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9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：
EEMD-PE与M-RVM相结合的轴承故障诊断方法 被引量：15
1
作者 刘晓东 刘朦月 +1 位作者 陈寅生 朱文炜 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2017年第9期122-128,共7页
滚动轴承振动信号中包含了大量轴承运行状态信息,但是由于振动信号具有非线性和非平稳性的特点,难以充分提取振动信号中的故障特征,导致现有基于模式识别的轴承故障诊断方法的故障识别准确率较低.为了提高滚动轴承故障识别的准确率,提... 滚动轴承振动信号中包含了大量轴承运行状态信息,但是由于振动信号具有非线性和非平稳性的特点,难以充分提取振动信号中的故障特征,导致现有基于模式识别的轴承故障诊断方法的故障识别准确率较低.为了提高滚动轴承故障识别的准确率,提出了一种基于集合经验模态分解-排列熵(EEMD-PE)特征提取与多分类相关向量机(M-RVM)相结合的轴承故障诊断方法.首先,该方法利用EEMD对非线性和非平稳信号的自适应分解能力,将轴承故障信号分解为一组包含故障特征的本征模态函数(IMFs).然后,利用排列熵提取由EEMD分解得到的IMFs中的故障特征,并组成特征向量.最后,采用EEMD-PE对不同故障状态下的训练样本集进行特征提取,组成特征向量集对M-RVM分类器进行建模,以概率输出的形式实现对滚动轴承的故障诊断.实验结果表明:EEMD-PE特征提取方法能够对滚动轴承振动信号的故障特征进行有效提取,M-RVM能够对故障滚动轴承振动信号包含的故障特征进行识别.与现有轴承故障诊断方法相比较,所提出的方法能够提高故障识别准确率,达到99.58%. 展开更多
关键词 滚动轴承 故障诊断 EEMD PE m-rvm
在线阅读 下载PDF
基于VMD-PE和M-RVM的滚动轴承故障诊断
2
作者 李然 朱希安 王占刚 《煤矿机械》 北大核心 2020年第3期163-166,共4页
针对传统EMD易产生模态混叠,原始SVM、RVM方法存在核函数选取困难、识别效率低等问题,提出一种基于变分模态分解(VMD)、排列熵(PE)以及混合蝙蝠算法(BA)优化的多分类相关向量机(M-RVM)的轴承故障智能诊断方法。首先,VMD分解故障信号,获... 针对传统EMD易产生模态混叠,原始SVM、RVM方法存在核函数选取困难、识别效率低等问题,提出一种基于变分模态分解(VMD)、排列熵(PE)以及混合蝙蝠算法(BA)优化的多分类相关向量机(M-RVM)的轴承故障智能诊断方法。首先,VMD分解故障信号,获得本征模态函数(IMF);然后将PE用于IMF的故障特征提取过程,形成特征序列;最后,将所得的特征序列输入基于混合BA优化的M-RVM故障诊断模型,对不同故障进行分类识别。对试验数据的分析结果表明,基于VMD-PE与M-RVM的滚动轴承故障诊断可以提高轴承故障诊断的准确度。 展开更多
关键词 VMD PE BA m-rvm 滚动轴承 故障诊断
原文传递
EMD-Hilbert和M-RVM相融合的故障诊断策略及应用
3
作者 崔银平 《科技视界》 2016年第7期162-162,178,共2页
应用EMD-Hilbert和M-RVM相融合的故障诊断方法,对信号进行时域局部特性分析以及快速地对信号进行故障诊断和分类。该方法先对采集到的信号进行经验模态分解(Empirical Mode Decomposition,EMD),进而对分解后的每个内蕴模式函数分量(Intr... 应用EMD-Hilbert和M-RVM相融合的故障诊断方法,对信号进行时域局部特性分析以及快速地对信号进行故障诊断和分类。该方法先对采集到的信号进行经验模态分解(Empirical Mode Decomposition,EMD),进而对分解后的每个内蕴模式函数分量(Intrinsic mode function,IMF)进行Hilbert变换,计算出每个IMF的瞬时频率。通过对瞬时频率的分析确定主要的IMF分量,提取主要IMF的特征矢量,最后通过多分类相关向量机(Multiclass Relevance Vector Machine,M-RVM)对输入的特征矢量进行故障诊断和分类。 展开更多
关键词 EMD-Hilbert 特征矢量 m-rvm
在线阅读 下载PDF
基于主成分分析和多分类相关向量机的GIS局部放电模式识别 被引量：65
4
作者 律方成 金虎 +1 位作者 王子建 张波 《电工技术学报》 EI CSCD 北大核心 2015年第6期225-231,共7页
GIS局部放电模式识别是其状态评估的重要部分,搭建了252k VGIS局部放电超高频检测仿真实验平台,模拟了4种典型的GIS局部放电模型,并通过试验建立了相应的超高频信号图谱数据库,然后根据信号特点提取了26个原始特征量;采用主成分分析法... GIS局部放电模式识别是其状态评估的重要部分,搭建了252k VGIS局部放电超高频检测仿真实验平台,模拟了4种典型的GIS局部放电模型,并通过试验建立了相应的超高频信号图谱数据库,然后根据信号特点提取了26个原始特征量;采用主成分分析法对特征空间进行降维处理,最终得到10个新的特征量,将原始特征量和降维后的特征量分别输入到多分类相关向量机(M-RVM)中进行分析,结果表明,以降维后的特征量作为输入量,其识别率要高于降维前的;并且采用BN、SVM和M-RVM三种分类器进行对比分析,结果表明,无论是采用原始特征参量还是降维后的参量作为输入量,M-RVM方法的识别率都是最高,其中降维后的识别率大于85%。 展开更多
关键词 气体绝缘组合电器 局部放电 主成分分析 多分类相关向量机 模式识别
在线阅读 下载PDF
基于特征评估与核主元分析的电力变压器故障诊断 被引量：32
5
作者 吴广宁 袁海满 +1 位作者 高波 李帅兵 《高电压技术》 EI CAS CSCD 北大核心 2017年第8期2533-2540,共8页
针对电力变压器故障诊断中的故障特征量数量匮乏、携带的故障信息较为有限,致使故障判断效果不理想等问题,将电气试验数据等与油中溶解气体分析(DGA)相融合所获得的34种特征量作为故障特征量,以完善故障特征信息。在此基础上,将特征评... 针对电力变压器故障诊断中的故障特征量数量匮乏、携带的故障信息较为有限,致使故障判断效果不理想等问题,将电气试验数据等与油中溶解气体分析(DGA)相融合所获得的34种特征量作为故障特征量,以完善故障特征信息。在此基础上,将特征评估与核主元分析(KPCA)相结合,构建了一种基于特征评估与核主元分析的故障诊断方法。该方法首先通过特征评估来剔除不敏感故障特征量,以削弱它们对特征提取产生的影响;其次,对经过特征评估后的27维故障特征量进行核主元分析,降低故障特征量的维数;最后,将提取后的9维故障特征量作为输入故障特征向量,采用多分类相关向量机(M-RVM)方法进行故障分类。实例分析表明,该故障诊断方法不仅能有效弥补故障特征量单一等不足,而且更具一般性,其故障诊断准确率达到90.35%,可为故障信息有限情况下的电力变压器故障诊断提供参考。 展开更多
关键词 电力变压器 故障诊断 特征提取 特征评估 核主元分析 多分类相关向量机
原文传递
基于多分类相关向量机的变压器故障诊断 被引量：1
6
作者 肖华兰 吴骏 《电子世界》 2013年第15期61-62,70,共3页
变压器在是电力系统的重要变电设备,对其故障进行诊断是目前的热点,文章通过引入M-RVM理论,在此基础上提出了基于M-RVM的油浸式电力变压器故障诊断方法,给出了该诊断方法的具体实现过程,并将其与改良三比值诊断方法、贝叶斯分类器诊断... 变压器在是电力系统的重要变电设备,对其故障进行诊断是目前的热点,文章通过引入M-RVM理论,在此基础上提出了基于M-RVM的油浸式电力变压器故障诊断方法,给出了该诊断方法的具体实现过程,并将其与改良三比值诊断方法、贝叶斯分类器诊断方法和支持向量机诊断方法进行了比较。通过实例分析验证了所提诊断方法的有效性。 展开更多
关键词 变压器 故障诊断 m-rvm理论
在线阅读 下载PDF
基于M-DSSE和RVM的复杂装备健康状态预测 被引量：6
7
作者 邓力 徐廷学 +1 位作者 范庚 吴明辉 《计算机工程与设计》 CSCD 北大核心 2014年第11期3997-4002,4039,共7页
针对故障呈现渐发特性的复杂装备健康状态预测问题,提出基于多距离形态相似度评估(M-DSSE)和相关向量机(RVM)的预测方法。在提取装备状态特征信息的基础上,采用M-DSSE方法对装备的健康状态进行评估,计算得到装备的健康指数;运用RVM回归... 针对故障呈现渐发特性的复杂装备健康状态预测问题,提出基于多距离形态相似度评估(M-DSSE)和相关向量机(RVM)的预测方法。在提取装备状态特征信息的基础上,采用M-DSSE方法对装备的健康状态进行评估,计算得到装备的健康指数;运用RVM回归模型对装备的健康指数进行预测,实现对装备健康趋势的预知,为最终的预知维修提供重要技术支撑。在某航空机电设备上的应用结果表明,该方法可以有效解决复杂装备健康状态评估与预测的问题,结果与实际情况相吻合。 展开更多
关键词 健康指数 多距离形态相似度 相关向量机 状态评估 状态预测
在线阅读 下载PDF
一种GIS局部放电模式识别新方法及应用 被引量：5
8
作者 邱鹏锋 郑连清 魏成伟 《电气技术》 2017年第8期12-16,共5页
本文通过GIS实验装置平台设置的4种缺陷类型的放电情况,用特高频(UHF)检测法获取的PD信号,分别以时域、频域等17组统计参数作为PD类型的特征量,通过局部线性嵌入(locally linear embedding,LLE)方法将17组特征量进行降维处理,得到9组有... 本文通过GIS实验装置平台设置的4种缺陷类型的放电情况,用特高频(UHF)检测法获取的PD信号,分别以时域、频域等17组统计参数作为PD类型的特征量,通过局部线性嵌入(locally linear embedding,LLE)方法将17组特征量进行降维处理,得到9组有效特征参数。并用多分类相关向量机(M-RVM)作为识别方法,在110k V电压下获取的实验检测数据作为训练和预测样本,结果取得86%的理想识别率,验证了LLE与M-RVM结合的识别系统的有效性。 展开更多
关键词 局部放电检测 特征提取 局部线性嵌入 多分类相关向量机 模式识别
在线阅读 下载PDF
基于M-DSSE和RVM的航空机电设备健康状态预测 被引量：1
9
作者 夏爽 《价值工程》 2017年第11期158-159,共2页
对于一些本身结构比较复杂和精密的设备,如航空机电设备,其故障呈现出渐发性的特点,而且一旦发生故障,将会带来非常严重的后果。因此,做好设备健康状态的评估和预测,及时对设备进行检修维护,是保障设备安全稳定运行,防止安全事故发生的... 对于一些本身结构比较复杂和精密的设备,如航空机电设备,其故障呈现出渐发性的特点,而且一旦发生故障,将会带来非常严重的后果。因此,做好设备健康状态的评估和预测,及时对设备进行检修维护,是保障设备安全稳定运行,防止安全事故发生的关键。本文以提出了基于多距离形态相似度评估(M-DSSE)以及相关向量机(EVM)的航空机电设备健康状态预测方法,实践证明,该方法得到的结果与实际情况相吻合。 展开更多
关键词 M-DSSE RVM 航空机电设备健康状态预测
在线阅读 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