论文研究-基于小波包-AR谱和深度学习的轴承故障诊断研究.pdf
针对轴承故障信号的非平稳性和非线性的特点，采用小波包分解和自回归（auto-regressive，AR）谱估计相结合的方法提取振动信号特征值；为了提高诊断结果的精度，提出用深度信念网络（deep believe network，DBN）进行诊断模型训练。首先，对轴承振动信号进行小波包分解和自回归谱估计，计算不同频段的能量实现轴承故障特征提取；其次，将提取到的特征值作为深度信念网络的输入向量，进行模型训练；最后，用训练好的模型进行故障诊断。为验证所提方法的有效性，采用美国凯斯西储大学提供的旋转轴承数据集，将提出的算法与三种故障诊断方法进行对比实验。实验结果表明，所提方法具有更好的诊断性能。
文件下载
评论信息
其他资源
- 基于MOEA/D的多目标优化算法
- YOLO系列 ppt
- Python实现PCA
- rootfs-brmin.tar.gz
- 数控车床编程100例
- 模糊控制器与PID控制器_性能对比 基于matlab编程
- 四路循迹小车代码
- osgb/ive/osg/obj模型格式互转工具
- powerdesigner 16.5 license key / 注册码（可用）
- 嵌入式期末考试试卷汇总
- 八数码问题(C++解决方案，广度优先遍历）
- 六年级下册心理健康教育教案.pdf
- 【opencv】javascript版本
- netty-codec-4.0.27.Final.jar
- 人工鱼群算法仿真程序
- 基于深度学习目标检测算法综述
- FPGA 控制DM9000A进行以太网数据收发的Verilog实现
- 8位总线画法ALU （用Quartus II 软件绘制）
- Agilent_ADS_2011破解软件及其破解安装方法
- Swift官方教程中文版
- VB的ARCGIS例子
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明