孙国秀
- 作品数：3 被引量：121H指数：2
- 供职机构：燕山大学电气工程学院河北省测试计量技术及仪器重点实验室更多>>
- 发文基金：河北省自然科学基金国家自然科学基金更多>>
- 相关领域：机械工程电气工程更多>>
- 基于EEMD样本熵和GK模糊聚类的机械故障识别被引量：31
- 2013年
- 针对目前各种机械故障诊断方法的局限性,提出了基于总体平均经验模式分解(EEMD)样本熵和GK模糊聚类的故障特征提取和分类方法,建立了一种机械故障准确识别的有效途径。首先,对机械振动信号进行EEMD分解,得到若干不同时间尺度的固有模态函数(IMF)分量。其次,通过相关性分析和能量相结合的准则对IMF分量进行筛选,并将筛选出的IMF分量的样本熵组成故障特征向量。最后,将构造的特征向量输入到GK模糊聚类分类器中进行聚类识别。实验及工程实例证明了该方法的有效性和优越性。
- 王书涛李亮张淑清孙国秀
- 风力发电机齿轮箱故障特征提取及分类方法的研究
- 风力以其清洁﹑可再生﹑蕴藏量大﹑分布广等优点引起了人们的重视。现在风力资源主要是是用于风力发电，风力发电机作为连接机械能与电能交换的纽带在风力发电中起着至关重要的作用，如果发电机出现问题，直接影响电力系统的正常运行。本文...
- 孙国秀
- 关键词：风力发电机齿轮箱故障诊断特征提取局部均值分解
- 文献传递
- 基于LMD近似熵和FCM聚类的机械故障诊断研究被引量：98
- 2013年
- 提出一种基于局部均值分解(local mean decomposition,LMD)近似熵和模糊C均值聚类(fuzzy C-means clustering,FCM)相结合的机械故障诊断方法。首先对机械振动信号进行LMD分解,得到若干具有物理意义的乘积函数(product function,PF)分量,再通过相关性分析,筛选出与原始信号相关性最大的3个分量作为数据源,求取其近似熵作为特征向量,最后通过FCM模糊聚类对特征向量进行识别分类。实验表明,基于LMD近似熵和FCM模糊聚类相结合的方法对机械故障信号能够有效准确地进行识别分类,此外,将该方法与基于EMD近似熵和FCM结合的方法进行对比,结果表明该方法具有更好的故障识别效果。
- 张淑清孙国秀李亮李新新监雄
- 关键词：局部均值分解模糊C均值聚类近似熵故障诊断
