李想
- 作品数：7 被引量：17H指数：3
- 供职机构：昆明理工大学冶金与能源工程学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：电气工程农业科学交通运输工程动力工程及工程热物理更多>>
- 基于EEMD结合LCTDBO-BP的水泵机组故障诊断被引量：2
- 2025年
- 水泵机组振动信号的诊断对机组安全稳定运行至关重要.基于现有技术存在的诸多问题,提出一种基于EEMD分解融合多尺度排列熵和多策略优化算法结合的水泵机组故障诊断模型.利用EEMD对原始信号进行分解并进行重构,然后计算重构信号的多尺度排列熵组作为特征集,最后建立DBO-BP故障诊断模型.针对DBO算法易陷入局部最优解和迭代速度慢等问题,采用莱维飞行、混沌映射和自适应t分布3种方法对蜣螂算法进行优化,最终得到LCTDBO-BP的新模型.为探究优化后模型的性能,引入多种维度的函数进行再次分析.结果表明,在单峰和多峰函数下,所提模型具有明显的优越性.同时利用转子故障平台数据模拟水泵机组典型故障并进行故障分类验证,仿真结果表明该模型的准确度达到了98%,与未优化模型对比提高了8%.该项研究为水泵机组故障诊断提供了新的手段.
- 吕顺利曾云李想张兼博汪洋赵翔宽
- 关键词：水泵机组故障诊断优化算法特征提取
- 融合EEMD-CNN的水电机组磨碰故障声纹识别模型被引量：6
- 2024年
- 水电机组声纹信号包含大量反映内部机械状态的有效信息,为了准确提取水电机组磨碰故障声纹特征,提出一种基于聚合经验模态分解(EEMD)与卷积神经网络(CNN)相结合的水电机组磨碰声纹识别模型。首先将水电机组噪声信号进行EEMD分解,得到若干本征模态分量(IMF)和残余分量(Res),然后将得到的IMF和Res与原噪声信号构建融合特征向量;以融合特征向量为输入,碰磨故障输出,正常和碰磨故障试验数据为样本,训练CNN深度学习神经网络,得到水电机组磨碰故障识别器,识别水电机组磨碰故障。结合水机电耦合平台和实际机组试验磨碰数据,验证了所提方法对水电机组碰磨故障识别效果,平均准确率达到99.8%,且该方法识别效果显著优于其他几种识别模型。
- 肖博屹曾云刀方邹屹东李想拜树芳
- 关键词：水电机组卷积神经网络故障诊断
- 使用CO_2-Ar混合气体悬浮精炼不锈钢被引量：4
- 2017年
- 不锈钢生产成本的降低以及CO_2在炼钢过程中的资源化利用是当前冶金工作者研究的热点之一。提出了一种利用电磁悬浮精炼不锈钢脱除其中碳、硫的方法;从动力学的角度分析了碳、硫等元素在悬浮精炼不锈钢熔体状态下脱除的原理。试验结果表明,CO_2可以在电磁悬浮状态下代替O_2对不锈钢进行精炼,此状态下不锈钢试样组分挥发少,w(C)可以脱除到0.04%;脱硫效果与试样中w(C)有关,w(C)越高,脱硫效果越好;改变气体流速和CO_2分压等参数时,试样中的w(Cr)几乎保持一个常数,这说明使用CO_2悬浮精炼不锈钢时不会伴随着重要元素铬的流失,保铬效果明显。
- 李想张桂芳杨印东施哲高磊
- 关键词：不锈钢精炼
- TSMSE结合IOOA-BiLSTM的水电机组轴系故障诊断方法被引量：3
- 2024年
- 为提高水电机组轴系振动故障诊断的准确率,本文提出了一种新的诊断方法。首先,基于完全自适应噪声集合经验模态分解(CEEMDAN)进行振动信号预处理;其次,基于时移多尺度思想,引入时移多尺度样本熵(TSMSE)模型,以克服传统多尺度样本熵鲁棒性差以及粗粒化不足的问题;最终,将TSMSE提取的故障特征集输入经过改进鱼鹰算法(IOOA)优化的双向长短时记忆网络(BiLSTM),进行故障特征分类。通过对原始信号添加SNR=5 dB噪声并引入两种特征熵与TSMSE对比,分析TSMSE的抗噪性能。仿真实验表明,在给定数据集下TSMSE特征提取能力明显优于另外两种方法。同时,所提故障诊断模型应用在原始信号和含噪信号两种情况下,分别取得了100%以及97.22%的准确率,验证了所提模型的良好性能,为水电机组故障诊断提供新的科学方法。
- 张兼博李想曾云唐跨纪
- 关键词：水电机组
- MEA优化BP神经网络的压力脉动预测方法被引量：2
- 2022年
- 对于混流式水轮机而言,尾水管的压力脉动是导致机组振动、影响机组稳定运行的重要因素。为了在机组设计阶段就能有效预测混流式水轮机尾水管的压力脉动并对其采取相应措施以减小压力脉动,引入BP神经网络对压力脉动进行预测,利用思维进化算法(MEA)的全局搜索能力优化BP神经网络的权值和阈值。结果表明,经过MEA优化后的BP神经网络预测精度可达0.99148,比传统BP神经网络的预测精度提高0.721%。MEA优化BP的压力脉动预测效果比传统BP的预测效果更好、精度更高,可用于实际工程。
- 陈家焕曾云邓育林李想钱晶
- 关键词：尾水管压力脉动思维进化算法BP神经网络
- 多策略改进的SSA-VMD和BiLSTM的水泵机组特征识别
- 2025年
- 提出一种ISSA结合VMD与多维统计指标的水泵机组特征提取方法,并将ISSA应用于BiLSTM,以提升后续水泵机组故障特征分类的准确率.首先利用ISSA确定VMD的最佳分解参数,提取高质量的模态分量.随后计算模态分量的多维统计指标,基于此构建综合特征向量.最终,将多维特征向量输入故障诊断模型进行特征分类.试验结果表明,在给定数据集下,所提故障诊断方法准确率高达98.75%.同时,为探究所提模型的良好效果,引入SSA,WOA,GTO进行对比分析,结果显示在相同模型条件下,ISSA算法效果明显优于其他优化算法.并且,采用多维统计指标构建特征向量的效果也明显优于利用单一指标作为故障特征.研究成果为处理实际振动信号提供了一种有效解决方案.
- 张兼博曾云李想
- 关键词：水泵机组
- 基于UPEMD融合RCMCSE和ALWOA-BP的水电机组故障诊断被引量：1
- 2024年
- 水电机组振动信号的诊断对机组安全稳定运行至关重要。本文提出一种基于均匀相位经验模态分解(Uniform Phase EMD,UPEMD)融合精细复合多尺度余弦相似熵(Refined Composite Multiscale CSE,RCMCSE)和改进鲸鱼算法优化反向传播神经网络(ALWOA-BP)的水电机组故障诊断方法。利用UPEMD对原始信号进行分解,然后建立WOA-BP故障诊断模型。针对WOA算法快速陷入局部最优和过早收敛的问题,采用自适应权重和莱维飞行对WOA算法进行优化。实验结果表明,该方法的准确率达到了100%。为探究所提模型的抗噪性能,引入信噪比为2 dB的噪声进行再次分析,诊断结果为94.44%,明显优于其他未优化模型。该项研究可以对现有水电机组故障诊断方法进行有价值的补充。
- 李想钱晶曾云
- 关键词：水电机组故障诊断
