LMD
LMD的相关文献在1993年到2022年内共计137篇,主要集中在机械、仪表工业、自动化技术、计算机技术、电工技术
等领域,其中期刊论文85篇、专利文献52篇;相关期刊64种,包括噪声与振动控制、机械设计与制造、仪表技术与传感器等;
LMD的相关文献由385位作者贡献,包括孙伟、李新民、黄建萍等。
LMD
-研究学者
- 孙伟
- 李新民
- 黄建萍
- 刘岩
- 单剑锋
- 寇兴磊
- 师培峰
- 徐艳春
- 熊邦书
- 王振田
- 王金东
- 莫燕
- 豆春玲
- 邱伟
- 金小强
- 陈桂娟
- 付俊
- 付鑫
- 刘娜
- 刘宇
- 刘新元
- 占小红
- 原忠虎
- 吕勇
- 吕琛
- 周俊杰
- 周新民
- 夏小飞
- 孙延博
- 孟宗
- 季海燕
- 宋慧民
- 宋锐
- 崔冰波
- 崔彦平
- 左琳
- 廖贵玲
- 张健
- 张先辉
- 张历涛
- 张哲涵
- 张媛
- 张才林
- 张昌华
- 张琪
- 张磊
- 张艾丽
- 徐长源
- 成龙胜
- 方琳
-
-
赵立红;
程珩;
励文艳;
关澈
-
-
摘要:
针对柱塞泵故障特征难以提取、故障分类困难、故障诊断准确度不高的问题,提出局部均值分解(LMD)样本熵和支持向量机(SVM)结合的柱塞泵故障诊断方法研究。采集柱塞泵四种状态(正常、松靴、配流盘磨损、滑靴磨损)的多测点振动信号,将振动信号进行LMD分解和重构,提取重构信号的样本熵与原始信号标准差作为特征向量,将其输入SVM中进行训练和诊断,并与原始信号的特征向量诊断结果进行比较,诊断准确度可达99.5%以上。最后将SVM诊断结果与BP神经网络进行比较,结果表明SVM具有更高的速度和准确度。
-
-
朱锐锋;
刘水;
彭祥华;
张光明;
曾桂辉;
尹靖元
-
-
摘要:
在基于三次样条插值的局部均值分解方法(local mean decomposition based on cubic spline interpolation,CSI-LMD)中,三次样条插值在获取被测信号的包络线时缺乏灵活性,是影响该方法分解信号准确性的一个重要因素。有理样条插值作为三次样条插值的一般形式,可以通过其极点参数调节插值曲线的松紧度,灵活适应不同类型的被测信号。为提高LMD分解信号的准确性,采用有理样条插值代替三次样条插值,并结合二分法原理确定有理样条插值函数的最优极点参数值。通过对单一电能质量扰动信号和复合电压暂降扰动信号的时频分析,验证了基于有理样条插值的LMD方法(LMD based on rational spline interpolation,RSI-LMD)在检测和分析电压暂降扰动信号方面的有效性。
-
-
程海吉;
魏秀业;
徐晋宏;
赵峰
-
-
摘要:
针对机械传动设备行星齿轮箱极易发生故障的问题,减少行星齿轮箱故障诊断中传感器的布置数量,进而降低成本,在此提出一种基于局域均值分解(LMD)信息熵与相关分析相结合的行星齿轮箱测点优化方法。首先,使用LMD算法分解5种工况的振动测试信号;其次,用分解出的各分量与原始数据之间的相关系数筛选出包含主要故障信息的PF分量,并提取它们的信息熵特征,构造成样本特征向量;最后,对每种工况不同测点的信息熵特征向量进行相关性分析计算。统计分析各测点之间的相关性指标,对各测点进行筛选从而达到测点优化的目标。
-
-
杨静宗;
施春朝;
杨天晴;
李常芳
-
-
摘要:
针对高压隔膜泵单向阀故障振动信号的非平稳特性,提出基于局部均值分解法(LMD)和灰色关联度理论相结合的故障诊断方法。首先,利用LMD将高压隔膜泵单向阀不同运行状态下的振动信号分解成多个乘积函数。然后,计算所有乘积函数的互相关系数,并从中选择互相关程度高的乘积函数来提取相应的特征向量。最后,引入灰色关联度理论,构建单向阀故障诊断识别模型,并与基于经验模态分解法(EMD)以及基于混合特征建模、单一特征建模得到的结果进行了对比分析。实验表明,所提出的方法可以较好地分解单向阀故障信号,并有效地识别了小样本条件下的单向阀故障信号。
-
-
智春;
杨呈永;
崔建明
-
-
摘要:
针对蚁群算法容易陷入局部最优、网络流量预测准确性不高的问题,提出一种基于局部均值分解(LMD)改进蚁群优化高斯过程回归(GPR)的预测算法。考虑到网络流量的复杂性,使用LMD将网络流量分解成多个相关的子序列;通过GPR对网络流量子序列进行建模分析;用蚁群算法优化超参数,引入视线角度参数控制蚂蚁搜索时的视线范围,提高蚂蚁的局部搜索能力;通过莱维飞行更新蚂蚁搜索的步长,提高蚁群算法搜索的全局性。实验表明,改进后的蚁群算法搜索到了更优的值,与原有GPR算法相比,LMD分解后改进蚁群优化GPR的算法来预测网络流量,更好地拟合了网络流量的走向,提高了预测的效果,对维护网络安全具有一定的作用。
-
-
杨金显;
王小康;
仝小森
-
-
摘要:
针对旋转钻井过程中对钻头异常振动(横向振动、纵向振动、扭转振动)信号识别准确率低,效率差,导致钻具损坏甚至井眼报废的问题,提出一种基于局部均值分解(local mean decomposition,LMD)和脉冲神经网络的异常振动识别方法.首先,采用局部均值分解将微机电系统(Micro Electro Mechanical System,MEMS)加速度计信号分解为具有振动特征的PF分量;然后,从分解的乘积函数(Product function,PF)分量中提取随钻异常振动特征,并将提取到的加速度计振动特征编码为脉冲;其次,使用改进的学习规则训练脉冲神经网络对随钻异常振动进行识别.设计模拟实钻实验和仿真,训练后的脉冲神经网络可以对随钻振动的识别度达到99.39%,显示了该方法在实际应用中的巨大潜力.
-
-
张楠
-
-
摘要:
车载系统是电务系统中不可或缺的重要组成部分。为实现电务车载设备的反向管理、闭环管理、扁平管理,严格卡控车载作业标准和运行设备的状态,实现车载设备的零故障管理,我们使用了 LKJ 设备运行监测管理系统(简称 LMD)。
-
-
李艳辉;
于如信
-
-
摘要:
旋转机械长期处于连续运转状态,很容易发生故障.而其一旦出现故障,不仅会影响企业生产的经济效益,甚至还会引发重大事故.因此,对旋转机械进行状态检测及故障诊断有着重要现实意义.课题组提出了一种基于LMD和支持向量机相结合的故障诊断方法.这一方法首先运用LMD信号处理方法进行故障特征提取,然后采用支持向量机对提取的特征进行状态识别、分类.课题组以滚动轴承为例,阐述了基于LMD和支持向量机的旋转机械故障诊断的应用.
-
-
-
夏小飞;
芦宇峰;
苏毅;
杨健
-
-
摘要:
断路器操动机构中高频振动信号蕴含丰富的机械信息,为有效提取振动中高频分量进行诊断分析,提出了一种新的断路器操动机构机械故障诊断方法。此方法对采集到的振动信号时域波形通过CEEMDAN分解,并根据熵权法对其高频分量进行重构以得到去噪信号,将去噪后的信号进行LMD分解,对分解得到的PF分量求取多尺度排列熵作为KFCM识别算法的输入特征分量。经KFCM识别结果表明,此机械故障诊断方法对断路器操动机构转轴卡涩、底座松动、拒动等典型故障具有较高的识别率。