排序方式: 共有37条查询结果,搜索用时 15 毫秒
1.
针对在滚动轴承故障诊断中,传统单通道原始信号存在输入信息缺失,经方法处理后导致诊断结论不一致的问题,将全矢谱分析技术和频率切片小波变换(Frequency Slice Wavelet Transform,FSWT)相结合,提出了全矢FSWT的方法进行故障检测与诊断。运用FSWT分析同源相互垂直的双通道原始样本,并选择合适的时频切片区间进行包络重构,接着对重构后的信号进行全矢融合,观察提取故障数据的特征频率以进行故障诊断。实验结果表明,该方法既能较好地提取故障特征信号,又能准确有效地诊断故障类型。 相似文献
2.
3.
4.
5.
单通道预测方法由于获取振动信息不完善的缺陷,导致预测结果一致性差,从而不能实现故障的预测。针对单通道信息不完善的缺陷,将时序预测重要方法 ARMA模型结合基于同源信息融合技术的全矢谱技术,提出了全矢谱-ARMA模型预测方法。全矢谱是由互相垂直的两个通道获取的信息融合而成,在同一截面其频谱结构不会随着一对传感器安装的方位不同而变化。通过全矢谱获得的频谱结构具有唯一性,因此该方法能够实现预测并且结果一致性好,从而能够实现对故障的预测。实验表明:该方法预测结果好,并且比较实用。 相似文献
6.
7.
密封条在轿车车门中起到了介质密封、环境隔离和内外装饰作用,是影响车门关闭力的重要因素。为了探明密封条与车门的相互作用,首先必须了解密封条与车门之间的接触特性。然而密封条与车门之间的接触问题非常复杂,它不仅与密封条的大变形有关。而且与车门的接触点的位置与方向、摩擦特性等有关。为此,笔者建立了基于直接约束法的接触算法,利用数值方法对密封条与车门之间的接触特性进行了分析研究。研究结果表明,此算法对密封条与车门的接触特性是有效的,能够反映密封条在与车门接触过程中的接触法向力、接触法向应力以及摩擦力的大小和分布情况。 相似文献
8.
针对滚动轴承故障信号具有的非线性和非平稳性,其故障特征难以提取的问题,提出一种奇异值分解(SVD)和局部均值分解(LMD)相结合的滚动轴承故障特征提取和诊断方法。首先,将轴承故障信号进行LMD分解得到若干PF分量;然后选取和原始信号相关度较大的PF分量,利用奇异值序列来构造其故障特征向量;最后,将得到的故障特征向量作为学习样本输入到支持向量机(SVM)中,对故障类型进行分类和识别。实验结果表明,LMD和SVD结合的故障特征提取方法,能有效提取滚动轴承不同状态下的故障特征,对不同故障状态做出准确分类。 相似文献
9.
基于人工神经网络的SPRC切削力仿真模型 总被引:1,自引:0,他引:1
由于自回转切削 (Self PropelledRotaryCutting ,简称SPRC)刀具有可能解决刀具耐磨性问题 ,建立其力学模型对于自回转切削刀具的研究具有重要的学术意义和实践意义。笔者利用BP算法用C语言编写人工神经网络程序 ,并用实验数据对神经网络进行学习训练 ,建立了SPRC切削力的仿真模型。实验证明该模型的输出结果与实际结果十分接近 ,该模型能够反映SPRC的基本切削加工特性 ,因此可作为SPRC基本切削加工的仿真模型 相似文献
10.