排序方式: 共有1条查询结果,搜索用时 15 毫秒
1
1.
为了应对滚动轴承早期微弱故障的挑战本文提出了一种新的方法。该方法首先采用PCA(主成分分析)对振动信号进行特征筛选,以降低数据维度,有效地简化了振动数据的结构,增强了特征的表达力。接着,使用CEEMDAN(完全自适应噪声集合经验模态分解)算法来分解被背景噪声干扰的微弱故障振动信号,它通过在经验模态分解(EMD)的基础上引入自适应噪声,增强了对微弱特征的识别能力,有够效地分离出趋势和噪声数据,显著提高了故障诊断的准确性。最后,引入Transformer模型,进一步优化了特征的提取和表征,实现对长序列数据的高效处理,用于微弱故障特征的提取和表征。这一综合方法具有降维、噪声抑制和长序列处理等多重优势,有望在滚动轴承故障检测中取得显著成果。 相似文献
1