变量预测模型相关论文
滚动轴承作为机械设备中的重要零部件之一,在旋转机械中起到了重要的支承作用。但是在实际工况中,轴承的工作环境往往相对恶劣,长......
针对变压器故障诊断中的小样本、非线性、参数寻优难等问题,提出改进的变量预测模型的变压器故障诊断方法.分析变量预测模型和布谷......
机械振动信号呈现分形特征,多重分形方法既能描述信号整体的不规则性,同时还可精细地刻画信号局部的特性.为提取非线性信号特征,提......
基于变量预测模型的模式识别(VPMCD)方法是一种新的模式识别方法,它认为特征值之间具有内在的关系,并通过这种特征值的内在关系建......
针对传统基于变量预测模型的模式识别方法在小样本情况下识别精度较低的问题,提出一种基于递归量化特征优化选择的集成变量预测模......
在通过特征值间的内在关系建立预测模型的变量预测模式识别方法(VPMCD)中,传统判别方法受特征向量中的个别特征预测异常值影响大,......
期刊
电力设备的在线监测数据呈现出大数据的特性,而变压器故障诊断存在小样本分类效果差等问题。大数据存储和处理技术可有效解决传统......
滚动轴承是旋转机械中常用的零部件之一,但由于现场条件恶劣等因素,滚动轴承也是容易损坏的部件之一,旋转机械的很多故障都与滚动......
表面粗糙度对机械零件的性能和寿命具有重大的影响。随着图像处理技术的发展,机器视觉已经成为了工业自动化检测道路上不可小觑的......
将基于变量预测模型（VariablePredictiveModelbasedClassDiscriminate，VPMCD）的方法引入滚动轴承的故障诊断，提出了基于EMD（EmpiricalMo......
针对矿浆管道工况调整给泄漏检测带来的干扰,准确提取泄漏信号的特征量是降低泄漏误报、漏报的关键。提出了一种基于经验模态分解（E......
提出了一种基于部分集成局部特征尺度分解（Partly ensemble local characteristic-scale decomposition,PELCD）、拉普拉斯分值（Laplac......
提出一种基于总体经验模态分解（ensemble empirical mode decomposition， EEMD）模糊熵和变量预测模型的转子故障诊断新方法，并将其应用......
基于变量预测模型的模式识别（variable predictive model based class discriminate,VPMCD）方法是一种充分利用特征值之间相互内在关......
针对滚动轴承早期微弱故障信号易受噪声、光滑信号影响而难以检测的问题,提出将奇异值分解(singular value decomposition,SVD)突......
为了提高旋转机械故障诊断的性能,提出了基于排列熵和变量预测模型的故障诊断方法。使用固有时间尺度分解法分解初始故障信号,得到......
针对传统变压器故障诊断方法存在小样本问题下分类效果差、海量监测数据的识别效率低下等问题,提出基于Spark计算框架的并行化变量......
为解决传统变压器故障诊断存在监测大数据、小样本分类效果差等问题,提出一种基于变量预测模型(VPMCD)和堆栈降噪自编码(SDAE)的故......
针对液压泵振动信号具有非线性、非平稳性,以及信噪比低等特点,提出了基于完备总体经验模态分解和模糊熵结合的液压泵性能退化特征......
聚合经验模态分解和基于变量预测模型的模式识别的结合是一种有效的机械故障诊断方法。针对该方法在高速列车故障诊断时存在小样本......
为了解决局部放电类型未知的样本无法被正确识别的问题，提出了一种基于核极限学习机一变量预测模型（KELM．VPMCD）的未知局部放电类型的......
如何在含有噪声的振动信号中提取特征参数,是轴承故障诊断的关键问题,为此提出一种基于Morlet小波-奇异值分解（Singular Value Deco......
从旋转机械振动信号复杂度分析的角度，展开相关特征熵提取方法的研究，构造出一组能够有效区分不同故障状态振动信号的多尺度模糊熵。......
机械设备状态监测和故障诊断对于保证机械设备的健康运行、早期故障的预警以及故障发生的正确定位与诊断都有重要的理论和实际意义......
滚动轴承是机械设备中使用最广泛，且极易损坏的零件之一，由其引发的故障是引起设备失效的重要原因。对滚动轴承进行工作状态和寿命预......
识别局部放电的类型对变压器状态评估十分重要。文中构造了四种变压器局部放电实物模型,从放电信号中提取18个统计特征量,使用基于......
