排序方式: 共有73条查询结果,搜索用时 0 毫秒
51.
对机械装备轴承等关键对象的健康状态监测正在步入大数据、智能化时代。传统的轴承故障诊断方法大多数依靠人工提取特征,这需要依赖于复杂的信号处理方法以及丰富的专业经验积累。深度学习方法作为一种可以学习数据深层次特征的新的机器学习方法,将其引入机械故障诊断领域,并对其运行效率、故障识别精度进行提升,将进一步提高基于深度学习方法在故障诊断领域的实用性。提出一种基于Nesterov动量法的独立自适应学习率优化的深度信念网络,引入Nesterov动量法代替传统动量法预测参数下降的位置,控制参数达到最优点的速度,避免了传统动量法引起的错过最优点问题;利用独立自适应学习率在梯度更新时自适应选择下降步长,加快模型训练,提高模型的泛化能力。试验结果表明,在诊断精度上,相比支持向量机和标准深度信念网络,提出的方法对不同载荷工况下轴承故障识别均获得了最高的精度;在运行效率上,相比现有一些优化算法,该优化模型能够稳定有效的加快模型训练速度,提升深度信念网络的泛化能力,有效地实现轴承故障诊断。 相似文献
52.
本文主要探讨高校互动式教学方法及其教学效果,着重分析了"自动控制原理"课程中如何有效地进行互动式教学,在实际教学效果的基础上,归纳总结了本科生互动式教学需要注意的问题和相应的解决方法,对其它课程的互动式教学具有一定的参考作用。 相似文献
53.
54.
形态学滤波方法改进及其在滚动轴承故障特征提取中的应用 总被引:1,自引:0,他引:1
滚动轴承是旋转机械设备的重要部件,对滚动轴承的故障诊断研究具有重要的意义。滚动轴承故障会导致振动信号中出现冲击响应成分,可通过对冲击响应成分的周期的检测与提取,进行局部故障诊断。在分析形态学滤波方法的基础上,提出机构结构元素(SE)选择方法,并用于振动信号中冲击响应特征的提取。通过对仿真信号的处理验证了该方法的有效性,并将该方法用于轴承外圈、内圈局部故障状态下的特征的检测,结果表明该方法能有效提取周期性脉冲成分并抑制噪声。 相似文献
55.
56.
57.
大型振动台夹具的模态分析及结构改进 总被引:1,自引:0,他引:1
振动台夹具是振动台上用以固定被试件的关键结构件,首先应满足被试件的安装要求,其次为了能在试验频率范围内对被试件开展振动试验,其结构模态应有尽量高的固有频率,并避免与试件发生共振耦合。在设计夹具的基础上,分析其前十阶的固有模态,并根据其固有频率的高低改进了结构,使得模态符合试验要求。 相似文献
58.
表面粗糙度是光学元件表面质量的重要评价指标之一。传统的粗糙度检测方法大多采用离线方法,无法实现在线表征。为此讨论了一种基于声发射检测技术的表面粗糙度监测方法,利用改进的表面粗糙度检测装置,采集不同粗糙度下声发射信号;由于传统方法存在一定的局限性,因此提出了基于小波分解系数有效值统计特征的表面粗糙度监测方法,通过对摩擦抛光的声发射信号进行特征提取,来辨识粗糙度。研究结果表明,利用该方法所提取出的特征可以对表面粗糙度进行有效区分,验证了其是光学元件表面粗糙度声发射监测的有效方法。 相似文献
59.
基于瞬态冲击响应参数辨识的轴承故障特征检测 总被引:3,自引:0,他引:3
旋转机械的局部故障导致振动信号中出现冲击响应信号,可通过对冲击响应信号的检测与提取,进行局部故障诊断。在Laplace小波相关滤波法识别冲击响应信号的特征参数的基础上,针对周期性冲击响应信号的检测,提出了循环Laplace小波相关滤波法。通过不同信噪比下周期多冲击响应仿真信号中冲击响应成分特征参数辨识及周期检测,验证了方法的有效性。将循环Laplace小波相关滤波法应用于轴承外圈局部严重故障和轻微故障下冲击响应振动信号的辨识,成功识别故障特征的响应参数以及周期。 相似文献
60.