排序方式: 共有32条查询结果,搜索用时 15 毫秒
31.
为精准预测复合双轴转台精度,分析了多因素对系统精度影响规律。利用复合双轴转台统计系统实验数据,学习构建以内轴精度、外轴精度、自准直精度和待检编码器精度为主要节点的贝叶斯网络结构;在Netica中建立系统精度推理模型,并通过证据敏感性分析和平均绝对误差(MAE)分析验证贝叶斯网络(BN)模型的有效性;运用自学习贝叶斯网络的概率推理,分析主要目标节点各变量的后验概率变化,对系统精度变化规律进行原因诊断和支持解释。研究结果表明:复合双轴转台精度自学习BN模型能够实现系统精度准确推理预测,系统精度超差的MAE值基本稳定在5%以内,且角度间隔0.125°和时间间隔20 s为系统最优控制参数,为贝叶斯网络技术在复合双轴转台精度推理中的应用提供了参考。 相似文献
32.
针对采集到的滚动轴承早期故障振动信号因故障特征微弱而导致难以检测的问题,提出一种基于改进的变分模态分解(VMD)和经验小波变换(EWT)联合降噪的滚动轴承早期故障检测方法。首先,利用改进包络谱有效边界划分方法(IEPEFP)确定VMD和EWT的分解分量个数,利用改进分解模态数目选择方法(IDMNS)对VMD的主要分量进行叠加从而完成初次降噪;其次,对初次降噪后的信号进行EWT分解,利用IDMNS对主要分量进行叠加进而完成二次降噪;最后,对降噪后的信号进行包络谱分析,从而实现滚动轴承早期故障检测。通过轴承加速寿命试验数据集进行试验验证,结果表明提出方法可有效提取滚动轴承早期微弱故障特征,准确检测轴承早期故障,具有一定的工程参考价值。 相似文献