共查询到17条相似文献,搜索用时 78 毫秒
1.
2.
通过状态监测进行轴承故障报警,能有效避免设备灾难性事故的发生。基于数据时序特征重构的故障检测法由于仅采用正常数据进行训练, 能有效避免故障数据不足而导致的模型检测精度下降。然而,此类方法的故障阈值确定依赖于大量的历史数据,且对检测精度有着极大的影响。为此,提出基于深度SVDD-CVAE的轴承自适应阈值故障检测方法。针对时序信号特征增强提取构建ConvLSTM作为基础单元的CVAE特征压缩提取框架,有效提取轴承故障微弱特征;结合SVDD自适应学习特征空间超球面,实现故障检测阈值的自适应确定;最后,通过全局误差损失反向传播对深度SVDD-CVAE框架进行迭代优化。实验结果表明:所提出的方法能有效提取轴承微弱故障特征、自适应确定阈值,并在IMS轴承数据集上取得97.7%的检测准确率。 相似文献
3.
为提高轴承端面缺陷检测的速度以及检测精度,提出一种基于改进YOLO v3的轴承端面缺陷检测算法。首先,对图像数据集进行数据增强处理以防止产生过拟合现象;其次,通过改进K-means聚类算法重新聚类出目标检测的Anchor Boxes,并引入SKNet注意力机制模块对原网络结构以及输出层结构进行改进;最后对改进的YOLO v3算法进行实验验证,并与原YOLO v3算法进行对比分析。结果表明,改进后的YOLO v3算法相比原YOLO v3算法对轴承端面缺陷检测的mAP值提升了7.03%,检测速度提升了34.7 帧/s,验证了改进算法的有效性。 相似文献
4.
5.
由于轴承各个阶段的故障信号存在一定差异,且固定核函数的维格纳分布(WVD)无法适应不同类型的信号,为此,提出利用可变核函数平滑伪WVD对汽车轴承故障进行检测。建立WVD的特征函数,利用特征函数的聚散性抑制交叉项干扰;在此基础上,将不同类型信号核函数的确定转化为最优化化问题,并给出核形状与核参数协同优化的关系式。采用变核平滑方法的WVD对汽车轴承故障进行检测,结果表明:变核函数的平滑WVD对信号的适应性更强,且能有效抑制交叉项振荡,在计算成本略有增加的基础上,检测准确率达到了97%以上。 相似文献
6.
7.
8.
介绍了CAN现场总线及基于TCP/IP协议的以太网构建的三级分布式测试系统网络框架,基于该框架,开发了分布式微型轴承的自动检测系统,该系统由PLC、IPC、PC机组成.还给出了多机通讯软件的设计处理方法.针对不规则的分布式网络结构,对通讯路径算法作了探讨. 相似文献
9.
本文采用机器视觉和图象处理技术,利用CCD摄象机、图象采集卡、运动控制卡、计算机等组成一针对轴承外形尺寸的视觉检测系统,介绍了系统的组成和图象处理方法,并给出了系统的硬件和软件设计。 相似文献
10.
在实际生产线上,根据不同的尺寸偏差对同一型号的轴承沟道曲率半径进行在线检测。针对该问题,设计基于机器视觉的轴承沟道曲率半径在线检测系统,以替代人工检测。运用CCD摄像机与MATLAB图像处理技术相结合的方法,对零件进行非接触式测量,并对采集到的零件图像进行预处理;通过对比各种边缘检测算法,采用Canny算法求取像素精度的轴承边缘;利用圆的Hough变换检测出带有圆弧的圆特征,计算此圆弧的圆心坐标和半径值。实验结果表明:该系统的测量精度可达到0.5μm,测量标准差小于2.5μm,符合工业检测要求。 相似文献
11.
12.
13.
为了提高传动振动过程中齿轮箱轴承内外圈故障诊断能力,采用正交匹配追踪(OMP)算法建立了故障诊断模型,并开展仿真分析及实验验证。研究结果表明:通过OMP算法对轴承外圈故障仿真加噪信号进行处理,能够看到信号呈周期性波动,通过频率及其倍频呈现逐步衰减,故障特征明显;经过OMP算法处理的轴承内圈故障仿真纯净信号呈周期性波动,能够看到滚动轴承的故障,轴承内圈通过频率和倍频以及边频带呈现逐步衰减,故障特征明显。为了进一步验证OMP算法处理齿轮故障的有效性,搭建封闭式功率流齿轮箱试验台,OMP重构故障信号谱图中啮合频率360 Hz峰值较低,边频带被完全掩盖,不存在大量的干扰成分。经OMP算法处理过的故障信号的谱图能很好地体现故障特征。 相似文献
14.
针对实际应用中矿井通风机轴承负样本少导致故障诊断率低的问题,提出一种基于深度迁移学习的矿井通风机轴承故障诊断方法。组合卷积神经网络(CNN)与双向门控循环单元(BiGRU),并采用随机森林(RF)分类器替换CNN的Softmax层,构建CNN-BiGRU-RF诊断模型,提取轴承更深层次故障特征以便于故障识别;利用源域数据对模型训练,确定模型结构参数;最后,引入迁移学习将模型迁移至目标域,使用目标域有标签数据微调模型参数,构建目标域诊断模型进行故障分类。实验结果表明:在矿井通风机轴承负样本稀少情况下,所提方法的故障识别平均准确率在94%以上,与其他方法相比,具有更好的诊断精度和泛化能力。 相似文献
15.
针对实际工况下,正常样本丰富、故障样本稀缺的类别不平衡情形,导致基于深度学习的故障诊断模型诊断能力较差这一问题,提出一种基于自适应综合采样方法(ADASYN)和Swin Transformer的故障诊断模型。使用自适应综合采样方法,改善数据分布,解决实际工况中故障样本与正常样本类别不平衡问题;使用Swin Transformer网络模型代替CNN网络 ,并使用深度迁移学习方法,使Swin Transformer网络模型掌握判别滚动轴承故障所需的浅层权重,深层权重通过反向传播方法训练获得;之后,将模型用于轴承故障测试,并对其进行调试;最后,将模型用于轴承故障实测,检验其实际工况下的诊断能力。实验结果表明:所提模型具有97%的诊断准确率,能够很好地适用于类别不平衡情形下的滚动轴承故障诊断。 相似文献
16.