排序方式: 共有66条查询结果,搜索用时 375 毫秒
51.
52.
为更好地对滚动轴承进行状态监测和故障诊断,采集3种不同状态下的滚动轴承振动信号,根据振动信号特点提取其时域和频域的相关特征,然后分别利用SVM(支持向量机)和BP神经网络进行模式识别。不断减少每种状态下训练样本集的个数,利用2种不同的方法进行模式识别。当每种状态下的样本个数为3个时,支持向量机仍然能准确地将测试样本进行分类,而BP神经网络完全无法识别。实验结果表明,支持向量机比BP神经网络更适合于小样本的故障诊断。 相似文献
53.
基于LabVIEW和PCI-1711的高速数据采集系统,采用中断触发方式进行数据采集,通过12位高速A/D转换.PCI-1711使用1个PCI控制器作为采集卡与PCI总线的接口.内部缓冲区的使用多采用循环方式,将数据存储到文本文档中.用该系统采集轴承振动信号,结果表明,能有效地完成信号高速数据采集和实时图形显示. 相似文献
54.
在实际切削加工中刀具磨损的全状态先验知识获取困难,而刀具磨钝状态下的先验知识则较易获取。针对这种不完备先验知识情况,以切削力为监测信号,提出基于连续隐马尔可夫模型(CHMM)的刀具磨损状态评估技术。应用小波包分解技术提取信号特征信息,利用刀具磨钝状态下的先验归一化特征信息建立CHMM监测模型;根据刀具未知状态特性向量与监测模型间的对数似然度获取刀具性能指标,实现刀具磨损状态评价。铣刀全寿命磨损实验表明:该方法能在仅具备磨钝状态先验知识情况下,实现对刀具的磨损状态的初步评估,且所需样本数较少,训练速度快。 相似文献
55.
为了解决傅里叶变换难以兼顾信号在时域和频域中的全貌和局部化特征以及支持向量机惩罚参数c和核函数参数g选取的问题,提出了基于小波包和GA-SVM的轴承故障诊断方法;首先通过实验采集多种工况下故障轴承和正常轴承的振动信号,从振动信号中提取能够表征轴承运行状态的时频域特征以及基于小波包分析的特征向量来作为GA-SVM的输入,然后在SVM的基础上,针对SVM的惩罚参数和核函数参数在不同应用场景下的取值难以确定的特性,采用了遗传算法对支持向量机进行参数优化的GA-SVM算法进行模式识别;实验结果显示,基于小波包和GA-SVM的轴承故障诊断方法比SVM和BP都具有更高的识别精度。 相似文献
56.
盲源分离较之传统的信号处理方法在处理弱信号问题上更具优势。针对轴承故障诊断中因条件限制仅能进行单通道信号采集的情况,提出了一种基于总体经验模式分解的一维盲源分离算法。算法先通过总体经验模式分解将信号分解为多个本征模态函数,再根据本征模态函数之间的相关系数重组观测矩阵,最后利用近似联合对角化对矩阵进行盲源分离。通过数据仿真将该方法与小波分析和Hilbert-Huang变换作对比,说明该方法更适于处理低信噪比的轴承故障信号。对滚动轴承进行了故障诊断实验,成功找到了表征内圈故障和外圈故障的特征信息。 相似文献
57.
阅读视力检查广泛应用于视功能检查、低视力康复等眼科领域,国内外目前使用的纸质阅读视力表存在光照度无法定量、文字难以根据检查需要逐行显示、数据无法自动收集分析等问题,同时由于显示阅读视力表最小视标所需的像素密度极高等难点,目前还没有可以进行自动检查的仪器;针对上述问题,采用定制液晶模块,配以STM8单片机、蓝牙4.2模块,设计了具有蓝牙通信、语音识别、App控制等功能的阅读视力检查仪;检查仪具有显示效果精确、自动分析检查结果、适用性强等特点;测试结果表明,仪器符合检查标准,在视功能检查和低视力康复等眼科领域具有良好的应用前景。 相似文献
58.
59.
60.