掘出反映行星齿轮箱状态的故障信息,构成初始的混合故障特征;然后,考虑到由HRCMFDE组成的故障特征具有较高的维数和冗余,利用LS对初始特征进行了优化,生成了低维的敏感特征;最后,利用基于蝙蝠算法优化的支持向量机,对行星齿轮系不同故障特征向量进行了训练和分类,利用真实故障数据集对基于HRCMFDE、LS、BA-SVM的方法进行了验证。研究结果表明:利用行星齿轮箱数据集对该方案进行的有效性实验,能够准确地识别出齿轮箱的不同故障,其单次分类的准确率达到了98.13%,多次分类的平均准确率也优于对比方法;该结果验证了基于混合精细复合多尺度波动散布熵特征提取的有效性,采用该方法能够对行星齿轮箱的故障进行诊断。 展开更多
关键词 特征提取 特征降维优化 故障分类识别 混合精细复合多尺度波动散布熵 拉普拉斯分数 蝙蝠算法优化支持向量机
下载PDF
一种用于阿尔茨海默病分类的二阶段多任务特征选择算法 被引量：1
5
作者 杨晨晖 侯超群 《厦门大学学报（自然科学版）》 CAS CSCD 北大核心 2018年第5期708-714,共7页
阿尔茨海默病(Alzheimer′s disease,AD)具有数据量少、多模态以及高维度等特点.为了对AD进行有效的预测,首先提出一个基于类内方差最小化的多任务特征选择(minimum intra-class variance-based multitask feature selection,MIVMTFS)算... 阿尔茨海默病(Alzheimer′s disease,AD)具有数据量少、多模态以及高维度等特点.为了对AD进行有效的预测,首先提出一个基于类内方差最小化的多任务特征选择(minimum intra-class variance-based multitask feature selection,MIVMTFS)算法,然后结合基于有效距离的拉普拉斯分数特征选择(effective distance-based laplacian score feature selection,EDLSFS)算法和MIVMTFS算法,提出一种二阶段多任务特征选择(two-stage multi-task feature selection,TSMTFS)算法.TSMTFS算法先利用EDLSFS算法在保持特征局部结构的情况下对原始样本特征进行无监督预降维,再利用MIVMTFS算法对降维后的特征进行有监督地再降维,最终获得一个精简特征子集.实验部分主要包括AD的2个二分类任务,并分别对单模态数据和多模态数据进行实验.实验结果验证了TSMTFS算法在AD领域能够缓解单模态特征选择的信息不够充分、样本量少以及特征维度高等不足. 展开更多
关键词 阿尔茨海默病 类内方差 有效距离 多任务特征选择 拉普拉斯分数
下载PDF
滚动轴承多工况故障的特征自动选择核极限学习机智能识别方法 被引量：13
6
作者 胡爱军 张军华 +1 位作者 刘随贤 许莎 《振动与冲击》 EI CSCD 北大核心 2020年第23期182-189,共8页
滚动轴承的智能诊断存在许多不足,特别是对复杂工况下的识别存在特征提取不足及诊断精度低等问题。针对故障类型不同、故障程度不同和负荷不同的多工况条件下滚动轴承故障诊断,提出了基于多特征自动选择的核极限学习机智能识别方法。分... 滚动轴承的智能诊断存在许多不足,特别是对复杂工况下的识别存在特征提取不足及诊断精度低等问题。针对故障类型不同、故障程度不同和负荷不同的多工况条件下滚动轴承故障诊断,提出了基于多特征自动选择的核极限学习机智能识别方法。分别从时域、频域、时频域提取有效故障特征,采用拉普拉斯分数(Laplace Score,LS)根据每个特征的重要性自动选择敏感特征,旨在消除一些冗余信息,提高计算效率。采用模拟退火粒子群优化的核极限学习机(Simulated Annealing Particle Swarm Optimization,Kernel Extreme Learning Machine,SAPSO-KELM),实现滚动轴承多故障状态识别。将该方法应用于滚动轴承变负荷故障识别,与其他识别方法的比较结果表明,该方法具有较高的识别精度和较快的分类速度。 展开更多
关键词 滚动轴承 故障诊断 拉普拉斯分数(LS) 模拟退火粒子群算法(SAPSO-KELM) 核极限学习机
下载PDF
婴幼儿奶粉中多种掺假物近红外高光谱图像检测方法 被引量：1
7
作者 赵昕 马竞一 +3 位作者 陈晗 姜洪喆 褚璇 赵志磊 《农业机械学报》 EI CAS CSCD 北大核心 2024年第4期368-375,共8页
奶粉市场是食品掺假行为频发领域,其中婴幼儿配方奶粉价格高,其质量是消费者、生产企业和执法部门关注的重点。近红外高光谱成像(Near infrared-hyperspectral imaging,NIR-HSI)技术结合化学计量学和机器学习算法可以检测奶粉中单一掺... 奶粉市场是食品掺假行为频发领域,其中婴幼儿配方奶粉价格高,其质量是消费者、生产企业和执法部门关注的重点。近红外高光谱成像(Near infrared-hyperspectral imaging,NIR-HSI)技术结合化学计量学和机器学习算法可以检测奶粉中单一掺假物含量。基于NIR-HSI技术研究了不同品牌婴幼儿奶粉中多掺假物(三聚氰胺、香兰素和淀粉)的定量预测。对基于像素点预处理后的高光谱图像划分感兴趣区域(Region of interest,ROI),提取ROI平均光谱。基于经典的过滤式特征选择算法拉普拉斯分数(Laplacian score)(无监督)和ReliefF(有监督)挑选建模关键变量,建立偏最小二乘回归模型(Partial least squares,PLS)。开发包含自定义选择层的一维卷积神经网络模型(One-dimensional convolutional neural networks,1DCNN)。自定义层根据权重系数绝对值,可确定重要波长变量。Laplacian score-PLS模型对预测集中奶粉、三聚氰胺、香兰素和淀粉质量分数预测结果均方根误差分别为0.1110%、0.0570%、0.0349%和0.3481%。ReliefF-PLS模型对预测集中奶粉、三聚氰胺、香兰素和淀粉预测结果均方根误差分别为0.1998%、0.0540%、0.0455%和0.1823%。1DCNN模型对预测集中奶粉、三聚氰胺、香兰素和淀粉质量分数预测结果均方根误差分别为0.8561%、0.0911%、0.0644%和0.2942%。对Laplacian score、ReliefF和自定义选择层挑选出的前15个重要波长进行对比分析,不同特征选择方法挑选的特征波长子集有所区别,但都选择1210、1474、1524、1680 nm等附近波长。基于ReliefF-PLS模型的可视化结果表明了其良好的预测能力。 展开更多
关键词 奶粉掺假 拉普拉斯分数算法 RELIEFF算法 卷积神经网络 近红外高光谱成像
下载PDF
基于CMCPSO-SVM的轴承微弱故障诊断方法 被引量：2
8
作者 纪俊卿 孔晓佳 +3 位作者 邹方豪 张静 许同乐 袁伟 《机床与液压》 北大核心 2022年第5期185-190,共6页
针对旋转机械轴承微弱故障振动信号易被强噪声掩盖难以识别的问题,提出一种改进混沌粒子群优化支持向量机的故障诊断方法。将信号通过局部均值分解算法分解处理得到乘积函数(PF)分量,并进行能量归一化处理获得时频域特征集;通过迭代拉... 针对旋转机械轴承微弱故障振动信号易被强噪声掩盖难以识别的问题,提出一种改进混沌粒子群优化支持向量机的故障诊断方法。将信号通过局部均值分解算法分解处理得到乘积函数(PF)分量,并进行能量归一化处理获得时频域特征集;通过迭代拉普拉斯得分降低时频域特征集的空间维度;以PF分量的排列熵作为混沌粒子群的适应度,并加入交叉和变异新策略,建立一种新的交叉变异混沌粒子群优化方法;利用改进的粒子群算法优化支持向量机的核函数和惩罚因子,并将优化后的分类模型应用于轴承故障诊断。结果表明:该故障分类模型的识别准确率高于其他分类模型。 展开更多
关键词 轴承微弱故障 交叉变异混沌粒子群 迭代拉普拉斯分数 支持向量机 故障诊断
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部