您的位置： 专家智库 > >

冯睿智

作品数：6 被引量：18H指数：3
供职机构：沈阳理工大学机械工程学院更多>>
相关领域：机械工程金属学及工艺自动化与计算机技术更多>>

合作作者

文献类型

  • 6篇中文期刊文章

领域

  • 5篇机械工程
  • 1篇金属学及工艺
  • 1篇自动化与计算...

主题

  • 3篇轴承
  • 2篇遗传算法
  • 2篇神经网
  • 2篇神经网络
  • 2篇轴承故障
  • 2篇轴承故障诊断
  • 2篇网络
  • 2篇滚动轴承
  • 2篇SOM神经网...
  • 2篇齿轮
  • 2篇齿轮故障
  • 1篇订购决策
  • 1篇学习机
  • 1篇奇异值
  • 1篇奇异值分解
  • 1篇权值
  • 1篇逻辑
  • 1篇逻辑回归
  • 1篇免疫遗传
  • 1篇免疫遗传算法

机构

  • 6篇沈阳理工大学

作者

  • 6篇魏永合
  • 6篇冯睿智
  • 5篇魏超
  • 4篇王晶晶
  • 1篇刘雪丽

传媒

  • 3篇沈阳理工大学...
  • 1篇机床与液压
  • 1篇组合机床与自...
  • 1篇机械工程与技...

年份

  • 1篇2018
  • 4篇2017
  • 1篇2016
共 6 条 记 录，以下是 1-6
全选 清除 导出
排序方式：
一种优化的SOM模型及其在轴承故障诊断中的应用被引量：4
2017年
SOM网络作为一种无导师的神经网络,因其具有较强的聚类能力而被广泛应用于各个领域,针对SOM神经网络在训练过程中对权值的初始化及邻域的更新过程中存在的不足,提出一种优化方法,该方法通过"概率正态分布法"使初始权值更为合理的分布在可行空间中,通过衡量权值与输入向量间的亲和力来确定邻域范围的大小。实验数据证明:优化后的SOM神经网络在识别轴承故障类型时效果良好。
魏永合冯睿智魏超王晶晶
关键词：SOM神经网络初始权值
基于故障预测的备件订购决策优化模型被引量：1
2017年
针对退化状态分布函数未知的关键备件订购问题,考虑故障预测结果和备件订购相结合,提出一种基于故障预测的备件订购决策优化方法。首先,根据由状态检测信息得到的设备剩余寿命的预测结果,以备件订购时的剩余寿命为阈值制定备件订购决策策略;然后,根据更新过程理论,以规定可用度为约束条件,以单位时间内的期望费用最小为优化目标,建立以故障预测间隔期和备件订购阈值为优化变量的优化模型。采用人群搜索算法优化求解,得到系统最佳的故障预测间隔期和备件订购阈值。最后,通过引入算例,对所建模型优化仿真求解,得到设备最优的故障预测间隔期和备件订购阈值,验证了所建模型的可行性和有效性。
刘雪丽魏永合冯睿智魏超
关键词：故障预测
基于EEMD和ELM的齿轮故障状态识别被引量：8
2017年
由于传统智能故障诊断方法所需调整参数多且难以确定、训练速度慢,致使齿轮轴承故障分类精度、效率差的问题,提出一种基于集合经验模态分解与极限学习机结合的齿轮诊断方法。首先将采集的信号经EEMD后,提取与原信号相关较大的IMF能量指标,建立齿轮的极限学习机故障分类模型;最后,将能量指标组成的特征向量作为模型输入进行齿轮不同故障状态的分类识别。把ELM识别的结果与SVM识别结果作对比,结果表明ELM的齿轮故障诊断方法具有较快的运行速度、较高的分类精度。
魏永合魏超冯睿智王晶晶
关键词：齿轮故障故障识别
IGA优化的SOM在滚动轴承故障诊断中的应用被引量：3
2018年
针对在滚动轴承故障诊断过程中难以对发生故障的类型做出正确判断,提出一种借助免疫遗传算法优化自组织映射神经网络的故障诊断模型。对采集到的滚动轴承振动信号进行集合经验模态分解,将其分解为若干个固有模态函数之和,选取含有主要故障信息的IMF分量进行能量特征的提取并归一化,输入到经过IGA优化后的SOM神经网络进行故障状态的识别。结果证明,通过优化SOM神经网络的权值,提高了故障诊断的准确性,最后通过实验验证该方法的可行性。
矫晶晶魏永合冯睿智卢子乾
关键词：免疫遗传算法SOM神经网络滚动轴承
基于LMD和逻辑回归的滚动轴承故障状态类型识别
2016年
针对滚动轴承的故障振动信号的非线性非平稳性,提出了一种基于局部均值分解(Local Mean Decomposition, LMD)方法和逻辑回归(LR)的滚动轴承故障诊断方法。该方法将采集到的滚动轴承内圈、外圈振动信号进行LMD方法处理后,采用遗传算法(GA)和逻辑回归结合进行模型中的参数选择,通过逻辑回归进行训练和测试,结果表明该方法可以有效地对滚动轴承故障类型进行识别。
王晶晶魏永合冯睿智魏超
关键词：逻辑回归滚动轴承
EEMD与SVD的齿轮故障诊断技术研究被引量：2
2017年
对齿轮信号奇异值分布规律进行研究,提出一种EEMD-SVD差分谱组合模式。对原始信号做集合经验模态分解得到一系列固有模态分量,对其进行有效的筛选并且重构,对重构的信号构造Hankel矩阵,再通过SVD对矩阵做正交分解,利用奇异值差分谱来选择奇异值进行SVD重构,由此实现对弱故障特征信息提取。从齿轮信号的处理结果看出,该方法对复杂信号中的弱故障特征信息具有优良的提取效果。
魏永合魏超冯睿智王晶晶
全选 清除 导出
共1页<1>
聚类工具0