基于半监督学习的机械设备离群状态智能预报方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    50605021
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    23.0万
  • 负责人：
    李巍华
  • 依托单位：
    华南理工大学
  • 学科分类：
    E0503.机械动力学
  • 结题年份：
    2009
  • 批准年份：
    2006
  • 项目状态：
    已结题
  • 起止时间：
    2007-01-01 至2009-12-31

项目摘要

针对旋转机械系统健康监控中设备离群状态早期检测的难题，从现代信号处理技术、无监督学习与核学习等方法出发，结合半监督学习的理论思想，研究基于正常状态样本的设备早期离群状态预报的若干理论与方法；从数据驱动角度出发，将主动学习思想引入样本的学习过程，主动选择利于分类的样本，研究基于支持向量机、核判别分析、核函数估计的半监督离群监测方法；以齿轮箱为对象，进行典型故障特征提取实验和疲劳试验，研究离群状态的模式演化特征，研究基于支持向量回归、基于核函数估计的趋势分析方法，对离群状态的发生、发展与演变过程进行预测。通过本项目研究为诊断知识获取、离群状态早期预报等提供新方法和新工具，促进智能预报与诊断方法走向实用。

结项摘要

项目成果

期刊论文数量（7）
专著数量（0）
科研奖励数量（0）
会议论文数量（6）
专利数量（0）
基于半监督模糊核聚类的齿轮箱离群检测方法
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    机械工程学报
  • 影响因子：
    --
  • 作者：
    毕锦烟;李巍华
  • 通讯作者：
    李巍华
基于关联向量机的齿轮故障检测方法研究
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    振动与冲击
  • 影响因子：
    --
  • 作者：
    周晓英;丁康;李巍华
  • 通讯作者：
    李巍华
离散频谱四点能量重心校正法及抗噪性能分析
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    振动工程学报
  • 影响因子：
    --
  • 作者：
    丁康;林慧斌
  • 通讯作者：
    林慧斌
A novel method for improving analysis precision of transient torsional vibration of engine
提高发动机瞬态扭振分析精度的新方法
  • DOI：
    10.1504/ijvd.2009.024958
  • 发表时间：
    2009-05
  • 期刊：
    International Journal of Vehicle Design
  • 影响因子：
    0.5
  • 作者：
    Yang, Zhijian;Ding, Kang
  • 通讯作者：
    Ding, Kang
基于频谱校正理论的阶比跟踪分析
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    机械工程学报
  • 影响因子：
    --
  • 作者：
    杨志坚;丁康;梁茜
  • 通讯作者：
    梁茜

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

基于广义S变换与双向2DPCA的轴承故障诊断
  • DOI：
    10.16450/j.cnki.issn.1004-6801.2015.03.016
  • 发表时间：
    2015
  • 期刊：
    振动.测试与诊断
  • 影响因子：
    --
  • 作者：
    李巍华;林龙;单外平
  • 通讯作者：
    单外平
基于最近最远距离保持投影算法的发动机失火状态识别
  • DOI：
    --
  • 发表时间：
    2015
  • 期刊：
    机械工程学报
  • 影响因子：
    --
  • 作者：
    李巍华;张绍辉
  • 通讯作者：
    张绍辉
小波包熵在滚动轴承性能退化评估中的应用
  • DOI：
    --
  • 发表时间：
    2012
  • 期刊：
    振动与冲击
  • 影响因子：
    --
  • 作者：
    戴炳雄;李巍华
  • 通讯作者：
    李巍华
基于图论和直推式支持矢量机的齿轮早期故障诊断
  • DOI：
    --
  • 发表时间：
    2010
  • 期刊：
    机械工程学报
  • 影响因子：
    --
  • 作者：
    李巍华;刘雯
  • 通讯作者：
    刘雯
基于改进堆叠降噪自编码的滚动轴承故障分类
  • DOI：
    --
  • 发表时间：
    2018
  • 期刊：
    机械工程学报
  • 影响因子：
    --
  • 作者：
    侯文擎;叶鸣;李巍华
  • 通讯作者：
    李巍华

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

李巍华的其他基金

基于元迁移学习框架的谐波减速器故障诊断方法研究
  • 批准号：
  • 批准年份：
    2022
  • 资助金额：
    54 万元
  • 项目类别：
    面上项目
基于深度迁移学习的机械系统智能诊断方法研究
  • 批准号：
    51875208
  • 批准年份：
    2018
  • 资助金额：
    65.0 万元
  • 项目类别：
    面上项目
基于深度学习与信息融合的机械系统健康评估方法研究
  • 批准号：
    51475170
  • 批准年份：
    2014
  • 资助金额：
    80.0 万元
  • 项目类别：
    面上项目
基于流形学习与多源信息融合的复杂机械系统健康监测与故障智能预示方法研究
  • 批准号：
    51075150
  • 批准年份：
    2010
  • 资助金额：
    40.0 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码