共查询到16条相似文献,搜索用时 78 毫秒
1.
2.
3.
4.
5.
6.
7.
针对传统单尺度信号分析难以有效解决涡旋压缩机故障诊断中的故障特征信息多尺度耦合问题,提出一种基于小波变换和卷积神经网络的涡旋压缩机故障诊断方法。首先将采集到的振动信号进行连续小波变换生成时频图,并对时频图进行网格化规范处理,将预处理后的时频图作为特征图输入Alexnet卷积神经网络,通过不断调节网络参数,得出最为理想的神经网络模型,以此实现对涡旋压缩机故障类型的辨识诊断。结果表明,该方法针对涡旋压缩机故障类型的识别准确率达到94.6%,与传统多尺度排列熵、信息熵熵距的故障诊断方法相比,该故障识别方法具有更高的准确率。 相似文献
8.
9.
在对基于最大重叠离散小波包变换(Maximal overlap discrete wavelet packet transform,简称MODWPT)的Hilbert谱方法进行介绍的基础上,将基于MODWPT的Hilbert谱应用于齿轮故障诊断当中。采用MOWDWPT可将多分量的复杂信号分解为若干个瞬时频率和瞬时幅值具有经典物理意义的单分量之和,然后求出各个单分量信号的瞬时频率和瞬时幅值,再进行组合便可以得到原始复杂信号完整的时频分布。对具有裂纹和断齿的齿轮故障振动信号的分析结果表明,基于MODWPT的Hilbert谱可以有效地提取齿轮振动信号的故障特征。 相似文献
10.
11.
脑-机接口(brain-computer interface,BCI)是在大脑与外部设备间建立一个直接的信息交流通路,它无须依赖外周神经肌肉系统而仅通过脑电信号特征提取与模式识别来实现思维表达或指令操作.变频视觉诱发电位(chirp stimuli visual evoked potential,Chirp-VEP)是最近提出的一种脑电诱发新模式,可作为BCI控制信号,极富应用潜力.然而Chirp-VEP的诱发条件、信号处理、特征提取方法等都缺乏充分研究.本文采用不同起始频率和chirp调频率进行了Chirp-VEP诱发实验,利用Chirplet变换(chirplet transform,CT)等4种时频分析方法提取了ChirpVEP信号特征.研究结果表明,相较于其他时频分析方法,CT可获得更高的VEP信噪比与正确识别率.在8名受试者参加的在线BCI测试中,Chirp-VEP的总平均正确识别率高达97.8%,进一步验证了Chirp-VEP应用于BCI控制的潜力. 相似文献
12.
基于小波变换的多尺度主元分析在传感器故障诊断中的应用 总被引:3,自引:0,他引:3
讨论了多尺度主元分析方法在传感器故障诊断中的应用问题.为了解决传统的多尺度主元分析方法不能实现对传感器故障的全面检测问题,本文结合小波变换在相关传感器信号的各个尺度上建立主元分析模型,使这种方法能够同时检测到低频故障和高频故障.实际应用中设计了固定窗长的移动窗口,根据最后一个尺度系数计算残差空间的平方预报误差统计量进行故障检测;在检测到传感器故障后,再采用传感器有效度指标这种具有定量辨识标准的参数对故障传感器进行辨识.最后,通过液体火箭发动机试车台液氢供应系统的传感器故障诊断验证了这种方法的实用性和有效性. 相似文献
13.
14.
15.
16.
齿轮是机械传动中的重要组成部分,其故障的发生已经成为影响设备可靠、稳定运行的主要因素。提出一种基于改进局部特征尺度分解(Local Characteristic-scale Decomposition,LCD)与奇异值能量差分谱(Energy Difference Spectrum of Singular Value,EDSSV)的齿轮故障诊断方法。首先,利用支持向量回归(Support Vector Regression,SVR)对信号进行延拓处理,抑制LCD分解过程中产生的端点效应,分析改进后LCD算法的精确性和可靠性;然后结合奇异值能量差分谱降噪理论,有效剔除各ISC中噪声成分,重构信号频谱,提高信噪比;最后计算分解得到的内禀尺度分量(Intrinsic Scale Component,ISC)模糊熵(Fuzzy Entropy,FE)特征集,利用支持向量机(Support Vector Machine,SVM)进行分类。实验研究表明,提出的基于改进LCD与奇异值能量差分谱的齿轮故障诊断方法能有效诊断出齿轮故障类型。 相似文献