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
- 海康威视DS-7804HW-SNH萤石云程序升级包.zip
- ga-bp神经网络程序
- 匿名上位机V7.rar
- LMD matlab程序
- 泛微Ecology8与帆软9.0集成
- BIOS研发技术剖析完整版（含光盘）
- 黄晓明书中修正burgers黏弹模型abaqus子程序Umat
- 正确写作美国大学生数学建模竞赛论文（中文+英文）
- 基于单片机的八音盒详细设计步骤
- 多载波和扩频通信系统教材
- delphi 连接 mysql sqlconnection
- CCNA网络工程师培训PPT，适合于网络培训讲师、学生使用
- F5 BigIP V9 安装指导书
- 《UML面向对象需求分析与建模教程》 邹盛荣 主编 电子版 2016.01 .doc
- MyKTVSys后台.rar
- PHP开发典型模块大全源码
- 和秋叶一起学Excel
- Thingworx OPC DA安装配置指南
- EtherNet-IP（中文版）Edition1.2
- 《小波分析理论与Matlab R2007实现》源代码
- javaWeb前后台交互（只有登录功能）
- asp+access 瀑布流实例 超简单
- R_apriori.txt脚本
- [强烈推荐]Deep Learning with Python - A Hands-on Introduction
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