排序方式: 共有77条查询结果,搜索用时 234 毫秒
1.
针对基于传统BP神经网络的齿轮故障诊断方法存在收敛速度慢,误差较大等问题,提出经验模式分解(EMD)与BP神经网络相结合的齿轮故障诊断方法。首先简述经验模式分解和BP神经网络的基本原理,然后采用EMD方法提取齿轮时域信号中的各个IMF分量,计算IMF分量中故障信号能量特征参数,将这些能量特征参数作为BP神经网络输入参数进行故障诊断。在齿传动故障实验台上采集足够的样本数据进行实验研究。结果表明:与传统的BP神经网络相比,可将训练误差从0.01降低至0.001左右。此外,训练迭代次数可减小至10次以内。 相似文献
3.
4.
提出一种双面凸轮的反求设计和误差控制方法。从动件类加速度对轮廓曲线误差敏感,通过修正从动件类加速度曲线,以间接提高凸轮廓线精度。通过数字化测量,获得凸轮双面轮廓的点云数据,对点云数据进行精简并进行重构、装配对齐,获得凸轮轮廓实体模型。对获得的凸轮轮廓数据二次求导并拟合,获得从动件类加速度曲线和类加速度误差值。基于类加速度误差与从动件位移误差的关系函数,对轮廓线进行修正,从而消除反求误差。 相似文献
5.
6.
齿轮是传递运动和动力的重要零部件,对其运行状态监测及故障诊断具有重大的意义。齿轮故障诊断试验台用于对齿轮进行疲劳与寿命试验、故障诊断方法测试。传统的试验台采用开放式,耗能大,不适合大功率加载和疲劳耐久性实验。设计了一种电能回送式齿轮故障诊断试验台。将发电机作为齿轮传动负载,通过发电机的电能反馈给电动机端,重新输入驱动电机端,使电能得到回收利用,负载扭矩也可以方便地调整。 相似文献
7.
传统的铣刀磨损故障诊断大多采用小波分析结合神经网络的方法,该方法的缺点是算法复杂,计算量大,很难实现铣刀磨损的在线识别并对其进行反馈控制。本文引入自回归(AR)模型来表征刀具切削过程的正常工作状态,用Levinson-Durbin递归算法求解Yule—Waker方程获得AR模型的系数。将建立的AR模型作为线性滤波器处理其它各种状态铣刀振动信号,获得预测误差信号,之后对预测误差信号进行各种统计特征分析。试验结果表明,预测误差信号的方差是有效的与刀具磨损相关的指标,可以用来在线识别加工过程铣刀磨损状态。 相似文献
8.
提出一种基于知识和典型案例的零件切削加工工艺性评价方法。以箱体类零件为例 ,分别从材料和毛坯、零件热处理、结构和标准化四个方面讨论了评价内容。 相似文献
9.
10.