排序方式: 共有39条查询结果,搜索用时 218 毫秒
1.
电流信号具有易采集、不易受环境噪声影响的优点,为难以通过振动传感器采集信号的特殊设备提供了可行的监测诊断思路,但电流信号也存在故障特征难以提取等问题。为此,将改进的动态统计滤波与深度卷积神经网络(DCNN)结合,提出一种基于电流信号进行机械设备智能故障诊断的方法。引入综合信息量指标(SIpq)优化滤波效果,基于改进的动态统计滤波方法,使不同状态信号间的特征差异最大化,以提高状态识别精度;通过交替堆叠特征图尺寸不变的卷积层与逐层递减的池化层,构建DCNN,提取电流信号中的高维故障特征。将动态统计滤波后的特征增强图像输入DCNN,识别故障类型。为验证方法有效性,以不平衡、不对中、松动3种故障为对象进行故障类型识别,分析结果表明,所提方法可有效识别故障类型,与传统的ANN、CNN等其他方法对比具有较好的识别精度。 相似文献
2.
本文通过某高速互通匝道路基挡土墙台后采用现浇泡沫轻质土填筑的工程实例,介绍了挡土墙抗滑移稳定性不足的情况下的病害处理,以及一种新型的轻质材料现浇轻质泡沫土的应用和施工。 相似文献
3.
4.
进行了充气压力对充气工况载重斜交轮胎影响的有限元分析.结果表明,充气工况下,充气压力对斜交轮胎外形轮廓尺寸影响明显,其外直径、断面宽度均随充气压力的增大而增加;充气压力的大小对胎圈接触应力分布影响很小,但胎圈最大接触应力随充气压力的增加而增大. 相似文献
5.
滚动轴承早期故障阶段,故障特征微弱且环境噪声干扰严重,采集数据包含大量噪声信息,传统的包络谱分析难以提取故障特征信息。双谱分析理论上可以抑制高斯噪声,但很难从强背景噪声下提取出微弱故障特征。而多点最优调整的最小熵解卷积(Multipoint Optimal Minimum Entropy Deconvolution Adjusted,MOMEDA)方法能增强信号中的冲击特征,但其效果和故障信号周期区间等参数有关。利用MOMEDA与双谱分析进行信号处理,将提取到的信号高阶谱特征作为滚动轴承早期故障分类依据。利用MOMEDA方法对采集信号进行滤波处理,提取出有冲击特征的时域信号;对特征增强的信号进行双谱分析,从高阶谱中提取故障特征。经过仿真信号分析和实际轴承故障信号验证,该方法能有效地提取出滚动轴承早期故障特征,实现故障诊断。 相似文献
6.
高技术条件下局部战争突发性强.战争进程快,物资消耗量大,单靠部队现有运力很难满足战争的需要,必须快速动员地方运力为战争服务。本文就如何进行地方运力快速动员作一粗浅探讨。 相似文献
7.
8.
基于声发射信号的风机叶片裂纹定位分析 总被引:1,自引:0,他引:1
为能够及时有效地监测并识别风机叶片裂纹的位置以及强度,讨论了风机叶片上声发射传感器测点优化布局方案,以及基于无线传感网络的信号采集实现,探讨了声发射信号分析和特征提取方法。在分析现有裂纹定位方法特点的基础上,提出了一种针对声发射信号进行小波分析判别风机叶片裂纹位置及其强度的方法。通过实验数据验证了该方法不仅能够实现裂纹位置及其强度的定位,而且与传统方法相比该方法提高了精确性。 相似文献
9.
为了解决当前在线诊断系统受到现场条件限制,检测点不易更改和扩充,在恶劣和危险环境难以推广等问题,提出了基于ZigBee技术的无线监测系统设计方法。对振动传感器进行设计,对振动信号的采集、处理方法进行研究,为ZigBee网络降低了数据流量。在此基础上组建ZigBee网络,用于数据的传输,并引入WiFi作为ZigBee网络与现场服务器的接入手段。实验结果表明,该系统可以有效的完成数据的采集和无线传输,并及时的检测出设备的异常状态。 相似文献
10.
将梅尔倒谱和系数(MFCCS)与改进的基于变量预测模型的模式识别算法(VPMCD)相结合,提出了一种滚动轴承故障的诊断方法.将语音信号识别中最常用的特征参数梅尔倒谱系数(MFCC)应用到轴承故障诊断领域,提出了适用于滚动轴承故障识别的特征参数梅尔倒谱和系数.同时,采用主成分分析(PCA)方法来解决VPMCD方法中求解得到的预测模型方程系数与理想系数存在偏差的问题.然后,使用改进的VPMCD算法对特征参数进行训练,再利用预测模型对待诊断样本数据进行模式识别和诊断,并用实验室模拟试验台的数据,对该方法进行了验证,实验结果能够有效区分轴承的故障种类,证明了方法的有效性. 相似文献