共查询到19条相似文献,搜索用时 62 毫秒
1.
2.
3.
4.
5.
6.
7.
8.
针对采煤机在正常工作中经常发生轴承故障的问题,提出一种基于经验模态分解(EMD)和隐半马尔可夫模型(HSMM)的故障识别方法。该方法先用EMD对故障信号进行分解,形成一系列平稳的本征模函数(IMF),并提取包含故障信息的IMF的能量作为特征向量输入到HSMM中对其进行训练。之后用训练好的HSMM分类器对故障进行识别。实验结果表明,采用该方法可以有效地提高故障识别率。 相似文献
9.
针对采煤机在正常工作中经常发生轴承故障的问题,提出一种基于经验模态分解(EMD)和隐半马尔可夫模型(HSMM)的故障识别方法。该方法先用EMD对故障信号进行分解,形成一系列平稳的本征模函数(IMF),并提取包含故障信息的IMF的能量作为特征向量输入到HSMM中对其进行训练。之后用训练好的HSMM分类器对故障进行识别。实验结果表明,采用该方法可以有效地提高故障识别率。 相似文献
10.
针对传统静态球磨机故障诊断方法的不足,提出了一种基于改进蝙蝠算法(Improved Bat Algorithm)的隐马尔可夫模型(Hidden Markov Model,HMM)故障诊断方法。首先针对HMM中算法初始化参数造成模型稳定性差的问题,提出基于蝙蝠算法的HMM(BA-HMM);其次针对BA易陷入局部极值的问题提出了一种基于动态自适应方法改进BA的HMM(VBA-HMM);最后利用VBA-HMM进行球磨机故障诊断,通过与基本HMM、BA-HMM对比,验证了VBA-HMM在球磨机故障诊断中具有更高的鲁棒性和准确性。 相似文献
11.
12.
13.
14.
15.
振动信号中冲击特征的出现是齿轮发生故障的一个重要表现,然而由于强噪声的影响,冲击特征很难被有效识别。为准确识别故障,提出了基于聚类经验模态分解(EEMD)和相关峭度的齿轮故障诊断方法。该方法首先利用EEMD方法将振动信号分解为若干本征模态分量(IMF),然后选出最大相关峭度对应的本征模态分量,最后对该IMF进行包络分析,进而识别故障。 相似文献
16.
17.
为了能够提高弧齿锥齿轮故障诊断的效率,使弧齿锥齿轮能够安全可靠地工作,深入地分析了小波包能量谱在弧齿锥齿轮中的应用。分析了弧齿锥齿轮故障的机理;研究了弧齿锥齿轮故障诊断的小波能量谱的机理;利用小波包能量谱对弧齿锥齿轮进行了故障诊断,结果表明该方法具有较好诊断精度。 相似文献
18.
小波变换在齿轮故障诊断中的应用 总被引:1,自引:0,他引:1
在分析小波变换理论和齿轮振动信号特点的基础上,提出用小波分析法提取齿轮故障特征。齿轮振动信号具有非平稳性,并且受各种噪声干扰,小波分析法具有处理非平稳信号的突出优点。在MATLAB环境中,建立了齿轮振动仿真信号,采用小波函数对受噪声污染的信号进行软阖值消噪处理,通过功率谱分析提取特征频率。仿真表明,该方法可有效抑制噪声,提取特征频率,从而为齿轮故障诊断提供依据。 相似文献
19.
基于集成支持向量机的滚动轴承故障智能诊断研究 总被引:1,自引:2,他引:1
针对滚动轴承故障识别问题,有效提高分类正确率,提出一种基于Adaboost算法的集成支持向量机智能诊断方法。该方法采用小波包变换提取信号的敏感频带特征;计算各频带能量作为训练特征;将特征向量输入到集成支持向量机中,以实现对不同的滚动轴承故障类型的识别。实验结果表明,该方法能有效地提取故障特征同时获得较好的分类效果。 相似文献