排序方式: 共有8条查询结果,搜索用时 15 毫秒
1
1.
针对随机噪声背景下滚动轴承局部损伤信息提取困难的问题,提出了一种奇异值分解(Singular value decomposition,SVD)和局部均值分解(Local mean decomposition,LMD)联合降噪,并结合Teager能量算子(Teager energy operator,TEO)的特征提取新方法.首先,利用SVD方法对滚动轴承故障振动信号进行处理,初步剔除背景噪声;然后,使用LMD方法分解降噪后的信号,依据相关系数指标筛分出敏感乘积函数(Product function,PF)并加以重构;最后,对重构的信号进行TEO解调分析,将解调谱中幅值突出的频率成分与故障特征频率理论值进行对比,提取故障信息.结果表明,该方法可有效提取轴承局部损伤的特征频率,最终实现故障诊断. 相似文献
2.
3.
高速铣削汽轮机叶片表面残余应力影响因素研究 总被引:1,自引:0,他引:1
针对实际应用中汽轮机末级动叶片表面残余应力导致的失效问题,文章通过对不锈钢叶片进行不同工艺参数下的切削试验,研究了工艺参数对叶片表面残余应力的影响规律.由于叶片的疲劳损坏是由其表面层所受的拉应力引起的,表面层的残余压应力可抵消一部分拉应力,从而使叶片的疲劳强度得到提高.通过对不同组间的试验数据进行对比分析表明,提高主轴转速有利于残余压应力的加大,而温度热应力对残余拉应力起着主导作用.研究结果对于在不同加工参数条件下提高叶片表面的残余压应力,提高抗疲劳性能有一定意义. 相似文献
4.
提出了一种基于粗糙集理论的主轴轴承组件故障识别方法,针对具有连续属性的实验数据,将等间距聚类法引入连续属性离散化,通过应用区分矩阵算法进行决策表条件属性约简,提取了清晰、简明的故障模式规则。结果表明,该方法可以实现数控机床主轴轴承组件故障模式识别,在实际模式识别中具有很好的应用价值,可为数控机床机械部件故障诊断提供方法和依据。 相似文献
5.
6.
7.
根据组合优化问题的特点,提出一种离散混合杂草优化算法来解决旅行商问题,通过对算法中正态分布于父代周围的子代进行离散化分析,并引入遗传操作中的单点顺序交叉法和对换变异法,从而有效防止了算法的早熟收敛.计算机仿真结果表明,离散混合杂草优化算法相对于基本粒子群算法具有更好的性能. 相似文献
8.
1