排序方式: 共有36条查询结果,搜索用时 171 毫秒
11.
12.
13.
为了减小神经网络在机械设备故障预示与健康管理(PHM)过程中对大量完备数据的依赖,针对数据稀少情况下的滚动轴承故障诊断问题,提出了一种多源域迁移学习方法。模型采用一维卷积神经网络(1D-CNN),以原始振动信号作为模型的输入,利用两个不同的源域数据依次对模型进行预训练,使用目标域数据对预训练模型进行微调,提高对目标域的识别精度。采用频询实验台实测数据及西储大学数据集,在目标域故障样本不足的情况下分别对模型的分类精度、训练速度、结果稳定性、多源域有效性进行验证,并与卷积神经网络(CNN)、迁移成分分析(TCA)、联合分布适配(JDA)、支持向量机(SVM)的诊断结果进行对比。实验结果表明,在故障数据稀少时,模型能达到较高的分类精度,在目标域样本数量不同的3种情况下,多源域迁移方法分类精度分别达到了97.71%、96.28%、94.18%,并且模型有着较快的收敛速度,较好的稳定性。 相似文献
14.
针对基于小波尺度谱的模极大值法提取小波脊线存在受噪声干扰影响大、高频部分频率分辨率低等缺点,提出一种基于最优重分配小波尺度谱的小波脊线提取方法。首先,优化M orlet母小波使其与信号特征成分实现最佳匹配,再对小波尺度谱进行重分配,提高尺度谱的时频聚集性;然后,对重分配尺度谱进行信号奇异值分解降噪,降低噪声干扰影响;最后,利用模极大值法提取出小波脊线,根据小波脊线与频率的关系得到信号的瞬时频率。仿真算例和实际工程应用结果表明,该方法能有效提取出强噪背景下的机械故障特征。 相似文献
15.
大模数齿轮齿条驱动式起升工作平台属于典型低速重载装备,其模数往往超过了模数系列中所规定的标准值,这不仅对现有的设计理论、制造工艺及安装方法提出了新挑战,而且对其安全高效运行和可靠性保障提出了新要求.为了研究齿轮齿条传动副在复杂工况条件下的失效机理和动力学响应特性,揭示设备服役性能退化和可靠性演化规律,以三峡升船机为对象,搭建了一个立式齿轮齿条起升机构传动系统工况模拟试验台,利用三维软件对齿轮齿条传动副进行实体建模,利用有限元方法对其进行静力学强度分析,研究齿轮和齿条应力应变分布规律.以齿轮齿条起升机构的三维建模为基础,对不同工况下的齿轮齿条起升机构的啮合运动进行动力学响应特性分析,得到齿轮齿条啮合传动过程中的速度、加速度和接触力相互耦合作用及运动规律,采用以小推大的思想,为大模数齿轮齿条起升的故障诊断和运行健康评估提供必要的理论和实验依据. 相似文献
16.
大模数齿轮齿条驱动式起升工作平台属于典型低速重载装备,其模数往往超过了模数系列中所规定的标准值,这不仅对现有的设计理论、制造工艺及安装方法提出了新挑战,而且对其安全高效运行和可靠性保障提出了新要求.为了研究齿轮齿条传动副在复杂工况条件下的失效机理和动力学响应特性,揭示设备服役性能退化和可靠性演化规律,以三峡升船机为对象,搭建了一个立式齿轮齿条起升机构传动系统工况模拟试验台,利用三维软件对齿轮齿条传动副进行实体建模,利用有限元方法对其进行静力学强度分析,研究齿轮和齿条应力应变分布规律.以齿轮齿条起升机构的三维建模为基础,对不同工况下的齿轮齿条起升机构的啮合运动进行动力学响应特性分析,得到齿轮齿条啮合传动过程中的速度、加速度和接触力相互耦合作用及运动规律,采用以小推大的思想,为大模数齿轮齿条起升的故障诊断和运行健康评估提供必要的理论和实验依据. 相似文献
17.
针对滚动轴承早期故障特征微弱难以快速有效辨识的问题,提出一种基于正交邻域保持嵌入(ONPE)与多核相关向量机(RVM)的滚动轴承早期故障诊断方法。首先基于多域量化特征构造表征滚动轴承早期故障的多域特征向量,基于ONPE线性流形学习对多域特征向量进行约简降维处理,获取最能反映滚动轴承早期故障运行状态变化的低维敏感特征,随后将获取的低维敏感特征输入给多核RVM进行早期故障模式的分类辨识。通过分析滚动轴承早期故障的模拟实验数据表明,该方法对高维复杂的非线性早期故障特征具有良好的约简降维性能,而且比单一核函数RVM具有更好的诊断精度。 相似文献
18.
为了提高滚动轴承性能退化指标的预测精度,得到性能退化指标的一个预测范围,本文提出信息熵与优化最小二乘支持向量机(LS-SVM)的轴承性能退化趋势模糊粒化预测。首先利用信息熵理论提取轴承信号的性能退化指标序列,再利用模糊信息粒化理论对该性能退化指标序列进行模糊信息粒化;然后将粒化后的数据输入给LS-SVM进行回归预测,并采用粒子群算法(PSO)优化LS-SVM的惩罚参数和核函数参数;最后根据实测值和预测值的对比分析评估预测模型的优良性。实验结果表明,对于每个时间段内的轴承性能退化指标,该方法均能获得准确的预测结果,具备较强的实用性和工程应用价值。 相似文献
19.
20.