共被期刊论文引用了3次
您的检索式：您选中1篇文献正在查看引证文献汇总
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于Kmeans-DBSCAN融合聚类的轴承异常温升诊断模型显示文摘经典聚类算法在机车异常轴温诊断应用中存在判别阈值参经验化设定与漏判率、误判率较高的问题。利用机车轴温测点的关联性、异常温升特征分布特点,提出一种基于Kmeans-DBSCAN融合聚类的轴承异常温升诊断模型。首先将轴承异常温升的诊断转化为多组关联序列中少数持续离群子序列的检测问题,再根据温度序列特征空间分布位置和局部密度差异性,通过Kmeans-BSCAN融合聚类分离出离群子序列,并实现了DBSCAN邻域判别阈值参数的自适应选取。基于某型机车履历数据的实例验证结果发现:该模型对异常温升诊断的准确率达100%,与Kmeans算法保持一致,比DBSCAN算法提高22.4%;误报率低至0.5%,比Kmeans算法降低18.5%,比DBSCAN算法降低12%。 | 罗怡澜 邹益胜 王超 邓佳林 | 2020 | 机械设计与制造2020，，3： | 9 |
| 2 | 基于膜聚类算法的风机振动故障诊断显示文摘在工业环境下,风机振动故障常常需要人工诊断,诊断效率低,不易完成实时计算和在线分析判断;针对上述问题,提出了一种膜聚类算法可用于风机振动故障的在线智能诊断;该算法将膜计算的方法引入到聚类中,并采用概率模型更新种群的方法实现最佳聚类中心的寻优;算法首先在多个数据集上进行聚类实验,实验结果显示该算法克服了常规聚类算法聚类结果不稳定,聚类质量差的缺点;然后将其应用于风机振动故障在线诊断系统中进行仿真测试,结果显示所采用的方法能满足风机振动故障在线智能诊断要求,也可应用于其他各类设备的振动故障在线智能诊断。 | 邹武俊 田涛 蒲家蓉 张宇森 | 2019 | 计算机测量与控制2019，27，2： | 2 |
| 3 | 风电机组传动系统故障诊断平台开发显示文摘风电机组传动系统结构复杂,其振动故障主要涉及到滚动轴承、轴和齿轮箱等关键部件,分析了各个结构部件的典型故障和失效形式,给出了故障机理及对应的振动信号特征。振动信号作为风电机组传动链故障特征信息的载体,能够有效反应风电机组传动链的相关故障,针对风电机组中存在大量的暂态和非稳态信号的特点,提出通过小波变换进行频率提取。设计了基于测量单元下位机+基于PC上位机架构的故障诊断系统,信号处理模块由各种基于小波算法的软件包实现,功能强大,系统的可裁减性好。 | 司文建 王武 | 2013 | 机械设计与制造2013，，9： | 2 |
您所在的机构暂未开通此部分的功能，请联系管理员