您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 基于奇异值分解和深度信度网络多分类器的滚动轴承故障诊断方法

  2. 摘 要:提出一种基于奇异值分解(SVD)和深度信度网络(DBN)多分类器的滚动轴承故障诊断方法.对滚动轴承的振动信号进行相空间重构,得到相应的特征矩阵;对特征矩阵进行SVD分解,并 用所得整个奇异值序列构造特征向量,建立DBN 多分类器模型,以实现滚动轴承的故障诊断;同 时,将所提出的方法与DBN、反向传播神经网络、支持向量机等算法进行对比.结果表明,所提出的 方法能够更加稳定、可靠地识别滚动轴承的故障类型和故障程度.
  3. 所属分类:专业指导

    • 发布日期:2018-09-05
    • 文件大小:385kb
    • 提供者:u011473714
  1. 滚动轴承故障诊断中的Volterra核-HMM识别方法

  2. 结合Volterra级数和隐Markov模型,提出了一种基于Volterra核特征提取的HMM故障识别方法。在该方法中,利用子空间法从正常、滚动体故障、内圈故障和外圈故障4种不同的轴承中提取Volterra核作为特征向量,然后,输入到各种故障模式的HMM中进行识别。提出方法利用电机转轴末端滚动轴承采集的实验数据得到了验证。
  3. 所属分类:其它

    • 发布日期:2020-05-14
    • 文件大小:350kb
    • 提供者:weixin_38537689
  1. 基于EEMD降噪和HMM的采煤机摇臂滚动轴承故障诊断

  2. 提出一种集合经验模态分解(EEMD)降噪与隐马尔科夫模型(HMM)的采煤机摇臂滚动轴承故障诊断方法。采用基于峭度准则的EEMD对采集到的振动信号进行降噪预处理,筛选出包含主要特征频率的本征模态函数(IMF),通过求取IMF信息熵提取出敏感特征集,结合训练好的HMM分类模型,对滚动轴承故障类型进行诊断识别。实验数据分析表明,所提出的基于EEMD降噪和HMM的故障诊断方法可以准确区分滚动轴承故障类型,对于4种状态轴承的识别率达到90%以上,是一种有效的采煤机摇臂滚动轴承故障诊断方法 。
  3. 所属分类:其它

    • 发布日期:2020-05-13
    • 文件大小:255kb
    • 提供者:weixin_38513565
  1. 采煤机滚动轴承故障诊断新方法

  2. 针对基于K-means聚类算法的采煤机滚动轴承故障诊断结果存在不稳定的问题,提出了一种基于TDKM-RBF神经网络的采煤机滚动轴承故障诊断新方法。该方法采用Tree Distribution算法确定K-means聚类算法的初始聚类中心,消除K-means聚类结果的波动性,采用K-means算法确定RBF神经网络的参数,再将训练好的神经网络用于故障诊断。仿真结果表明,该方法的聚类过程迅速,稳定性较高,提高了采煤机滚动轴承故障诊断的正确率。
  3. 所属分类:其它

    • 发布日期:2020-04-22
    • 文件大小:194kb
    • 提供者:weixin_38588854
  1. 基于决策树与神经网络结合的滚动轴承故障诊断方法

  2. 基于决策树与神经网络结合的滚动轴承故障诊断方法,贾智涵,王晨升,提出了一种基于决策树与神经网络方法结合的改进滚动轴承故障诊断方法。该方法对滚动轴承振动信号进行EMD分解,使用决策树对分解信
  3. 所属分类:其它

    • 发布日期:2020-02-16
    • 文件大小:530kb
    • 提供者:weixin_38716460
  1. 基于多尺度Hermitian小波包络谱的轴承故障诊断.pdf

  2. 基于Hermitian的小波包络谱的滚动轴承故障的识别诊断及分析中国机械工程第23卷第1期2012年1月上半月 2.1轴承内圈的故障诊断 4000 图2所示为轴承内圈存在局部故障的时域振 3000 邇2000 动信号。图3所示为采用传统方法计算得到的振 1000 动信号的包络谱,由于受背景噪声的影响和带通 滤波、带宽选择的限制,滚动轴承的内圈故障特征 频率f在图3中没用得到明显体现 10时 2004006008001000 频率f/Hz 图5轴承内圈故障的多尺度包络谱 20 4000 -10 3
  3. 所属分类:C

    • 发布日期:2019-07-27
    • 文件大小:2mb
    • 提供者:kkkwuwu
  1. 基于小波包包络分析的滚动轴承故障诊断

  2. 提出一种基于小波包、能量分析和包络分析相结合的滚动轴承故障诊断方法。对实测振动信号进行小波包去噪,提取出有用的振动信号。利用小波包将去噪后的信号分解,求出分解后各频带的能量,根据各频带内能量分布,确定故障所在频带,并以此作为特征分量。对特征分量进行Hilbert解调分析,将包络谱谱峰处的频率与理论计算的滚动轴承故障频率进行对比,诊断轴承故障并确定故障位置。
  3. 所属分类:其它

    • 发布日期:2020-06-02
    • 文件大小:851kb
    • 提供者:weixin_38744526
  1. 基于EEMD降噪和滑动峰态解调的滚动轴承故障诊断方法

  2. 针对滚动轴承早期故障特征十分微弱且易被强背景噪声淹没这一问题,引入零时滞4阶累积量(即峰态因数)用于描述信号中弱冲击成分偏离高斯分布的程度,从而提出一种基于EEMD降噪和滑动峰态解调的滚动轴承早期故障诊断方法 。该方法首先将故障信号进行EEMD分解得到一组IMFs,根据度量因子和信息熵准则筛选出最能表征故障信息的IMF分量进行重构;然后,利用谱峭度方法自动确定带通滤波器参数进行带通滤波,对滤波后的信号采用滑动峰态算法计算峰态时间序列即峰态包络,并根据频谱分析结果诊断轴承故障发生部位。该方法解决了
  3. 所属分类:其它

    • 发布日期:2020-06-15
    • 文件大小:500kb
    • 提供者:weixin_38590309
  1. 基于频率响应分析的滚动轴承故障诊断方法

  2. 基于频率响应分析提出一种新的轴承故障诊断方法。利用调试阶段测量得到的频率响应作为参考值,与具有2种故障类型的轴承所计算得到的频率响应作为对比,对2个测量量进行评估,并将故障轴承与正常轴承之间频率响应偏差作为故障诊断的指标。最后通过实验验证了该方法对于故障轴承诊断的有效性。
  3. 所属分类:其它

    • 发布日期:2020-06-14
    • 文件大小:880kb
    • 提供者:weixin_38747025
  1. 基于小波包和EMD处理的滚动轴承故障诊断

  2. 为解决异步电机故障轴承振动信号易受噪音影响信噪比较小的缺点,提出了一种新的故障诊断方法。首先,采用小波分析方法对测得的原始信号进行去噪,并根据频率对原始信号进行频带划分;其次,用经验模式分解(EMD)方法对小波包分解重构得到的低频段信号进行分解,获得若干固有内在模函数(IMF);最后,采用傅里叶变换对各个IMF函数进行时频分析获得频谱图,进而提取故障频率,根据故障频率和故障类型的对应关系得出最后的诊断结果。实验表明,该方法能有效地提取出故障特征频率,方便地判断出故障类型。对比分析了傅里叶变换和小
  3. 所属分类:其它

    • 发布日期:2020-06-20
    • 文件大小:297kb
    • 提供者:weixin_38739744
  1. 基于小波去噪和MSE的滚动轴承故障诊断

  2. 介绍一种将小波去噪与多尺度熵方法相结合的滚动轴承故障诊断方法,通过采用小波去噪后信号进行多尺度熵分析,得到多尺度熵曲线分布,对滚动轴承的正常状态、内圈故障、滚动体故障和外圈故障4种故障类型下的振动信号分析表明,小波多尺度熵方法在合适的尺度因子下能够有效的区分4种故障类型,可以进行滚动轴承的故障识别,并且优于传统的多尺度熵方法。
  3. 所属分类:其它

    • 发布日期:2020-07-03
    • 文件大小:606kb
    • 提供者:weixin_38705640
  1. 基于LMD模糊熵和概率神经网络的滚动轴承故障诊断

  2. 滚动轴承是机械传动系统重要的组成部分,其故障发生率极高,直接影响机械设备的正常、安全运行。基于此提出基于局部均值分解(LMD)模糊熵和概率神经网络(PNN)的滚动轴承故障诊断方法,原始振动信号应用LMD自适应分解为7个PF分量;设定模糊函数,提取每个PF分量的模糊熵,实现各PF分量的特征量化;并利用概率神经网络实现故障类型识别。实验结果证明利用该方法滚动轴承故障诊断识别率可达86.25%,是一种有效的滚动轴承故障诊断方法。
  3. 所属分类:其它

    • 发布日期:2020-07-03
    • 文件大小:313kb
    • 提供者:weixin_38586942
  1. 基于MEEMD的滚动轴承故障诊断方法

  2. 提出了一种改进的集总平均经验模式分解(MEEMD)滚动轴承的故障提取方法。对采集得到的振动信号进行MEEMD分解,获得不同频率的本征模式函数(IMF);对各个本征模式函数进行包络谱分析;最后通过包络谱特性反映出来的频谱信息诊断出轴承故障。滚动轴承内外圈故障仿真和实验研究表明:MEEMD方法能有效地应用于轴承的故障诊断。
  3. 所属分类:其它

    • 发布日期:2020-07-02
    • 文件大小:274kb
    • 提供者:weixin_38557768
  1. 基于小波包和距离判别法的滚动轴承故障诊断

  2. 将小波包分析与距离判别分析法相结合的方法应用于滚动轴承故障诊断问题中。利用小波包分析技术提取了滚动轴承典型故障的振动加速度信号的状态特征向量,选用此特征向量作为距离判别分析模型的判别因子,以滚动轴承故障实测模拟数据作为学习样本进行训练,通过分析计算,建立了相应线性判别函数,并利用回代估计方法进行检验。研究结果表明:这种新模型判别能力强,交叉确认估计的误判率为0,不需要优化网络结构,是解决滚动轴承故障诊断的一种有效方法。
  3. 所属分类:其它

    • 发布日期:2020-06-29
    • 文件大小:331kb
    • 提供者:weixin_38518722
  1. 基于小波包和EMD的滚动轴承故障诊断

  2. 针对滚动轴承故障振动信号的非平稳特征,提出了一种基于小波包和经验模态分解(Empirical Mode Decomposition,简称EMD)的滚动轴承故障诊断方法。该方法用小波包对振动信号进行预处理,用Hilbert变换求重构信号的包络,采用EMD方法将包络信号分解为若干个IMF分量,让故障信息得到凸显,然后根据某个分量的频谱,判断滚动轴承的故障类型。实验结果表明,比传统的时频分析方法,该方法能够更有效地提取轴承故障特征,诊断轴承故障。
  3. 所属分类:其它

    • 发布日期:2020-06-28
    • 文件大小:238kb
    • 提供者:weixin_38550146
  1. EMD与同态滤波解调在滚动轴承故障诊断中的应用

  2. 根据滚动轴承的振动故障特征,介绍了一种新的基于经验模态分解(Empirical Mode Decomposition,EMD)与同态滤波解调相结合的滚动轴承故障诊断方法.EMD可将轴承故障信号分解成若干个IMFs(Intrinsic Mode Functions),各个IMF突出了原始信号的某些局部特征.再对某些IMFs有针对性地进行同态滤波解调,提取了轴承内圈故障特征频率,诊断出轴承内圈严重磨损故障.同时,为更突出同态滤波解调方法的优越性,与Hilbert包络进行了对比分析.仿真与应用结果表明
  3. 所属分类:其它

    • 发布日期:2020-07-09
    • 文件大小:962kb
    • 提供者:weixin_38629042
  1. 一种滚动轴承故障诊断方法

  2. 针对基于支持向量机的滚动轴承故障诊断方法中支持向量机的参数优化问题,提出一种改进的果蝇优化算法,即以模式分类准确率作为果蝇味道浓度函数,并采用该算法来优化支持向量机模型的惩罚因子和核函数参数;基于改进果蝇优化算法和支持向量机对滚动轴承的故障模式进行分类诊断,结果表明改进的果蝇优化算法具有较高的收敛速度和寻优效率,基于该算法和支持向量机的滚动轴承故障诊断方法具有较高的分类准确率。
  3. 所属分类:其它

    • 发布日期:2020-07-17
    • 文件大小:640kb
    • 提供者:weixin_38637805
  1. MCKD与改进的LSSVM在滚动轴承故障诊断中的应用

  2. 针对滚动轴承运行过程中故障难以识别的问题,提出一种最大相关峭度解卷积与改进的最小二乘支持向量机的故障诊断方法。该方法首先利用最大相关峭度解卷积提取不同运行状态下轴承特征信息,然后利用最小二乘支持向量机对提取的特征信息进行监督学习,同时利用改进的布谷鸟搜索算法优化最小二乘支持向量机的核参数和惩罚因子在寻优过程中陷入局部最优、收敛精度差的问题,提升故障诊断的识别率。实测不同运行状态的轴承数据验证方法的有效性,实验结果表明,改进后的算法可有效准确识别滚动轴承各类状态,是一种可靠的轴承故障诊断方法。
  3. 所属分类:其它

    • 发布日期:2020-10-16
    • 文件大小:752kb
    • 提供者:weixin_38670391
  1. 基于LCD和改进SVM的轴承故障诊断方法

  2. 针对滚动轴承极易损伤,振动信号表现出非线性、非平稳性等特点,提出一种基于局部特征尺度分解(LCD)和改进支持向量机(SVM)的滚动轴承故障诊断算法。首先对采集到的轴承振动信号进行LCD,分解得到一系列内禀尺度分量(ISC),通过与经验模态分解(EMD)对比研究,证明了LCD方法的优越性;然后计算所有分量的能量熵值,提取出轴承信号的敏感特征集,输入到经过遗传算法(GA)进行参数优选后的SVM识别模型进行轴承状态的诊断识别。实验研究表明,基于LCD和改进SVM的轴承诊断算法能较好地提取出轴承故障特征
  3. 所属分类:其它

    • 发布日期:2020-10-16
    • 文件大小:392kb
    • 提供者:weixin_38743506
  1. 基于LabVIEW的滚动轴承故障诊断系统.doc

  2. 为实现对滚动轴承工作状态的监测,提出了一种基于 Lab VIEW 的滚动轴承故障诊断系统的设计方案,给出了滚动轴承振动信号的采集与故障诊断方法,在 Lab VIEW 的诊断平台下进行信号处理与分析,然后结合滚动轴承故障诊断理论与信号分析结果来对该轴承运行状态进行判断。最后利用旋转机械振动及故障模拟试验平台对该系统进行验证,验证结果体现了该系统具有可行性和适用性。
  3. 所属分类:专业指导

    • 发布日期:2021-02-18
    • 文件大小:783kb
    • 提供者:hahahahah123456
« 12 3 »