排序方式: 共有29条查询结果,搜索用时 15 毫秒
1.
针对基于支持向量机的故障分类器的参数优化问题,研究了基于数据分布的支持向量机核函数参数优化的基本原理.提出了一种简化算法。依据该简化算法,实现了故障分类器的参数优化,并应用于汽轮发电机组的故障分类。测试结果表明,该参数优化方法可以提高故障分类器的分类能力,具有算法简单、优化效率高等优点,但其通用性有待进一步提高。 相似文献
2.
周期稀疏导向超小波在风力发电设备发电机轴承故障诊断中的应用 总被引:5,自引:0,他引:5
机械故障特征提取的内积变换原理要求匹配基函数与目标特征之间的相似性。在缺乏故障特征的精确信息这一不利条件下,根据故障呈现出的确定性以及统计特性能够有效指导基函数的选择和构造针对发电机轴承发生故障时常伴随周期性特征的先验知识,提出冲击故障特征周期性稀疏为导向的超小波构造方法。所提出的超小波变换利用可调品质因数小波变换作为匹配字典库,从而改进经典的基于单一固定基函数的小波分析思想。在技术路线上:首先采用超小波字典库对信号进行分解,计算各小波尺度上的周期性稀疏故障特征能量权重指标;以该权重指标优化为目标函数作为评价超小波字典与微弱故障特征匹配相适度的依据选择的可调品质因数小波最优刻画参数(即最优超小波);利用最优的超小波基函数对信号进行最终分解,获取其中的关键故障特征。所提出方法成功地应用于某风力发电机组上发电机轴承故障诊断,从中提取振动信号中隐藏的微弱冲击性故障特征。 相似文献
3.
4.
5.
6.
基于提升小波包变换和集成支持矢量机的早期故障智能诊断 总被引:20,自引:2,他引:18
为了解决机电设备早期故障难以正确识别的问题,有效地提高分类的准确率,提出一种基于提升小波包变换和集成支持矢量机的早期故障智能诊断新方法。首先,该方法采用提升策略构造基于冲击故障信号特征的双正交小波,借助提升小波包变换提取信号的敏感频带特征,从而通过对敏感频带中的小波包系数进行包络解调分析检测出故障特征频率。其次,通过距离评估技术从原始信号和小波包系数的统计特征中选取最优特征集。最后,将最优特征输入到集成支持矢量机中,实现对不同故障类型的识别。将该方法应用于滚动轴承的早期故障诊断中,测试结果表明,该方法能够有效地提取故障特征,具有比单一支持矢量机更好的分类性能,故障诊断准确率更高。 相似文献
7.
水下爆炸复合工艺是实现异种金属管材高强度结合的一种先进生产方法,运用非线性有限元分析软件对双金属复合管水下爆炸成形过程进行数值研究. 详细阐述了双金属管水下爆炸复合的安装工艺及其成形过程. 基于ANSYS/LS-DYNA平台建立了水下爆炸复合成形的有限元模型,通过实例分析了复合动态过程、基衬管关键节点的位移、以及成形后复合管的应力应变分布. 利用控制变量法研究水下爆炸复合主要工艺参数对复合管结合强度的影响规律. 最后通过试验对数值计算结果进行验证. 结果表明,有限元模型能够有效模拟双金属管水下爆炸复合过程. 相似文献
8.
铝蜂窝夹层板动力学建模仿真与试验验证 总被引:1,自引:0,他引:1
卫星结构中含有大量的铝蜂窝夹层板,振动主要在蜂窝板之中传递.通过构建铝蜂窝夹层板有限元模型,可计算得到其响应特性,进而建立准确的卫星结构有限元模型,为微振动响应分析提供基础.文中基于Y单元,考虑应力作用下的剪切变形,将蜂窝壁视作Timoshenko梁,推导出等壁厚正六边形蜂窝芯层的等效参数.建立了蜂窝夹层板的等效模型,考虑预埋件与胶粘层质量的影响,并计算其固有频率、振型及频响曲线.蜂窝板模型前4阶固有频率与试验结果最大误差为2.29%,振型一致,且频响曲线近似,表明了蜂窝夹层板有限元模型的准确性. 相似文献
9.
为寻找机械系统的主要振源,提出一种利用多元消减约束独立分量分析(Multi-unit deflation constraint independent component analysis,MDcICA)估计振源贡献量的方法。约束独立分量分析(Constraint independent component analysis,cICA)在经典独立分量分析(Independent component analysis,ICA)算法的对照函数中利用约束的形式引入源信号先验知识,提高独立分量的精度和算法的稳定性,并能够得到独立分量和振源信号的对应关系。在cICA中引入多元消减技术,去除混合信号中每次迭代被提取的独立分量的成分。多元消减过程中混合信号能量的减少量等于被提取独立分量对混合信号的贡献量。将提出的算法引入到壳体激励试验台和圆筒结构试验台中,成功地完成了试验台机械振源的分离和贡献量的计算。 相似文献
10.
基于支持向量机的机械故障智能分类研究 总被引:7,自引:0,他引:7
故障样本不足是制约故障诊断技术向智能化方向发展的主要原因之一,支持向量机(SVM)是一种基于统计学习理论(SLT)的机器学习算法,它能在训练样本很少的情况下达到很好的分类效果,从而为故障诊断技术向智能化发展提供了新的途径.本文介绍了支持向量机分类算法,以滚动轴承的故障分类为例,探讨了该算法在故障诊断领域中的应用,并与BP神经网络分类方法进行了对比研究,结果表明,SVM方法在少样本情况下的分类效果优于BP神经网络分类方法. 相似文献