排序方式: 共有18条查询结果,搜索用时 15 毫秒
1.
针对滚动轴承早期故障诊断中故障特征微弱难以有效检测的问题,提出一种基于Adaboost提升支持向量机(Support vector machines,SVM)集成学习模型的滚动轴承早期故障诊断方法。首先以Cincinnati大学实测的滚动轴承全寿命振动数据为基础,采用特征参数跟踪法,建立特征参数的趋势分析,并据此选择用于滚动轴承早期故障诊断的敏感特征参量,然后通过构造Adaboost提升SVM集成学习模型,并将其应用于滚动轴承的早期故障检测中。Ada Boost能够自适应地提升单一SVM的分类性能,相对于传统的单一SVM分类器Adaboost_SVM稳定性最好,早期故障诊断准确率最高。实验结果表明,结合优选的敏感特征参量,Adaboost_SVM能有效地诊断滚动轴承的早期故障模式。 相似文献
2.
大模数齿轮齿条驱动式起升机构服役环境和运行工况复杂、系统组件之间的相互耦合性日益增强,在多齿-单齿-多齿交替的运行周期中,单齿啮合较多齿啮合承载应力更大,因此,需要对单齿啮合的强度和刚度变化进行分析,提高齿轮齿条副承载能力研究的准确性。以三峡升船机为研究对象,搭建立式齿轮齿条起升机构传动系统工况模拟实验台,研究其中6种工况,对齿轮齿条起升机构的接触强度和弯曲强度进行理论分析,使用有限元软件对单齿工作期间内的两种应力及刚度变化进行仿真分析,并与理论分析进行比较,最后通过实验验证理论与仿真的准确性,误差均在10%左右。仿真分析结果表明:各工况下单齿啮合刚度随着转角和载荷的增加而增大,强度的变化趋势与其一致。 相似文献
3.
机械设备的运行可靠度反映的是机械设备在预期服役环境中正常工作的能力,传统的机械设备运行可靠度评估方法通常是建立在大量历史样本信息的基础上,然而针对没有历史样本信息的机械设备,传统方法难以对机械设备的实际运行状态进行准确评估,也很难对其未来的性能退化趋势进行有效预测。为此,提出通过构建归一化EEMD信息熵与组合核函数相关向量机对机械设备的运行状态进行评估和预测。首先采集机械设备运行过程中的振动信号,采用经验模式分解方法(ensemble empirical mode decomposition,EEMD)对振动信号进行分解,获得多个本征模态函数(intrinsic mode function,IMF)分量,并分别计算其相对能量和归一化EEMD信息熵,构造表征机械设备运行状态的特征指标。随后,构建组合核相关向量机对机械设备的运行状态指标量样本进行学习,并采用粒子群算法对组合核相关向量机中的权值参数和核函数参数进行优化,建立反映机械设备运行状态的可靠度预测模型。最后,将所构造的运行状态特征指标输入给相关向量机进行可靠度的性能退化预测。滚动轴承运行状态评估及预测的结果表明,所提出的机械设备运行状态评价方法能够充分提取反映滚动轴承运行状态的特征信息,运行可靠度预测方法也充分考虑了滚动轴承性能退化状态的历史规律性,相对于单一核函数相关向量机智能预测模型,组合核相关向量机提高了滚动轴承运行状态的预测精度和鲁棒性,为机械设备的运行状态评估和性能退化趋势预测的工程应用提供了一种新的方法。 相似文献
4.
针对齿轮传动系统中齿轮等零部件易出现故障或失效等问题,提出了一种基于深度学习理论的齿轮传动系统故障诊断方法。首先利用深度置信网络强大的特征自提取能力,对齿轮传动系统的振动信号进行特征提取,然后通过DBNs的复杂映射表征能力对故障信号进行故障判别。诊断实例表明,若不对齿轮振动的原始时域信号进行特征提取,直接利用DBNs对其进行诊断时,故障识别正确率只能达到 60%左右;如果对时域信号进行简单的傅里叶变换后,再利用 DBNs 对处理后的振动信号频谱进行诊断分析,正确率能达到 99.7%,从而证明了所提故障诊断方法的简易性和有效性。 相似文献
5.
电卡效应通过电场诱导极性材料的相变和偶极子取向,进而引起材料的熵变和温变、控制材料的吸、放热过程,可用于热搬运和制冷。电卡制冷无须危害环境的制冷剂,且具有效率高、体积小和重量轻的特点,可为节能环保制冷技术的实现提供新的解决方案。铁电材料电卡效应的增强是电卡制冷走向实用的关键。铁电陶瓷极化率高、相结构丰富且调控方法多样,在电卡效应研究中备受关注。本工作介绍了基于不同材料体系的铁电陶瓷薄膜、块体和多层厚膜的电卡效应,讨论了电卡性能与材料配方、相变行为和微结构间的内在联系,归纳了材料电卡效应的调控方法。最后,对铁电陶瓷的未来研究进行了展望。 相似文献
6.
针对滚动轴承早期故障特征微弱难以快速有效辨识的问题,提出一种基于正交邻域保持嵌入(ONPE)与多核相关向量机(RVM)的滚动轴承早期故障诊断方法。首先基于多域量化特征构造表征滚动轴承早期故障的多域特征向量,基于ONPE线性流形学习对多域特征向量进行约简降维处理,获取最能反映滚动轴承早期故障运行状态变化的低维敏感特征,随后将获取的低维敏感特征输入给多核RVM进行早期故障模式的分类辨识。通过分析滚动轴承早期故障的模拟实验数据表明,该方法对高维复杂的非线性早期故障特征具有良好的约简降维性能,而且比单一核函数RVM具有更好的诊断精度。 相似文献
7.
针对单台或小样本数控机床刀具可靠性评估时,传统的基于大样本统计的可靠性评估方法因缺乏时间、动态、个性化的精确性描述而难以发挥作用。为了提高单台或小样本条件下的机床刀具运行可靠性评估精度和可信性,作者提出了一种基于奇异值分解(SVD)和支持向量空间的运行可靠性评估方法。首先通过实验对机床切削加工过程中的刀架振动信号进行获取,采用小波包分解、能量分布和时频域统计量分析,提取出与刀具磨损量密切相关的显著特征指标。为了降低计算复杂程度和减小冗余成分,进一步利用SVD对所提取的刀具正常磨损条件的振动信号时频域高维特征数据集进行降维处理。然后将降维数据作为测试样本代入支持向量空间模型构造支持向量空间超球体,以该超球体所定义的圆心和半径为计算依据,将待检样本相对于超球体的相对距离作为描述刀具的性能退化指标,并引入降半型隶属度函数,将相对距离指标映射到[0,1]区间,将其定义为刀具的运行可靠性。分别以两把磨损状态为失效与正常的刀具作为评估案例,通过对其降维前后数据进行支持向量超球体空间构造以及可靠性评估,结果表明维数据约简可有效减小数据分散性过大所导致的超球体形状变形问题。最后以多把刀具统一失效阈值下的通用数据对刀具1进行可靠性评估,结果表明在训练数据条件足够大的情况下,刀具的相对距离和运行可靠度趋势性更加明显,波动性减少,特别是在磨损后期,这种变化有利于刀具服役性能的精准评估。所提出的运行可靠性评估方法摆脱了传统可靠性评估对大样本统计数据的依赖,为丰富和发展小样本数据的可靠性评估提供了新的理论支持和技术手段。 相似文献
8.
为了减小神经网络在机械设备故障预示与健康管理(PHM)过程中对大量完备数据的依赖,针对数据稀少情况下的滚动轴承故障诊断问题,提出了一种多源域迁移学习方法。模型采用一维卷积神经网络(1D-CNN),以原始振动信号作为模型的输入,利用两个不同的源域数据依次对模型进行预训练,使用目标域数据对预训练模型进行微调,提高对目标域的识别精度。采用频询实验台实测数据及西储大学数据集,在目标域故障样本不足的情况下分别对模型的分类精度、训练速度、结果稳定性、多源域有效性进行验证,并与卷积神经网络(CNN)、迁移成分分析(TCA)、联合分布适配(JDA)、支持向量机(SVM)的诊断结果进行对比。实验结果表明,在故障数据稀少时,模型能达到较高的分类精度,在目标域样本数量不同的3种情况下,多源域迁移方法分类精度分别达到了97.71%、96.28%、94.18%,并且模型有着较快的收敛速度,较好的稳定性。 相似文献
9.
大模数齿轮齿条驱动式起升工作平台属于典型低速重载装备,其模数往往超过了模数系列中所规定的标准值,这不仅对现有的设计理论、制造工艺及安装方法提出了新挑战,而且对其安全高效运行和可靠性保障提出了新要求.为了研究齿轮齿条传动副在复杂工况条件下的失效机理和动力学响应特性,揭示设备服役性能退化和可靠性演化规律,以三峡升船机为对象,搭建了一个立式齿轮齿条起升机构传动系统工况模拟试验台,利用三维软件对齿轮齿条传动副进行实体建模,利用有限元方法对其进行静力学强度分析,研究齿轮和齿条应力应变分布规律.以齿轮齿条起升机构的三维建模为基础,对不同工况下的齿轮齿条起升机构的啮合运动进行动力学响应特性分析,得到齿轮齿条啮合传动过程中的速度、加速度和接触力相互耦合作用及运动规律,采用以小推大的思想,为大模数齿轮齿条起升的故障诊断和运行健康评估提供必要的理论和实验依据. 相似文献
10.
大模数齿轮齿条驱动式起升工作平台属于典型低速重载装备,其模数往往超过了模数系列中所规定的标准值,这不仅对现有的设计理论、制造工艺及安装方法提出了新挑战,而且对其安全高效运行和可靠性保障提出了新要求.为了研究齿轮齿条传动副在复杂工况条件下的失效机理和动力学响应特性,揭示设备服役性能退化和可靠性演化规律,以三峡升船机为对象,搭建了一个立式齿轮齿条起升机构传动系统工况模拟试验台,利用三维软件对齿轮齿条传动副进行实体建模,利用有限元方法对其进行静力学强度分析,研究齿轮和齿条应力应变分布规律.以齿轮齿条起升机构的三维建模为基础,对不同工况下的齿轮齿条起升机构的啮合运动进行动力学响应特性分析,得到齿轮齿条啮合传动过程中的速度、加速度和接触力相互耦合作用及运动规律,采用以小推大的思想,为大模数齿轮齿条起升的故障诊断和运行健康评估提供必要的理论和实验依据. 相似文献