振动敏感特征与流形学习的风机基座螺栓松动程度诊断
陈仁祥1,2; 周君1; 杨黎霞3; 母芝验1; 袁静4
2017-12-15
发表期刊计算机集成制造系统
ISSN1006-5911
卷号23期号:12页码:2613-2621
摘要为实现在役风机基座螺栓松动程度诊断的自动化与高精度,解决松动特征提取与敏感特征选取、高维非线性约简与松动程度稳定识别的问题,提出基于振动敏感特征与流形学习约简的风机基座螺栓松动程度诊断方法。首先,融合振动信号时频特征构建出原始松动程度特征集,实现对松动程度的定量表征;设计出风机基座连接螺栓松动程度敏感性指标算法,选取敏感特征构建松动程度敏感特征集,增强特征集的表征性能。再应用正交局部保持映射流形学习算法对松动程度敏感特征集进行非线性约简,滤除冗余信息获得分类特性好的低维松动程度特征集,并输入加权最近邻分类器进行松动程度识别。工程应用结果证明了所提方法的可行性和有效性。
关键词风机基座 松动程度 敏感特征 正交局部保持映射 加权k最近邻分类器 故障诊断
DOI10.13196/j.cims.2017.12.006
URL查看原文
收录类别北大核心 ; CSCD
语种中文
资助项目国家自然科学基金资助项目(51305471);机械传动国家重点实验室开放基金项目(SKLMT-KFKT-201710);中国博士后科学基金资助项目(2014M560719);重庆市留学人员回国创业创新支持计划创新项目(cx2017076)~~
原始文献类型学术期刊
文献类型期刊论文
条目标识符http://ir.library.ouchn.edu.cn/handle/39V7QQFX/57045
专题国家开放大学重庆分部
作者单位1.重庆交通大学机电与车辆工程学院;
2.重庆大学机械传动国家重点实验室;
3.重庆广播电视大学;
4.雅砻江流域水电开发有限公司二滩水力发电厂
推荐引用方式
GB/T 7714
陈仁祥,周君,杨黎霞,等. 振动敏感特征与流形学习的风机基座螺栓松动程度诊断[J]. 计算机集成制造系统,2017,23(12):2613-2621.
APA 陈仁祥,周君,杨黎霞,母芝验,&袁静.(2017).振动敏感特征与流形学习的风机基座螺栓松动程度诊断.计算机集成制造系统,23(12),2613-2621.
MLA 陈仁祥,et al."振动敏感特征与流形学习的风机基座螺栓松动程度诊断".计算机集成制造系统 23.12(2017):2613-2621.
条目包含的文件
条目无相关文件。
个性服务
查看访问统计
谷歌学术
谷歌学术中相似的文章
[陈仁祥]的文章
[周君]的文章
[杨黎霞]的文章
百度学术
百度学术中相似的文章
[陈仁祥]的文章
[周君]的文章
[杨黎霞]的文章
必应学术
必应学术中相似的文章
[陈仁祥]的文章
[周君]的文章
[杨黎霞]的文章
相关权益政策
暂无数据
收藏/分享
相关推荐
基于深度学习的交通袭击攻击方式智能识别
蓄意攻击样本有限不均衡下运输系统关键危险源识别
基于卷积神经网络和离散小波变换的滚动轴承故障诊断
基于整周期数据和卷积神经网络的谐波减速器健康状态评估
数据样本有限的交通恐怖袭击行为识别
弓网接触力长短时记忆网络预测的受电弓主动控制与仿真
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。