注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 基于小波包分解和EMD的滚动轴承故障诊断方法研究

  2. 提出了一种基于小波包分解与EMD的故障诊断特征提取方法。对故障振动信号进行小波包分解,并将其高频部分节点信号进行重构,对2个节点的重构信号分别进行EMD分解,得到一系列的IMF分量;提取每个节点的各个IMF分量的能量值并归一化后作为轴承的故障特征量输入神经网络进行诊断。通过实验证明2种方法的结合具有良好的局部分析能力及自适应分解的特点,可以提取更加有效的特征值,因此在进行诊断时,具有更快的速度与更高的准确率。

  3. 所属分类：其它

    • 发布日期：2020-05-27
    • 文件大小：264192
    • 提供者：weixin_38680475

  1. 基于KPCA-BP网络模型的滚动轴承故障诊断方法研究

  2. 针对滚动轴承信号的非线性、非平稳性特点及诊断中冗余与噪音的干扰,引入了核主元分析法和BP神经网络相结合的方法对轴承的故障信号进行诊断,以提高轴承故障诊断的性能。通过5个传感器采集轴承不同状态的故障信号,利用小波包提取能量特征值,同时提取轴承的时-频域特征量组成原始特征空间,利用核主元分析方法对原始特征空间降维,提取主元特征量输入到BP神经网络中进行故障模式识别。试验结果表明,KPCA-BP网络模型的性能优于未筛选-BP网络,具有更好的诊断效果和抗干扰能力。

  3. 所属分类：其它

    • 发布日期：2020-07-02
    • 文件大小：750592
    • 提供者：weixin_38675970

  1. 基于改进粗糙集的滚动轴承故障诊断的计算机仿真研究

  2. 研究滚动轴承故障诊断的有效方法,目前主要有神经网络、专家系统方法、模糊数学方法等,但是利用这些技术对滚动轴承进行故障诊断,由于获得的故障断数据存在不精确和不完备的缺陷,无法获得满意的诊断效果。为了能够弥补这一缺陷,将阶次小波包理论和变精度粗糙集理论结合起来对滚动轴承进行了故障诊断。仿真结果表明改进的方法故障诊断精度均达到了100%,从而表明了该方法具有较高的故障诊断精度,在滚动轴承的故障诊断中具有非常重要的应用价值。

  3. 所属分类：其它

    • 发布日期：2020-06-30
    • 文件大小：794624
    • 提供者：weixin_38710524

  1. 滚动轴承的故障特征提取技术与方法研究

  2. 基于小波分析获取轴承故障频率,并以该频率为中心点向前2.5 Hz和向后2.5 Hz的频带变化作为滚动轴承的特征值。通过归一化处理,将轴承内圈、外圈和滚动体的故障频带的能量作为故障特征参量,建立起故障频带能量与滚动轴承状态的映射关系,进而应用神经网络进行故障诊断,有效提高了轴承故障诊断的精确度

  3. 所属分类：其它

    • 发布日期：2020-06-29
    • 文件大小：176128
    • 提供者：weixin_38739900

  1. 基于小波神经网络的滚动轴承故障诊断方法研究

  2. 将小波分析技术与神经网络技术相结合，通过小波分析技术对振动信号进行滤波消噪，构建时频关联分析的信号特征表征轴承的故障信息，实现准确的故障特征提取。运用神经网络方法具有的网络自适应能力，自学习能力，在背景噪声统计特性未知的情况下，提高轴承故障诊断系统的鲁棒性和可靠性，构建低成本、高可靠的滚动轴承故障分析诊断系统，实验结果表明，系统在训练信号、检测信号采集位置不同，训练轴承受损程度、检测轴承受损程度不同的情况下，均具有良好的检测识别能力，说明系统具有良好的鲁棒性，该方法有效可行。

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：1048576
    • 提供者：weixin_38687904