排序方式: 共有52条查询结果,搜索用时 15 毫秒
1.
2.
针对轴承不同故障状态难以识别的问题,将特征选择方法应用于滚动轴承故障诊断。在互信息方法的基础上提出非参数互信息(NPMI)的特征选择方法:首先从原始信号中提取能够表征轴承运行状态变化的时频域统计特征并建立多域特征集;然后利用NPMI特征选择方法去除特征集中的无关特征和冗余特征,建立敏感特征集,再利用多维尺度分析对敏感特征集进行降维可视化处理,比较特征的类别可分及聚类能力;最后将降维后的特征向量输入到支持向量机中得到不同故障的识别结果。以分类器正确率为依据,验证了基于非参数互信息特征选择方法的有效性和优越性。 相似文献
3.
为了准确、有效地提取转子故障特征,提出了变分模态分解(VMD)和奇异值特征提取的方法,并采用模糊C均值聚类(FCM)进行转子故障识别。首先,利用分解精度高、模态混叠问题少的VMD算法进行振动信号分解,形成初始特征向量矩阵,然后对该向量矩阵进行奇异值分解,将求得奇异值作为故障特征向量,最后通过模糊C均值聚类形成聚类中心,并计算海明贴近度以实现不同工况下的转子故障分类。将此方法进行转子实验台振动数据验证,实验结果表明:该方法能够有效实现不同工况下转子故障信号的区分,取得了理想的故障诊断结果。 相似文献
4.
针对齿轮箱故障诊断需要大量专家经验知识、人工提取特征困难的问题,提出基于特征差异性学习卷积神经网络(FDLCNN)的故障诊断方法。构建不同深度的多尺度网络,并引入残差模块,以提升网络的特征提取能力;提取一维时序信号中不同尺度不同深度的故障特征,再通过自适应平均池化层处理后进行特征融合,以丰富智能诊断决策信息;最后在全连接层实现特征降维,使用Softmax分类器输出诊断结果。利用10种齿轮箱故障状态实验数据与现有3种方法进行对比分析,结果表明:FDLCNN故障识别精度更高,鲁棒性更强,收敛速度更快。 相似文献
5.
6.
支持产品全生命周期的产品数据框架研究 总被引:4,自引:0,他引:4
针对STEP标准中对产品全生命周期数据描述的不足,在对产品数据元模型以及基于元模型数据集成方法讨论的基础上,建立了产品构成模型和产品数据分类模型,在此基础上提出了支持产品全生命周期的产品数据框架,并通过一个具体的产品实例来验证此框架的可行性。 相似文献
7.
为了实现从复杂的装配体中抽取部分零部件进行CAE分析,同时保持被抽取零部件的空间位置关系不变。利用VC2005开发环境和Pro/E自带的Pro/ToolKit开发模块进行二次开发,在Pro/E非可视化的条件下将Pro/E模型导入内存,重新组合生成新装配体进行实时预览,并将预览合适的新装配体按照指定文件格式保存。结合虚拟火箭案例,验证了复杂模型抽取的可行性和实用性,提高了分析模型抽取、装配的效率和通用性。 相似文献
8.
工程产品(如导弹、卫星、发动机等)的设计通常涉及众多的设计人员,海量的数据资源,不同领域的软件工具,复杂的设计流程,是一个需要经过多个设计阶段逐步细化的、反复的过程,是人员、资源、工具和过程的综合. 相似文献
9.
10.
为进一步提高Vold-Kalman阶比跟踪(Vold-Kalman filter based order tracking,VKF-OT),结合去趋势波动分析(detrended fluctuation analysis,DFA)算法在时变工况下齿轮局部故障的特征区分度,提出一种以转频阶比分量为研究对象的大时间尺度特征提取方法。该方法以齿轮转频和啮频作为VKF-OT的提取频率,获取任意时变工况下的2类阶比信号,分析对比两类信号携带的尺度指数特性及其物理意义,发现转频成分相对啮频信号具有更优的局部故障表征能力,而与大时间尺度对应的小尺度指数相较于大尺度、全尺度指数具有更佳的状态区分度。最后以齿轮不同工作状态下的150组振动信号作为验证,结果表明提取的转频阶比大时间尺度特征更利于任意时变工况下的齿轮局部微弱故障的识别。 相似文献