论文部分内容阅读
在小样本在线自适应反面选择算法中产生的界面检测器存在过度拟合和欠拟合情况发生,提出了基于疫苗机理的改进的界面检测器生成方法.在测试阶段,阴性疫苗可以克服过拟合来提高检测率;阳性疫苗可以克服欠拟合来减少假报警率.对比试验结果表明,带有疫苗机制的界面检测器具有较好的检测效果.
基于疫苗机理的界面检测器生成方法研究
【摘 要】
：
在小样本在线自适应反面选择算法中产生的界面检测器存在过度拟合和欠拟合情况发生,提出了基于疫苗机理的改进的界面检测器生成方法.在测试阶段,阴性疫苗可以克服过拟合来提高检测率;阳性疫苗可以克服欠拟合来减少假报警率.对比试验结果表明,带有疫苗机制的界面检测器具有较好的检测效果.
【机 构】
：
上海电力学院数理学院,上海200090 常州大学,石油工程学院,江苏常州213016
【出 处】
：
2016年全国设备监测诊断与维护学术会议、第十五届全国设备故障诊断学术会议、第十七届全国设备监测与诊断学术会议、2016
【发表日期】
：
2016年12期
其他文献
共振解调是一种常用的滚动轴承故障诊断方法,针对应用该方法时如何选择最优中心频率和带宽的问题,以共振频带包络谱特征为基础,提出了一种基于遗传算法和频域相关峭度的自适应方法.利用遗传算法强大的泛优化能力,应用频域相关峭度即滤出信号包络谱的相关峭度值设计适应度函数,通过选择、遗传和变异操作对带通滤波器的截止频率进行优化,寻找最优的共振频带进行解调.应用两组货车轮对轴承实测实验数据验证了本文方法的有效性和
结合改进的经验模态分解技术(Enhancement Ensemble Empirical Mode Decomposition,EEMD)和多重信号分类算法(Multiple Signal Classification,MUSIC),提出了基于阵列信号机械轴承声源定位技术,对机械转子系统运行时的由故障产生的异常声音进行实时监测和定位分析.首先,利用EEMD技术提取声源信号得到含特征频率的固有模态函
滚动轴承初始故障信号比较微弱,易被噪声淹没,因此根据故障信号来进行缺陷大小的识别始终是一个难题.为了能够准确的识别缺陷的大小,本文提出了基于双脉冲响应的滚动轴承缺陷尺寸识别方法.首先采用自回归模型对提取到的滚动轴承原始故障信号进行预白化处理,再利用能量算子解调方法进行包络解调突出故障特征,最后借助sym5小波进行离散小波变换得到双脉冲信号,从而确定滚动体进入和退出缺陷对应的时刻,估计缺陷的尺寸大小
滚动轴承产生失效的原因复杂,早期故障信号能量微弱,振动噪声明显,因此对故障特征提取技术的研究一直是滚动轴承故障诊断的关键.针对滚动轴承故障振动信号呈现出非线性、非平稳性及噪声背景较强等特点,为了有效提取故障特征,提出了一种共振稀疏分解(Resonance-based Sparse Signal Decomposition,RSSD)与小波变换相结合的振动信号特征提取技术.其中,共振稀疏分解是基于品
风电作为一种清洁的可再生能源,越来越受到世界各国的重视.齿轮箱作为风力发电机组的关键部件,其运行的健康状况对整个风力发电机组的正常运行影响重大.齿轮箱振动信号中包含有用的故障信息,但由于齿轮箱故障信号比较微弱,容易被外界噪声和其他部件的振动信号淹没.对独立分量分析(ICA)典型算法的理论进行了论述.通过将分析结果与齿轮箱故障波形进行对比,发现采用基于负熵的FastICA进行信号分离不仅有助于正确地
齿轮箱是风力发电机械设备中的重要组成部分,由于自身的功能性决定,齿轮箱也是风力发电机机械设备中故障最频发的系统之一,由此风力发电机齿轮箱的故障诊断问题也就被凸显出来.目前比较常见的研究方法是检测风电机组转子的工作状态,通过获取振动信号进行频谱分析并诊断故障.在此基础上,根据对振动信号处理方法的不同可分为传统信号处理方法,现代信号处理方法以及人工智能处理方法.通过描述对比已有各种齿轮箱故障诊断方法,
局部均值分解(Local Mean Decomposition,LMD)方法是一种以信号局部极值点为基础的非平稳信号分析方法.在实际应用过程中,由于信号采样点与信号局部极值点的偏差,会导致分解结果失真.以三角函数信号为研究对象,分析了不同采样频率下LMD方法分解误差的变化情况,并提出了相位平均模型定量描述不同采样率下LMD方法的理论分解误差.在此基础上,通过数值实验验证了理论误差模型与实际误差的一
滚动轴承的局部故障振动信号一般表现为周期的瞬态冲击成分.对轴承振动信号进行瞬态冲击成分分析,可以提取轴承的故障特征.而在强噪声存在的情况下,很难提取冲击故障.提出了基于最大相关峭度去卷积和增广拉格朗日收缩方法对微弱滚动轴承故障进行诊断.首先采用最大相关峭度去卷积进行降噪处理,然后通过最大相关系数法建立Laplace小波字典,最后采用增广拉格朗日收缩来求解稀疏表示系数.通过分析轴承故障仿真信号和实验
作为一种有效的非稳态信号处理方法,经验模态分解已经广泛地应用于旋转机械的故障诊断中.但是该方法的诸多弊端,如端点效应、模态混叠和终止准则等问题,限制了它的应用.提出了一种快速自适应经验模态分解的方法.该方法利用顺序统计滤波器拟合极值曲线,替代了费时低效的三次样条曲线方法.实验信号的分析结果表明,该方法具有快速、高效和自适应强的特点,在滚动轴承的故障诊断中取得了良好的效果.
齿轮箱是一个复杂的传动系统,由于其工作环境的恶劣和复杂的内部传动,经常导致齿轮及轴承的故障,对齿轮箱典型故障信号特征分析意义重大.提出了一种基于包络排列熵的故障特征提取方法.通过齿轮箱故障模拟实验,采集齿轮及轴承故障时的振动信号,使用包络优化算法,提高对故障信号分析的准确性;然后计算其排列熵,得到故障振动信号的包络排列熵曲线,提取故障特征;实验结果表明:该方法提取齿轮及轴承的故障特征十分有效.