排序方式: 共有5条查询结果,搜索用时 104 毫秒
1
1.
针对现有算法在中小型转动设备故障检测中存在的收敛速度慢、故障识别率低等问题,提出一种基于FCM融合算法的故障检测方案研究。对原始故障集做降噪处理,基于模糊熵值理论在多尺度条件下提取故障向量的隶属度;利用GA算法优化FCM算法的迭代性能和收敛性能,分别更新故障特征向量模糊隶属度矩阵和聚类中心矩阵,以达到改善聚类精度,提高故障识别率的目的。实验结果显示,该算法在不同的聚类中心数量及故障类别的条件下,能够获得更好的聚类效果和更高的收敛速度,训练集合和测试集的平均故障识别分别可以达到99.19%和98.23%。 相似文献
2.
针对输油管道焊接缺陷漏磁信号量大,无法精准检测漏磁信号磁场强度,影响识别效果的问题,提出基于双正交样条小波的输油管道焊接缺陷漏磁信号识别技术。应用双正交样条小波技术分解信号,采用稀疏矩阵求解器分解磁感应强度。计算连续小波变换系数和缺陷内漏磁场场磁导率,明确不同介质磁感应强度和场磁导率关系,识别凹、凸缺陷漏磁信号。实验结果表明,该技术凹形缺陷磁场强度检测结果只在峰值处出现了与实际数据最大为50 A/m的偏差,凸形缺陷磁场强度检测结果与实验数据一致。 相似文献
3.
4.
针对现有算法在旋转机械设备动态监控中的不足,提出基于深度特征学习的滚动轴承状态监控算法研究。在深度学习模型编码器的构建方面,考虑到隐层神经元活跃度的设定,并确保自动编码器具有一定的稀疏性和降噪性;采用堆叠式稀疏降噪编码器的结构设计,对故障数据做无监督逐层训练,以降低损失函数值;结合GLUP算法提取故障数据集的特征,达到提高在线监控精度的目的。实验数据表明,该算法在故障样本集的训练和测试中,均保持较高故障分类准确率和监控精度,在模型损失函数值控制方面也优于现有监控算法。 相似文献
5.
1