共查询到16条相似文献,搜索用时 78 毫秒
2.
3.
4.
为了提高煤矿机械设备可靠性、降低维修成本,提出一种基于改进的集成经验模态分解(MEEMD)样本熵与天牛须搜索(BAS)算法优化BP神经网络的轴承故障诊断方法。首先,利用MEEMD算法分解振动信号并根据峭度准则和相关系数筛选出主要IMF分量;其次,提取前4阶分量的样本熵;最后,将样本熵值归一化后组成特征向量输入到BAS-BP分类器中,利用BAS算法搜索最佳参数进行故障诊断。利用凯斯西储大学的轴承数据集进行分析,并与BP、GA-BP神经网络的诊断结果进行对比,结果表明,该方法能够有效识别出轴承故障,分类效果优于BP、GA-BP神经网络,分类准确率达到95%。 相似文献
5.
采煤机摇臂齿轮是采煤机故障高发区,对其进行故障诊断研究可提高摇臂可靠性,提高工效。结合摇臂工作特点,提出基于EMD能谱熵和概率神经网络的齿轮故障诊断方法,提取振动信号EMD分解的前9个IMF分量的能谱熵作为故障特征信息,并将其作为概率神经网络的输入向量进行齿轮故障的分类与识别。结果证明该方法可实现齿轮故障准确诊断,是一种有效的摇臂齿轮故障诊断方法。 相似文献
6.
7.
《煤矿机械》2021,42(3):164-166
为解决单一尺度下滚动轴承振动信号非线性、非平稳性、成分复杂以及信息冗余导致故障特征难以提取的问题,提出了一种基于局部均值分解(LMD)、排列熵和局部线性嵌入(LLE)相结合的滚动轴承故障特征提取方法。首先,利用LMD将初始信号分解成若干乘积函数(PF)之和并计算不同尺度下PF分量的排列熵。其次,提取初始信号时域特征并与PF排列熵组成高维特征向量,完成初次特征提取。最后,利用LLE对高维特征降维处理,完成二次特征提取。通过BP神经网络对采用该方法处理的滚动轴承实验数据进行识别,结果表明,该方法能够有效识别滚动轴承故障类型,分类效果优于直接采用原始数据集训练的结果,分类准确率达到98.67%。 相似文献
8.
针对煤矿井下工作环境恶劣,摇臂轴承经常发生故障,提出一种基于小波能谱熵-BP_Adaboost的采煤机摇臂轴承故障诊断方法。对振动信号进行小波分解,提取各小波系数的能谱熵,以此作为故障特征信息。利用Adaboost算法联合多个BP神经网络,构建BP_Adaboost强分类器。通过实验验证,该方法相比单BP神经网络识别率有很大提高,总体识别精度达到92%,其中外圈轴承故障识别率达96%,具有较好的采煤机摇臂轴承故障诊断能力。 相似文献
9.
10.
研究了利用PNN进行旋转机械故障诊断和预报的方法。PNN是基于Parzen窗函数和Bayes分类规则的前向型自监督神经网络模型,具有强大的非线性处理能力,快速的收敛速度和准确的分类效果。以某旋转机械典型故障样本为例,给出了利用该模型进行诊断和预报的详细过程。理论分析和仿真实验结果表明,利用PNN进行旋转机械故障诊断和预报的方法可行、有效。 相似文献
11.
12.
由于噪声的严重影响,滚动轴承故障特征的提取颇为困难。针对该问题提出了基于改进的萤火虫算法(FA)优化随机共振(SR)与局部均值分解(LMD)结合的方法。首先利用优化后的SR系统使信号达到最优共振,再经过LMD将信号分解成多个乘积函数(PF),以信息熵、相关系数为标准选取合适的PF分量重构信号,对重构后的信号进行快速峭度图(FK)分析,由所得参数设计带通滤波器,最后用Hilbert包络解调滤波后的信号即可得到故障特征。通过对轴承实验数据的分析表明,该方法能可靠地检测出轴承故障特征。 相似文献
13.
14.
15.
采用Matlab搭建单相接地仿真模型,设置多个检测点,用近似熵算法求取各检测点的近似熵。由于故障点前后暂态零序电流波形的差异,导致近似熵值的不同,据此可以判定故障区段。该方法具有不需要不同检测点精确时间同步,所需数据量小等优点。 相似文献
16.
针对滚动轴承振动信号的特点 ,从分形原理出发 ,利用盒维数的概念 ,对由滚动轴承故障产生的非平稳、非线性信号进行了分形特征的盒维数定量描述。试验结果表明 ,由于滚动轴承不同故障动力学产生的机制不同 ,其盒维数明显不同。因此利用盒维数可以准确地诊断出滚动轴承的工作状态 相似文献