国家自然科学基金(51075220)
- 作品数：43 被引量：148H指数：7
- 相关作者：谭继文文妍李善战红孙显彬更多>>
- 相关机构：青岛理工大学四川大学更多>>
- 发文基金：国家自然科学基金青岛市科技发展计划项目国家教育部博士点基金更多>>
- 相关领域：机械工程金属学及工艺自动化与计算机技术交通运输工程更多>>
- 双对角线差速传动理论及其技术应用研究被引量：1
- 2015年
- 根据差速器转角关系和阿克曼转向原理,提出并分析了双对角线差速传动理论,对比以变型四轮驱动拖拉机为例的轴间刚性连接四轮驱动传动特点,论证了双对角线差速传动理论在四轮驱动方面的优良特性;利用双对角线交叉原理,提出了将驱动桥交叉布置、通过改变夹角间接改变轮距的交叉变轮距车辆底盘设计方法,克服了机械传动式车辆无法自动无级调节轮距的技术难题;针对交叉变轮距车辆底盘的双对角线差速传动特点,设计了一种双对角线可旋式专用差速器,适应了底盘变轮距特性,同时实现了对角两轮驱动和四轮驱动功能。
- 黄居鑫孟广耀童钦李雪莱韩国旭孟昭渝溪
- 关键词：四轮驱动差速器车辆底盘
- 基于KPCA-BP网络模型的滚动轴承故障诊断方法研究被引量：8
- 2014年
- 针对滚动轴承信号的非线性、非平稳性特点及诊断中冗余与噪音的干扰,引入了核主元分析法和BP神经网络相结合的方法对轴承的故障信号进行诊断,以提高轴承故障诊断的性能。通过5个传感器采集轴承不同状态的故障信号,利用小波包提取能量特征值,同时提取轴承的时-频域特征量组成原始特征空间,利用核主元分析方法对原始特征空间降维,提取主元特征量输入到BP神经网络中进行故障模式识别。试验结果表明,KPCA-BP网络模型的性能优于未筛选-BP网络,具有更好的诊断效果和抗干扰能力。
- 徐卫晓宋平谭继文
- 关键词：核主元分析BP神经网络滚动轴承
- 基于云模型和证据理论的多源信息融合方法研究与试验被引量：2
- 2015年
- 针对复杂机械设备故障诊断信息具有模糊性、不确定性、不完全性等特点,在分析云模型理论的基础上,提出了一种基于云模型和D-S证据理论的多源信息融合与故障模式识别新方法,研究了相关参数的计算和确定方法,给出了用云模型方法对多源信息进行统一建模、并根据获取的不确定度对故障特征值进行二次筛选、通过计算证据的不确定度系数和整体支持度系数对融合证据权重进行再分配、利用证据理论得出融合识别结果的理论依据及实现步骤。最后,通过数控机床滚动轴承故障诊断试验验证了该方法的可行性和故障识别的准确性。
- 冯春生谭继文孙显彬
- 关键词：云模型证据理论多源信息融合数控机床故障诊断
- 基于平均影响值与SVM的滚珠丝杠故障诊断技术
- 2014年
- 针对滚珠丝杠故障诊断中存在大量冗余信息的特点,引入平均影响值法对故障信号特征进行筛选。该法可剔除冗余特征,保留对诊断结果影响较大的特征作为支持向量机(SVM)的输入,然后借助支持向量机实现对输入参量的训练以及故障模式识别。经实验验证,实例中所建立的滚珠丝杠故障诊断模型,能在更大程度上缩短诊断时间,提高分类精度,具有较传统诊断模型更好的诊断效果。
- 温国强文妍谭继文
- 关键词：滚珠丝杠故障诊断
- 基于小波改进阈值去噪与LMD的滚动轴承故障诊断研究被引量：3
- 2016年
- 为从含有强烈噪声干扰的滚动轴承振动信号中提取故障特征信息,提出了一种小波改进阈值去噪与局部均值分解(LMD)相结合的故障诊断方法。首先,根据构造小波改进阈值函数需满足的必要条件以及滚动轴承振动信号特征,提出了适应于滚动轴承振动信号的抛物线平滑阈值函数,利用其对振动信号进行去噪预处理;然后,对去噪后的振动信号进行LMD分解得到若干乘积函数分量(PF);最后,根据相关系数筛选出有效PF分量,并对其进行包络解调,提取故障特征频率。仿真分析和应用实例结果表明,该方法能有效提取滚动轴承故障特征信息,实现滚动轴承的故障诊断。
- 俞昆谭继文李善
- 关键词：局部均值分解滚动轴承故障诊断
- 基于小波包分解和EMD的滚动轴承故障诊断方法研究被引量：8
- 2015年
- 提出了一种基于小波包分解与EMD的故障诊断特征提取方法。对故障振动信号进行小波包分解,并将其高频部分节点信号进行重构,对2个节点的重构信号分别进行EMD分解,得到一系列的IMF分量;提取每个节点的各个IMF分量的能量值并归一化后作为轴承的故障特征量输入神经网络进行诊断。通过实验证明2种方法的结合具有良好的局部分析能力及自适应分解的特点,可以提取更加有效的特征值,因此在进行诊断时,具有更快的速度与更高的准确率。
- 文妍谭继文
- 关键词：小波包分解EMD故障诊断
- 滚动轴承故障信息的特征级融合与决策级融合被引量：3
- 2016年
- 在对滚动轴承原始故障信号完成特征提取与特征筛选的基础上,利用BP、RBF以及SVM三种网络模型对筛选完的特征量进行特征级融合[1];针对单一的网络模型的不确定性,通过隶属度熵值权重法确定了三种网络模型的不确定度[2],并引入D-S证据理论[3],对三种网络的计算结果进行决策级融合[4](以滚动轴承外圈故障为例),以提高对滚动轴承故障诊断精度。
- 王浩谭继文孙显彬
- 关键词：滚动轴承故障诊断特征级融合决策级融合D-S证据理论
- 基于信息熵与判断矩阵的D-S证据理论改进方法在故障诊断中的应用被引量：3
- 2013年
- 针对凭借单一的证据很难进行科学故障诊断的实际情况,提出基于Dempster-Shafer证据理论进行多源信息融合的故障诊断方法.由于D-S证据理论合成公式存在不足,针对各证据的重要性不同,提出了一种将信息熵与判断矩阵一致性相结合对各证据进行加权赋值,并对其进行加权调整的方法,应用D-S证据理论合成公式对加权调整后的证据进行决策级融合.此种方法将主观因素与客观因素相结合.实例分析结果表明:融合结果提高了置信度,降低了不确定性,显著提高了故障诊断的科学性,具有理论与应用价值.
- 战红谭继文薛金亮
- 关键词：DEMPSTER-SHAFER证据理论信息熵判断矩阵信息融合故障诊断
- 基于多传感器信息融合的滚动轴承故障诊断研究被引量：15
- 2016年
- 由于单一传感器所包含的故障信息不能全面地反映滚动轴承的故障状态,提出了一种基于多传感器信息融合的滚动轴承故障诊断方法。首先,利用不同位置的加速度传感器采集滚动轴承故障振动信号,经集成经验模态分解(EEMD)后,前8个固有模态分量(IMF)的能量值作为分类器支持向量机(SVM)的输入故障特征参量;其次,利用故障特征参量训练分类器SVM,并对测试样本进行分类,实现故障的初步分离;然后,根据混淆矩阵获得各分类器的全局可信度和局部可信度,并与各测试样本的后验概率输出结合实现DS证据理论中基本概率分配函数的赋值;最后,利用DS证据理论实现融合以获得最终诊断结果。试验结果表明:提出的方法可有效融合不同传感器的故障信息,最大限度地避免误诊现象。
- 俞昆谭继文李善
- 关键词：滚动轴承支持向量机DS证据理论信息融合
- 基于小波包分解和SVM的齿轮箱故障诊断被引量：2
- 2013年
- 为对齿轮箱的状态进行检测和控制,研究齿轮箱振动信号特征及小波包分解方法,并对特定频段进行重构,提取不同故障状态下的特征值,以此为输入建立了基于SVM的齿轮箱故障诊断系统。为解决随机选择SVM参数的盲目性,应用遗传算法和网格搜索法分别优化SVM的参数,并分析了采用两种不同寻优方式的齿轮箱故障诊断效果。结果表明:两种优化算法都能得到较高的识别率,且遗传算法对SVM诊断模型的优化效果要略优于网格搜索法。
- 宋平文妍谭继文
- 关键词：齿轮箱小波包分解SVM遗传算法
