共查询到17条相似文献,搜索用时 93 毫秒
1.
2.
为了有效地从非线性、非平稳性的风电齿轮箱故障信号中提取有用的信息成分,将微分经验模式分解、局部时频熵和支持向量机相结合,提出了一种微分经验模式分解局部时频熵和支持向量机的风电齿轮箱故障诊断方法。采用自适应多尺度的数学形态学对故障信号进行滤波;将滤波后的信号进行微分经验模式分解,获得齿轮振动信号的若干IMF分量;把每一个IMF进行分块,计算每一块的局部时频熵值;把局部时频熵值作为支持向量机的输入参数,通过支持向量机进行故障识别与诊断。实验结果表明,基于微分经验模式分解局部时频熵和支持向量机相结合的方法能够对风电齿轮箱故障信号进行准确有效地识别分类。 相似文献
3.
本文通过运用齿轮箱故障诊断的方法对齿轮箱轴承进行故障诊断,准确判断出齿轮箱轴承存在的故障,预防性的处理设备故障,取得了显著的经济效益和社会效益。 相似文献
4.
分形理论在图像的纹理识别中得到了广泛应用,由于分形维数不能反映图像的空间信息,容易造成误识别。针对该问题并结合声纳图像的特点,通过提升结构构造了Haar小波,并将提升小波变换同分形理论相结合,利用小波分解的多分辨率特点和分形维数的多尺度特性,提高图像的识别率。采用Levenberg-Marquardt(L-M)算法优化的BP神经网络对不同信噪比的声纳图像进行分类识别。实验结果表明,文中方法不论在识别率还是识别时间上均优于传统纹理识别方法。 相似文献
5.
6.
7.
8.
提出了一种基于局部特征尺度分解与形态学分形维数的滚动轴承故障诊断方法。首先采用局部特征尺度分解方法将机械故障信号分解为若干个内禀尺度分量,然后利用形态学分形维数计算包含故障特征分量的分形维数,将得到的分形维数作为特征量判别信号故障的状态,实验结果表明基于局部特征尺度分解与形态学分形维数的故障诊断方法能够有效识别滚动轴承的内圈故障、外圈故障、滚动体故障和正常状态,实现滚动轴承故障诊断。 相似文献
9.
10.
吴占军 《中国新技术新产品》2009,(24):5-5
本文将分形的有关理论与滚动轴承故障诊断联系起来,论述了分形维数的基本概念,并给出了相关算法。试验结果表明,滚动轴承不同故障出现时,其分形维数明显不同。因此,可以利用分形维数有效的诊断出滚动轴承的故障。 相似文献
11.
12.
13.
针对风电齿轮箱状态监测数据的多变量动态时空关联性特点,提出了一种基于长短期记忆(long short-term memory,LSTM)网络的齿轮箱故障预测方法,主要包括离线建模和在线监测两个阶段。首先,以齿轮箱油温为目标预测变量,充分考虑其与其它相关输入变量之间在时空维度上的重要关联信息,对历史监测数据进行训练学习,建立齿轮箱正常运行时的油温监测LSTM模型,通过对预测残差进行评估计算设定相应的检测阈值;然后,将训练好的油温监测LSTM模型用于在线测试,通过模型残差分析和阈值比较实现齿轮箱故障状态的检测和预测;最后,通过风电场测试数据对所提出的方法进行验证。结果表明,相比于其它传统方法,该方法表现出更好的预测性能,能够较早预测故障的发生。 相似文献
14.
15.
16.
17.
故障轴承振动信号具有分形特征,可以利用分形维数有效识别变速器轴承的故障模式.噪声的存在对分形维数的计算结果影响较大,为此采用经验模态分解(EMD)方法,对变速器轴承振动信号进行EMD分解,计算分解后的IMF分量的分形维数,提取出变速器轴承不同技术状态下的故障特征。对实测变速器轴承振动信号分析,结果表明:EMD能对不同频带信号进行有效分离;特定IMF分量的分形维数能敏感反应变速器轴承技术状态,可以作为变速器轴承故障诊断的特征参数;EMD与分形维数相结合是提取变速器轴承故障特征的一种有效方法。 相似文献