排序方式: 共有24条查询结果,搜索用时 15 毫秒
1.
针对滚动轴承在多工况条件下故障特征难以识别的问题,从数据驱动的角度出发应用一维多尺度密集网络(MSDNet)
对轴承进行故障诊断。 首先,将时域信号作为 MSDNet 的直接输入,保持了信号本有的固有特性;其次采用 3 个并行卷积操作
来提取轴承故障信号内部的多尺度信息,密集网络的加入防止了信息传递过程中的特征丢失,适当缓解了模型中的梯度消失问
题;然后训练过程中采用 Adabelief 优化算法优化模型参数,使得模型在快速收敛的同时又提高了其泛化性能;最后通过混淆矩
阵和特征可视化图展示出模型的分类性能,在凯斯西储大学轴承实验数据集和西安交通大学数据集上进行了多次实验,应用该
算法故障识别率可达到 98%以上,证明了该方法的有效性。 相似文献
2.
小波分析在信号处理中的应用 总被引:1,自引:0,他引:1
在简述小波分析、小波识别原理的基础上,详细介绍了小波分析在信号处理中的应用,包括信号消噪、特征提取、奇异性检测等。计算机硬件技术的日趋发展,特别是DSP技术的发展,将为小波分析应用于工程中提供有力的保障。 相似文献
3.
4.
着重论述了机械设备故障诊断专家系统的设计,包括知识库的设计思想和实现方法、专家知识的获取和表示、推理机的设计、综合数据库的结构设计等组成部分的具体设计过程. 相似文献
5.
6.
机械设备故障诊断专家系统的设计 总被引:1,自引:0,他引:1
着重论述了机械设备故障诊断专家系统的设计,包括知识库的设计思想和实现方法、专家知识的获取和表示、推理机的设计、综合数据库的结构设计等组成部分的具体设计过程。 相似文献
7.
8.
小波包分析在滚动轴承故障诊断中应用 总被引:1,自引:1,他引:0
根据小波包多分辨原理,对齿轮减速器JZQ250内的轴承振动信号进行处理,在分析滚动轴承振动机理的基础上,利用小波包进行多尺度分解,根据信号与噪声随尺度增加的不同传播特性,低频部分代表信号的发展趋势,正常状态信号趋势单调递增,故障状态信号趋势则单调递减,初步判定轴承的运行状态是否正常。当判定为故障时,选择小波包分解重构后特殊层的信息进行频谱分析,提取其故障特征频率。经对大量实测数据的处理和分析,能够比较准确地识别和诊断出减速器的正常运行状态,内圈、外圈和保持架故障运行状态,具有一定的工程实用价值。 相似文献
9.
10.