首页 | 官方网站   微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   187篇
  免费   53篇
  国内免费   12篇
工业技术   252篇
  2023年   5篇
  2022年   13篇
  2021年   22篇
  2020年   19篇
  2019年   18篇
  2018年   9篇
  2017年   28篇
  2016年   26篇
  2015年   34篇
  2014年   25篇
  2013年   15篇
  2012年   19篇
  2011年   10篇
  2010年   8篇
  1986年   1篇
排序方式: 共有252条查询结果,搜索用时 31 毫秒
1.
为了解决EMD方法存在的模态混叠的问题,更加精确有效的利用振动信号进行齿轮的故障识别和诊断,提出一种将总体平均经验模态分解(EEMD)和隐马尔科夫模型(HMM)结合的齿轮故障诊断方法。首先对采集到的原始齿轮振动信号进行EEMD处理,获得包含主要故障信息的各阶固有模态函数(IMF)分量,以能量为元素,提取并构造特征向量,对特征向量进行HMM模型训练和诊断测试,来识别齿轮的工作状态和故障类型,实验结果表明,该方法可以有效提高齿轮的故障诊断准确率和精度。  相似文献   
2.
《工程爆破》2022,(4):23-26
为了研究段数对反应谱特性的影响,基于某石方控制爆破工程爆破振动实测数据,对不同段数爆破振动信号进行了反应谱分析。首先,利用实测的爆破振动速度信号采用直接微分法获得了加速度信号,并利用EEMD分解对加速度信号进行低通滤波去噪处理,获得了准确清晰的加速度曲线。然后,利用精确法求得了不同段数下爆破振动信号的速度反应谱和标准速度反应谱。分析结果表明:不同段数的爆破振动质点峰值速度与速度反应谱的峰值速度并不存在对应关系,因此分段数的选择应综合考虑结构对爆破振动的动态响应。  相似文献   
3.
针对爆破振动信号去噪和趋势项消除问题,借助相关性分析,引入了一种基于集合经验模态分解(EEMD)和小波阈值法的预处理滤波方法。首先运用EEMD方法进行信号分解,利用互相关系数进行含噪IMF分量和趋势项分量的预选,然后分别借助自相关函数特性和频带特点进行判断,最后完成含噪分量的小波阈值去噪和趋势项分量的去除,重构波形。实例验证结果表明,该方法能有效消除噪声、趋势项干扰,保留波形真实信息,进而提高频谱分析精度。  相似文献   
4.
为提高风电预测的精度,提出一种鲸鱼优化支持向量机SVM(support vector machine)的组合预测模型。该模型针对风电序列的非平稳波动特性,首先应用集合经验模态分解技术EEMD(ensemble empirical mode de?composition)将原始风电序列分解为一系列不同特征尺度的子序列;并引入鲸鱼优化算法WOA(whales optimiza?tion algorithm)解决SVM中学习参数选择难的问题,进而对各子序列建立WOA_SVM预测模型;最后,叠加各子序列的预测值以得到最终预测值。仿真表明,所提EEMD_WOA_SVM模型具有较高的风电预测精度,显著优于其他基本模型。  相似文献   
5.
针对转子不对中和滚动轴承微弱损伤的复合故障诊断问题,提出了一种基于平均经验算法(Ensemble Empirical Mode Decomposition,EEMD)和高效快速独立分量分析(Efficient Variant of FastICA,EFICA)的盲源分离故障诊断方法。利用EEMD算法将单通路复合故障信号分解成多个不同信号特征的本征模函数(Intrinsic Mode Function,IMF),解决了盲源分离中的欠定问题。在此基础上利用EFICA算法对各个不同信号特征的IMF进行故障特征分离。通过仿真实验和转子实验台的实验结果,表明该算法可以有效分离出各个不同的故障特征。  相似文献   
6.
基于EEMD和自相关函数特性的自适应降噪方法   总被引:1,自引:0,他引:1  
在机械设备早期故障中,反映故障特征的冲击信号非常微弱,容易被噪声淹没,使得故障诊断有一定难度。集合经验模式分解方法将含噪信号分解为多个固有模式分量,其中包括噪声分量和有用信号分量。根据两者自相关函数特性的不同,提出了利用能量集中比找到噪声分量分界点的自适应降噪方法,并利用改进的软阈值方法拾取噪声分量中的高频有用信号。对不同频率的含噪信号进行降噪处理,结果表明,该方法对中低频信号的降噪具有很好的效果。故障轴承振动信号的降噪效果表明该方法的实用性。  相似文献   
7.
针对提升机电机轴承振动信号的非平稳特性和单一粒子群算法(PSO) 优化径向基函数(RBF)神经网络时存在网络收敛速度慢和适应度值易陷入局部最小的缺点,提出基于集合经验模态分解(EEMD)能量熵和模拟退火粒子群混合算法(SAPSO)优化RBF神经网络的提升机电机轴承故障诊断方法。基于EEMD求取振动信号各固有模态函数分量的能量熵,并使用相关性分析方法剔除虚假的分量,把筛选后的有效数据作为故障识别的特征向量;利用模拟退火(SA)算法具有局部概率突跳的特性,将SA算法和PSO算法相结合,在优化RBF诊断模型隐含层参数时以实现不同算法间的优劣互补。仿真结果表明,使用SAPSO算法优化后的RBF神经网络模型在提升机电机轴承故障诊断中能够加快网络收敛速度和提升故障识别精度。  相似文献   
8.
建立准确而高效的风速预测模型是指导电力系统规划及安全稳定运行的重要基础。对现有预测方法深入研究的基础上,研究基于因散经验模式分解(Ensemble Empirical Mode Decomposition,EEMD)及最小二乘支持向量机(LS_SVM),建立了综合考虑温度和气压因素的短期风速预测模型。通过对两个地区历史风速数据的计算和分析,结果表明提出的预测模型具有预测精度高、适应性强等优点。  相似文献   
9.
基于行波分析的变压器绕组匝间短路故障定位   总被引:2,自引:0,他引:2       下载免费PDF全文
针对变压器绕组匝间轻微短路故障定位问题,本文提出基于行波分析的故障定位方法。该法在绕组线端输入低压脉冲以获取行波反射信号,基于相关系数和SG滤波的改进EEMD降噪法降低噪声对行波的干扰,分别采用相似度分析法与能量比值法分析行波,得到大致随故障位置单调变化的故障特征集,再结合遗传神经网络建立起故障特征与故障位置的映射关系,实现匝间短路故障定位。仿真和样本实验结果表明了本文方法的可行性。  相似文献   
10.
为了从爆破振动能量分布角度研究破碎能量利用问题,结合露天铁矿岩石动态特性,使用EEMD方法分析爆区磁铁矿、绿泥岩与混合岩的动态特性对振动能量分布的影响规律。结果表明:动抗拉强度与弹性模量最低的混合岩,爆破振动能量的分布最为均匀,振动能量在50 Hz以下的频带出现了分散的多个峰值,90%以上的振动能量集中在20~80 Hz;随着岩石动抗拉强度与弹性模量的减小,爆破振动能量在整体上的分布向高频发展,总能量与瞬时能量峰值均明显降低,用于岩石破碎的爆炸能量比例提升,且爆破远区振动能量分布频带增宽,有利于岩体完整性保护。  相似文献   
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司    京ICP备09084417号-23

京公网安备 11010802026262号