随着现代制造业朝着大型化、柔性化、智能化发展，保障生产设备的安全运转越发重要。提出了基于PCA-SVM算法的轴承故障诊断分析模型。该模型提取轴承振动信号的时域指标参数，并运用主成分分析法（PCA）对指标参数进行优化和选择，利用降维思想，将多参数转化为综合参数，将综合特征值作为支持向量机（SVM）分类器的输入向量训练分类模型，最后运用测试集进行故障诊断实验，实验表明PCA-SVM模型可以帮助提高模型分类效率和精度，快速排查定位轴承故障，从而降低由故障导致的生产问题，减少经济损失。
2021-09-15 20:19:35
1.55MB
1
滚动轴承是旋转机械的关键部件，容易发生损坏，30%的旋转机械故障是由滚动轴承故障引起的，须对轴承故障进行检测以保证设备可靠运行。当滚动轴承元件出现疲劳损伤、磨损、腐蚀、断裂、划痕、擦伤、胶合等故障时，其在工作过程中会产生复杂的振动，傅里叶变换能够很好的检查故障信号的出现位置。
2021-09-14 10:53:10
418KB
1
提出了一种改进的集总平均经验模式分解(MEEMD)滚动轴承的故障提取方法。对采集得到的振动信号进行MEEMD分解,获得不同频率的本征模式函数(IMF);对各个本征模式函数进行包络谱分析;最后通过包络谱特性反映出来的频谱信息诊断出轴承故障。滚动轴承内外圈故障仿真和实验研究表明:MEEMD方法能有效地应用于轴承的故障诊断。
2021-09-10 10:12:11
274KB
1
eager 能量算子能够估计产生信号所需的总机械能，
对信号的瞬态变化具有良好的时间分辨率和自适应能力，
在检测信号冲击特征方面具有独特优势。为了提取滚动轴承故障的特征频率，
针对滚动轴承故障振动信号中的瞬态冲击特点，
提出了基于 Teager 能量算子的频谱分析方法，
利用 Teager 能量算子提取轴承故障引起的周期性冲击，
通过瞬时 Teager 能量的 Fourier 频谱识别轴承的故障特征频率。
2021-08-25 19:28:02
1.05MB
1