排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
2.
齿轮故障信号具有不平稳特性,故障信号特征向量难提取,典型的齿轮故障数据样本少。针对这些问题,提出基于总体平均经验模式分解(EEMD)、模糊熵和支持向量机(SVM)相结合的诊断方法。首先通过传感器采集得到加速度信号,然后,通过EEMD降低模态混叠,并将加速度信号分解成多个稳定的本征模态函数信号(IMFs)。其次,利用模糊熵能够表现信号复杂程度并且稳定的性质,取多个稳定IMFs的前几项计算模糊熵。因为SVM能够在小样本集情况下建立决策规则,所以将IMFs的前几项模糊熵值作为特征向量输入SVM训练。最后,SVM算法与常用神经网络比较,对样本训练、测试并诊断故障,说明SVM算法优于神经网络。齿轮故障诊断实验结果表明,所提出的方法诊断准确率达92.5%,可实现齿轮故障信息提取和齿轮故障的有效诊断。 相似文献
3.
文章阐述了氟橡胶(FKM)及全氟橡胶(FFKM)的基本结构,根据不同硫化体系的选择设计配方,按照标准进行实验。通过密封圈的高温压变性能实验结果研究不同硫化体系下氟橡胶(FKM)及全氟橡胶(FFKM)最高使用温度。 相似文献
4.
1