机械设计与研究 ›› 2019, Vol. 35 ›› Issue (02): 155-159.doi: 10.13952/j.cnki.jofmdr.a4880
汪开正;黄亦翔;张旭东;李彦明;
出版日期:2019-04-20
发布日期:2019-04-20
Online:2019-04-20
Published:2019-04-20
摘要： 采用一种基于AdaBoost特征选择和SOM(自组织映射)相结合的电机故障诊断方法。通过对不同电机状态的性能试验,采集驱动电机的振动信号,对信号进行时域、频域以及小波包处理,构建信号的原始特征。利用AdaBoost算法和相关性去除冗余和关联度高的特征,选取具有强区分能力的特征,采用SOM对各电机状态进行故障分类,识别电机的运行状态。试验表明,该方法能够对电机的故障特征进行有效提取,提高了对电机状态的识别能力,鲁棒性更好。
汪开正;黄亦翔;张旭东;李彦明;. 基于AdaBoost-SOM方法的电机故障诊断[J]. 机械设计与研究, 2019, 35(02): 155-159.
| [1] | 许勇, 蔡云泽, 宋林. 基于数据驱动的核电设备状态评估研究综述[J]. 上海交通大学学报, 2022, 56(3): 267-278. |
| [2] | 刘秀丽, 徐小力. 基于特征金字塔卷积循环神经网络的故障诊断方法[J]. 上海交通大学学报, 2022, 56(2): 182-190. |
| [3] | 马航宇, 周笛, 卫宇杰, 吴伟, 潘尔顺. 变工况下基于自适应深度置信网络的轴承智能故障诊断[J]. 上海交通大学学报, 2022, 56(10): 1368-1377. |
| [4] | 胡晓强，仲训昱，张霄力，彭侠夫，何荧. 基于支持向量机辅助的四轴陀螺两级故障诊断方法[J]. 上海交通大学学报, 2020, 54(11): 1151-1156. |
| [5] | 高家宝;许昕;潘宏侠;付志敏;. 基于信息熵与神经网络的供输弹系统早期故障诊断[J]. 机械设计与研究, 2020, 36(02): 181-184+188. |
| [6] | 赵璐;许昕;潘宏侠;付志敏;高家宝;. 基于信息熵与信息融合的供输弹系统故障诊断研究[J]. 机械设计与研究, 2020, 36(01): 169-172. |
| [7] | 郭维诚，李蓓智，杨建国，周勤之. 磨削过程信号监测与砂轮磨损预测模型构建[J]. 上海交通大学学报, 2019, 53(12): 1475-1481. |
| [8] | 张龙;宋成洋;邹友军;崔路瑶;雷兵;. 基于VMD多特征融合与PSO-SVM的滚动轴承故障诊断[J]. 机械设计与研究, 2019, 35(06): 96-104. |
| [9] | 李东;刘广璞;黄晋英;张安安;. 基于EEMD-SVD与SVM的轴承故障诊断[J]. 机械设计与研究, 2019, 35(06): 123-127. |
| [10] | 张航;许昕;潘宏侠;梁海英;. 基于ITD与PSO-SVM的供输弹系统故障诊断[J]. 机械设计与研究, 2019, 35(06): 197-200. |
| [11] | 陆纪文;. 基于MCKD与1.5维Teager能量谱的滚动轴承故障诊断方法[J]. 机械设计与研究, 2019, 35(03): 100-103. |
| [12] | 王宜静;谭海燕;. 基于多维度互近似熵的滚动轴承故障诊断方法研究[J]. 机械设计与研究, 2019, 35(01): 110-112+124. |
| [13] | 梁海英;许昕;潘宏侠;付志敏;. 基于EEMD与模糊核聚类的供输弹系统早期故障识别[J]. 机械设计与研究, 2019, 35(01): 192-195. |
| [14] | 熊国良;毛志德;张龙;崔路瑶;. 基于总体平均经验模态分解与1.5维谱的滚动轴承故障诊断方法[J]. 机械设计与研究, 2019, 35(01): 100-104. |
| [15] | 逯程1，徐廷学1，王虹2. 基于属性粒化聚类与回声状态网络的末制导雷达故障诊断[J]. 上海交通大学学报（自然版）, 2018, 52(9): 1112-1119. |
| 阅读次数 | ||||||
|
全文 |
|
|||||
|
摘要 |
|
|||||
