排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
2.
3.
针对滚动轴承退化特征提取以及性能退化阶段准确划分的问题,采用Logistic混沌映射,对谱熵在复杂度演化中的变化规律进行了研究。提出了一种基于均方根、谱熵、"弯曲时间参数"特征以及GG模糊聚类的滚动轴承退化阶段划分方法,并采用IMS轴承实验中心的滚动轴承全寿命试验数据进行了实例分析。研究结果表明:谱熵参数能够有效描述性能退化过程中的复杂度变化规律,对复杂度变化十分敏感,计算速度快;引入的Curved Time参数能够反映退化状态在时间尺度上的集聚特性,更符合机械设备的性能退化规律,因此GG模糊聚类方法能够实现对轴承等机械设备性能退化阶段的准确划分。 相似文献
4.
针对起升机构齿轮箱的退化特征提取问题,提出一种基于数学形态分形维数与滑动窗威布尔拟合的退化特征在线提取方法。首先,按照分析周期计算振动能量谱的形态分形维数,形成分形演化曲线;设置滑动窗口宽度与步长,对窗口内的分形序列进行三参数威布尔拟合,以模型的尺度参数作为性能退化特征指标;采用工业现场监测的起升机构齿轮箱全寿命数据作为基础,验证了该方法的有效性。结果表明,数学形态分形维数能够刻画振动能量谱的分形复杂度,威布尔分布的尺度参数能够平滑地反映分形曲线的性能退化趋势,为进一步解决在线健康状态评估问题奠定理论方法基础。 相似文献
5.
1