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EEMD与RBF神经网络的齿轮故障诊断

  2. 文章在实验研究的基础上提出了EEMD与RBF网络相结合的齿轮故障诊断方法。重点讲述了EEMD的故障特征提取研究的方法和基本原理,简述径向基函数神经网络在故障诊断领域当中的应用。在故障模拟转子试验台上进行实验研究,采集足够的样本信号数据,利用集合经验模式分解原理来进行信号的特征提取,进而进行RBF网络的训练和故障识别,其较高的故障识别率验证了所提出的齿轮故障诊断模型的识别可靠性,同时该诊断模型具备着良好的应用前景。

  3. 所属分类：其它

    • 发布日期：2020-05-04
    • 文件大小：863232
    • 提供者：weixin_38517904

  1. 平行及行星齿轮箱局部故障诊断方法

  2. 平行齿轮箱及行星齿轮箱是机械设备的重要传动部件,也是故障频发部件。基于实验分析,对比研究平行齿轮箱和行星齿轮箱局部故障的特征提取方法。应用Compact-RIO采集齿轮箱的实时振动信号,运用共振解调技术,成功提取平行齿轮箱齿轮断齿故障的特征频率。对于行星齿轮断齿故障,其振动传递路径复杂,信号非平稳、非线性程度严重,共振解调技术提取不到其故障特征频率。对此,应用EEMD技术对故障信号进行分解,避免了传统的EMD技术带来的模式混叠,成功提取故障的特征频率。

  3. 所属分类：其它

    • 发布日期：2020-07-02
    • 文件大小：374784
    • 提供者：weixin_38519763

  1. 基于EEMD的齿轮故障诊断方法研究

  2. 采用基于EMD改进的总体经验模式分解算法(EEMD)对齿轮箱进行故障诊断。首先利用Matlab进行仿真实验,验证了具有自适应特性的EEMD分解方法在消除基本模式分量之间相互混叠现象方面的有效性。然后利用该方法对故障试验台模拟的齿轮点蚀信号进行分解,并对反映故障信息的本征模式分量进行Hilbert包络解调分析。分析结果表明,EEMD方法可以有效地应用于齿轮故障诊断。

  3. 所属分类：其它

    • 发布日期：2020-07-02
    • 文件大小：1008640
    • 提供者：weixin_38670949

  1. 基于改进的HHT边际谱齿轮箱故障诊断

  2. 针对信号经验模态分解(EMD)过程中存在波形混叠现象,提出一种基于聚合经验模态分解(EEMD)和Hilbert边际谱相结合的方法对齿轮箱故障进行故障诊断。首先使用小波阈值分析对背景噪声较大的齿轮箱振动信号进行预处理,提高EEMD分解的精确度;其次对预处理信号进行分解,得到IMF分量,对比正常信号与故障信号的区别;最后对2种工况信号进行Hilbert变换并计算得到边际谱,确定故障信号的故障频率。研究表明该方法在避免EMD分解带来的模态混叠现象方面具有可行性,能提高齿轮箱故障诊断的准确率。

  3. 所属分类：其它

    • 发布日期：2020-07-01
    • 文件大小：932864
    • 提供者：weixin_38657835

  1. 基于EEMD和SVM的风力发电机齿轮箱轴承故障诊断方法的研究。

  2. 基于EEMD和SVM的风力发电机齿轮箱轴承故障诊断方法的研究。

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：1048576
    • 提供者：weixin_38615397