共查询到20条相似文献,搜索用时 31 毫秒
1.
针对垮落煤岩识别的技术问题,基于垮落煤岩冲击液压支架后尾梁的振动信号,提出了一种基于小波包熵和流形学习的特征提取方法。该方法首先对振动信号进行小波包分解并单支重构,计算该信号的小波包能量熵,从而确定信号能量分布的复杂度,计算各频带的样本熵,从而确定各频带小波包系数的复杂度。以小波包能量熵和频带样本熵构造特征向量,输入BP神经网络识别垮落煤岩。然后利用局部线性嵌入(LLE)挖掘特征向量的低维流形结构,并输入神经网络对比其识别效果。并提出了未知样本低维估计方法以得到其低维嵌入。结果表明:基于小波包熵和LLE提取的特征向量准确又简单,输入神经网络识别率达到92.5%;基于低维估计方法得到的未知样本低维嵌入也较准确。 相似文献
2.
3.
针对煤矿井下工作环境恶劣,摇臂轴承经常发生故障,提出一种基于小波能谱熵-BP_Adaboost的采煤机摇臂轴承故障诊断方法。对振动信号进行小波分解,提取各小波系数的能谱熵,以此作为故障特征信息。利用Adaboost算法联合多个BP神经网络,构建BP_Adaboost强分类器。通过实验验证,该方法相比单BP神经网络识别率有很大提高,总体识别精度达到92%,其中外圈轴承故障识别率达96%,具有较好的采煤机摇臂轴承故障诊断能力。 相似文献
4.
5.
针对矿井提升机天轮轴承故障信号微弱、背景噪声强、故障特征难以提取问题,提出了将最小熵反褶积(Minimum Entropy Deconvolution,MED)和自适应多尺度形态滤波(Adaptive Multi-scale Morphological Filtering,AMMF)相结合进行微弱故障特征提取的方法。MED作为前置滤波器,可以突出信号中较大的脉冲,弥补强噪声背景下AMMF对微弱故障信号提取的局限性。然后再对预处理后的信号进行AMMF处理,可以克服MED无法将微弱信号突显出来的不足。2种方法相互作用,充分利用了各自的优点,补偿了彼此在强噪声环境下的不足,最终得到了良好的降噪效果。仿真和实验结果表明,该方法能有效提取强噪声环境下低速重载轴承的微弱故障特征。 相似文献
6.
基于小波包的轴承信号降噪和特征提取的研究 总被引:1,自引:1,他引:0
为有效识别轴承故障特征,以轴承内圈故障的信号为例,采用在非平稳信号消噪和以频带能量分布作为故障特征方面有着广泛应用的小波包进行Mat-lab仿真,获得小波包降噪后的信号和作为内圈故障特征的频带能量分布。通过分析频带能量,其结果与实际故障相一致,得出小波包在轴承故障特征提取方面有着一定的优越性。 相似文献
7.
8.
故障特征参数的准确提取是故障诊断的一个关键性问题。提出了一种基于卷积型小波包能量矩的特征提取方法。相比传统的小波包能量特征提取方法,基于卷积型小波包能量矩的特征提取方法能更有效地提取信号在各频带上的能量分布特征。仿真和实验验证了利用小波包能量矩进行故障诊断是一个有效的方法。 相似文献
9.
10.
11.
故障特征参数的准确提取是故障诊断的一个关键性问题.提出了一个基于卷积型小波包能量矩的特征提取方法.相比传统的小波包能量特征提取方法,基于卷积型小波包能量矩的特征提取方法能更有效地提取信号在各频带上的能量分布特征.仿真和实验验证了利用小波包能量矩进行故障诊断是一个有效的方法. 相似文献
12.
13.
为了保障煤矿通风安全,提高矿用风机故障诊断的准确性,采用时域统计分析方法对风机轴承振动数据进行分析,综合利用峰值因子、均方根值、峭度指标和裕度系数对煤矿风机轴承进行在线监测;利用小波包络的方法对风机轴承信号进行处理分析,设计并训练了收敛速度快、精度高的BP神经网络。结果表明,峭度指标和裕度系数对轴承的缺陷比较敏感,不受轴承型号、载荷、转速等条件的影响;小波包络的方法对于处理强噪声环境下的非平稳振动信号有良好的效果,能够准确地提取信号中的故障特征。运用小波包和神经网络相结合的方法能够高效诊断出风机故障类型,指导设备维护。 相似文献
14.
排水泵是煤矿企业生产中排除井下涌水的主要设备,其可靠运行直接关系到煤矿的安全高效生产。针对煤矿排水泵常见的电机转子故障和轴承故障进行具体分析,并从运行和节能两方面提出降低水泵故障率的具体措施,可供生产实际参考。 相似文献
15.
16.
17.
18.
19.