公开(公告)号：CN108709745A

公开(公告)日：2018-10-26

申请号：CN201810407310.3

申请日：2018-05-02

Applicant: 东北林业大学

Inventor： 陶新民 ,  刘锐 ,  任超 ,  梁祥磊 ,  郭文杰 ,  刘艳超 ,  陶思睿

IPC: G01M13/04

Abstract: 一种基于增强型LPP算法和极限学习机快速轴承故障识别方法，其特征在于：该方法包括以下步骤：(1)收集轴承在不同工状下的振动信号经分段处理后构成训练样本集合；(2)对步骤(1)获取的训练样本集合进行小波广义高斯分布特征和能量谱特征提取；(3)对步骤(2)获取的特征矩阵X*利用z‑score法进行归一化处理，使其范围在[‑1，1]之间；(4)对步骤(3)得到特征矩阵进行增强型局部保持投影分析，最终确定WEnLPP；(5)利用步骤(4)得到的投影向量WEnLPP计算系数向量X＇EnLPP＝X*×WEnLPP；(6)利用步骤(5)求得的X＇EnLPP训练极限学习机模型Melm，(7)对收集到的该轴承振动信号经步骤(1)、(3)和(5)处理后输入到Melm根据输出结果确定最终工况。本发明申请应用于轴承设备的故障识别问题。

公开(公告)号：CN108709745B

公开(公告)日：2020-08-11

申请号：CN201810407310.3

申请日：2018-05-02

Applicant: 东北林业大学

Inventor： 陶新民 ,  刘锐 ,  任超 ,  梁祥磊 ,  郭文杰 ,  刘艳超 ,  陶思睿

IPC: G01M13/045

Abstract: 一种基于增强型LPP算法和极限学习机快速轴承故障识别方法，其特征在于：该方法包括以下步骤：(1)收集轴承在不同工状下的振动信号经分段处理后构成训练样本集合；(2)对步骤(1)获取的训练样本集合进行小波广义高斯分布特征和能量谱特征提取；(3)对步骤(2)获取的特征矩阵X*利用z‑score法进行归一化处理，使其范围在[‑1，1]之间；(4)对步骤(3)得到特征矩阵进行增强型局部保持投影分析，最终确定WEnLPP；(5)利用步骤(4)得到的投影向量WEnLPP计算系数向量X＇EnLPP＝X*×WEnLPP；(6)利用步骤(5)求得的X＇EnLPP训练极限学习机模型Melm，(7)对收集到的该轴承振动信号经步骤(1)、(3)和(5)处理后输入到Melm根据输出结果确定最终工况。本发明申请应用于轴承设备的故障识别问题。

公开(公告)号：CN108596488A

公开(公告)日：2018-09-28

申请号：CN201810376569.6

申请日：2018-04-25

Applicant: 东北林业大学

Inventor： 陶新民 ,  刘锐 ,  梁祥磊 ,  任超 ,  郭文杰 ,  刘艳超 ,  陶思睿

IPC: G06Q10/06 ,  G06Q10/08 ,  G06K9/62

Abstract: 一种基于熵规范化局部保持投影城市物流水平评价方法，其特征在于：该方法包括以下步骤：(1)确定城市物流水平评价准则，并进行产出和投入指标的分类；(2)对步骤(1)获取的投入指标取倒数并对所有指标利用最大最小法进行归一化处理，使其范围在[0，1]之间；(3)对步骤(2)获取的归一化数据矩阵X*进行主元成分分析以及熵规范化局部保持投影分析，最终确定投影向量PPca和WELpp；(4)利用步骤(3)得到的投影向量计算全局分布特征系数向量X′Pca＝PPcaTX*以及局部分布特征系数向量X′ELpp＝WELppTX*；(5)对步骤(6)中求得的X′Pca和X′ELpp进行加权处理得到最终的评价系数向量X′，对X′进行降序排列即为最终城市物流水平评价结果。本发明申请应用于城市物流水平的评价问题。