期刊导航
期刊开放获取
cqvip
退出
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
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
检索
高级检索
期刊导航
共找到
2
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于VMD-ICMSE和半监督判别SOINN L-Isomap的滚动轴承故障诊断
被引量：
3
1
作者
戚晓利
王振亚
+2 位作者
吴保林
叶绪丹
潘紫微
《振动与冲击》
EI
CSCD
北大核心
2020年第4期252-260,共9页
针对从滚动轴承非线性、非平稳振动信号中提取故障特征困难的问题,提出一种基于半监督判别自组织增量学习神经网络界标点的等度规映射(SSDSL-Isomap)的滚动轴承故障诊断方法。利用基于变分模态分解的改进复合多尺度样本熵(VMD-ICMSE)从...
针对从滚动轴承非线性、非平稳振动信号中提取故障特征困难的问题,提出一种基于半监督判别自组织增量学习神经网络界标点的等度规映射(SSDSL-Isomap)的滚动轴承故障诊断方法。利用基于变分模态分解的改进复合多尺度样本熵(VMD-ICMSE)从复杂域提取振动信号的故障特征,构建高维故障特征集;采用SSDSL-Isomap方法对高维故障特征集进行维数约简,提取出利于识别的低维、敏感故障特征子集;应用粒子群优化极限学习机(PSO-ELM)分类器对低维故障特征进行故障识别,判别故障类型。VMD-ICMSE方法集成了VMD自适应分解非线性信号与ICMSE衡量时间序列复杂性程度的优势,提高故障特征提取能力;SSDSL-Isomap方法综合了全局流形结构、半监督型双约束图构建以及SOINN界标点选取的优点,增强故障分类能力。调心球轴承故障诊断实验分析结果表明,该方法对实验数据的故障识别率达到100%。
展开更多
关键词
故障诊断
滚动轴承
SSDSL-Isomap
变分模态分解(VMD)
改进复合多尺度熵(ICMSE)
粒子
群
优化
极限
学习机
(
pso
-
elm
)
下载PDF
职称材料
基于PSO-ELM的变压器油纸绝缘状态无损评估方法
2
作者
张德文
张健
+3 位作者
曲利民
吴迪星
刘贺千
张明泽
《电力工程技术》
北大核心
2024年第3期201-208,共8页
油浸式电力变压器作为电网的重要组成部分,其可靠运行至关重要。针对变压器长期运行后无法定量评估其绝缘状态的问题,文中开展了油纸绝缘模型的加速老化及受潮试验,探究了油纸绝缘老化及受潮程度对其回复电压曲线的影响规律,并提出采用...
油浸式电力变压器作为电网的重要组成部分,其可靠运行至关重要。针对变压器长期运行后无法定量评估其绝缘状态的问题,文中开展了油纸绝缘模型的加速老化及受潮试验,探究了油纸绝缘老化及受潮程度对其回复电压曲线的影响规律,并提出采用粒子群优化-极限学习机(particle swarm optimization-extreme learning machine,PSO-ELM)算法的参数预测方法,实现了基于回复电压曲线特征参量的油纸绝缘老化与受潮状态量化评估。由油纸绝缘模型理化性能分析的对比结果可知,基于PSO-ELM方法的预测值精度远高于传统ELM方法,油纸绝缘内含水率及纸板聚合度预测的绝对误差范围分别小于±0.4%、±30。
展开更多
关键词
油浸式变压器
油纸绝缘
回复电压
粒子
群
优化
-
极限
学习机
(
pso
-
elm
)算法
状态评估
无损检测
下载PDF
职称材料
题名
基于VMD-ICMSE和半监督判别SOINN L-Isomap的滚动轴承故障诊断
被引量：
3
1
作者
戚晓利
王振亚
吴保林
叶绪丹
潘紫微
机构
安徽工业大学机械工程学院
出处
《振动与冲击》
EI
CSCD
北大核心
2020年第4期252-260,共9页
基金
国家自然科学基金(51505002)
安徽省自然科学基金(1808085ME152)
+1 种基金
安徽省高校自然科学研究重点项目(KJ2017A053)
研究生创新研究基金(2017012)
文摘
针对从滚动轴承非线性、非平稳振动信号中提取故障特征困难的问题,提出一种基于半监督判别自组织增量学习神经网络界标点的等度规映射(SSDSL-Isomap)的滚动轴承故障诊断方法。利用基于变分模态分解的改进复合多尺度样本熵(VMD-ICMSE)从复杂域提取振动信号的故障特征,构建高维故障特征集;采用SSDSL-Isomap方法对高维故障特征集进行维数约简,提取出利于识别的低维、敏感故障特征子集;应用粒子群优化极限学习机(PSO-ELM)分类器对低维故障特征进行故障识别,判别故障类型。VMD-ICMSE方法集成了VMD自适应分解非线性信号与ICMSE衡量时间序列复杂性程度的优势,提高故障特征提取能力;SSDSL-Isomap方法综合了全局流形结构、半监督型双约束图构建以及SOINN界标点选取的优点,增强故障分类能力。调心球轴承故障诊断实验分析结果表明,该方法对实验数据的故障识别率达到100%。
关键词
故障诊断
滚动轴承
SSDSL-Isomap
变分模态分解(VMD)
改进复合多尺度熵(ICMSE)
粒子
群
优化
极限
学习机
(
pso
-
elm
)
Keywords
feature diagnosis
rolling bearing
SSDSL-Isomap
variational mode decomposition(VMD)
improved composite multiscale sample entropy(ICMSE)
particle swarm optimization extreme learning machine(
pso
-
elm
)
分类号
TH165.3 [机械工程—机械制造及自动化]
TN911.7 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
基于PSO-ELM的变压器油纸绝缘状态无损评估方法
2
作者
张德文
张健
曲利民
吴迪星
刘贺千
张明泽
机构
国网黑龙江省电力有限公司电力科学研究院
哈尔滨理工大学(工程电介质及其应用教育部重点实验室)
出处
《电力工程技术》
北大核心
2024年第3期201-208,共8页
基金
国家电网有限公司科技项目(5500-202330167A-1-1-ZN)
国家自然科学基金资助项目(52307164)。
文摘
油浸式电力变压器作为电网的重要组成部分,其可靠运行至关重要。针对变压器长期运行后无法定量评估其绝缘状态的问题,文中开展了油纸绝缘模型的加速老化及受潮试验,探究了油纸绝缘老化及受潮程度对其回复电压曲线的影响规律,并提出采用粒子群优化-极限学习机(particle swarm optimization-extreme learning machine,PSO-ELM)算法的参数预测方法,实现了基于回复电压曲线特征参量的油纸绝缘老化与受潮状态量化评估。由油纸绝缘模型理化性能分析的对比结果可知,基于PSO-ELM方法的预测值精度远高于传统ELM方法,油纸绝缘内含水率及纸板聚合度预测的绝对误差范围分别小于±0.4%、±30。
关键词
油浸式变压器
油纸绝缘
回复电压
粒子
群
优化
-
极限
学习机
(
pso
-
elm
)算法
状态评估
无损检测
Keywords
oil-immersed transformer
oil-paper insulation
recovery voltage
partical swarm optimization-extreme learning machine(
pso
-
elm
)algorithm
state assessment
non-destructive testing
分类号
TM85 [电气工程—高电压与绝缘技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于VMD-ICMSE和半监督判别SOINN L-Isomap的滚动轴承故障诊断
戚晓利
王振亚
吴保林
叶绪丹
潘紫微
《振动与冲击》
EI
CSCD
北大核心
2020
3
下载PDF
职称材料
2
基于PSO-ELM的变压器油纸绝缘状态无损评估方法
张德文
张健
曲利民
吴迪星
刘贺千
张明泽
《电力工程技术》
北大核心
2024
0
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
