排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
针对平稳自回归模型无法准确描述滚动轴承振动信号的非平稳性,提出一种结合小波包分解与自回归模型的故障特征提取方法,以提取能准确反映轴承运行状态的特征向量。首先,通过小波包变换对滚动轴承运行时产生的非平稳振动信号进行分解,得到一系列刻画原始信号特征的系数;然后,利用自相关算法对各系数建立自回归模型,并将自回归模型的参数作为特征向量;最后,采用支持向量机分类器对提取的特征向量进行故障分类,从而实现滚动轴承的智能故障诊断。仿真结果表明该方法的有效性。 相似文献
2.
3.
基于贝叶斯推断LSSVM的滚动轴承故障诊断 总被引:7,自引:3,他引:4
针对传统最小二乘支持向量机分类器的参数选择具有随意性和不确定性等不足,采用贝叶斯推断方法通过三级分层推断优化确定最小二乘支持向量机的各参数,有效提高了最小二乘支持向量机的建模效率.将基于贝叶斯推断最小二乘支持向量机分类方法应用于滚动轴承故障诊断中,实验仿真结果表明该方法能有效地识别滚动轴承的故障,且训练时间和测试时间均小于传统最小二乘支持向量机方法。 相似文献
4.
改进的EMD方法及其在滚动轴承故障诊断中的应用 总被引:1,自引:1,他引:0
针对经验模态分解中筛选终止条件和极值点的选择问题,定义了基于能量比值的筛选终止条件,采用抛物线插值拟合的方法,改进了确定极值点的位置和极值大小的方法,对仿真信号进行分解的结果显示了所提方法的优越性,最后将改进的经验模态分解方法与Hilbert谱结合应用于滚动轴承故障诊断,实验结果显示该方法的有效性. 相似文献
1