针对轴承振动信号非线性、非平稳性和故障特征微弱性的特点,以及工程实际中难以获得大量故障样本的情况,提出了一种基于多尺度排列熵和支持向量机的轴承故障诊断新方法。该方法首先对轴承不同运行状态下的振动信号进行多尺度排列熵特征提取,然后通过距离评估技术从原始多尺度排列熵特征中选取敏感特征,最后将敏感特征输入到采用遗传算法优化的支持向量机中,实现对轴承不同运行状态的自动识别。对实验数据分析的结果表明,该方法可以精细地获取故障信息,从大量原始特征中选择出敏感特征,有效地实现滚动轴承故障状态的诊断。
2022-11-03 09:33:10
320KB
1
基于VMD和1_5维Teager能量谱的滚动轴承故障特征提取_向玲
2022-10-24 13:44:37
1.74MB
1
基于YOLOv4的轴承故障识别系统的设计与实现代码大全.doc基于YOLOv4的轴承故障识别系统的设计与实现代码大全.doc基于YOLOv4的轴承故障识别系统的设计与实现代码大全.doc
2022-10-19 17:05:55
811KB
1
【MATLAB项目实战】基于Morlet小波变换的滚动轴承故障特征提取研究
2022-08-06 13:05:16
38.04MB
1
基于MATLAB的GUI设计了一个简易版的轴承故障诊断系统，该系统的主要有以下几个功能：1、可以作为GUI界面学习的一个例程（含详细源码）；2、可以基于西储大学的数据熟悉信号的常见分析手段（FFT/时域波形）；3、可以自动选取西储大学的数据进行分析，只需要输入文件名序号即可;4、可以作为毕业设计中软件设计的一部分（某一章节），增加学术工作量，使得算法成果展示更生动。5、软件左上角有放大、缩小、标注数据等功能。
2022-08-05 09:05:56
234.32MB
1
针对BP神经网络训练过程易陷入局部极值导致训练误差收敛速度慢的问题，提出将具有全局寻优的萤火虫算法，结合BP算法共同训练神经网络。在本质上，萤火虫BP神经网络利用萤火虫算法对神经网络进行早期训练，避开局部极值点，得到优化后的神经网络初始权值后，利用BP算法的局部寻优特性对网络做进一步精细训练。轴承故障实验表明，萤火虫BP神经网络的训练误差收敛速度相比BP神经网络、萤火虫神经网络显著提升，故障识别率最高达到99.47%。
2022-08-03 11:01:11
1.2MB
1
人工智人-家居设计-基于Bayesian理论的电机滚动轴承故障的智能诊断研究.pdf
2022-07-12 20:04:04
2.62MB