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   4篇
  免费   0篇
工业技术   4篇
  2006年   4篇
排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
一种基于支持向量机预测器模型的转子系统故障诊断方法   总被引:1,自引:0,他引:1  
提出了一种基于支持向量机回归预测模型的转子系统故障诊断方法。分别对转子系统振动信号建立支持向量机回归预测模型,利用回归预测模型对振动测试信号进行预测,计算各支持向量机回归预测模型的预测信号与真实信号的误差并计算信噪比,通过比较各预测信号的信噪比来判断转子系统的工作状态和故障类型。实验结果表明,该方法能够有效地应用于转子系统的故障诊断。  相似文献   
2.
3.
一种基于经验模式分解与支持向量机的转子故障诊断方法   总被引:13,自引:2,他引:13  
转子系统故障诊断的关键是故障特征提取和状态识别,在故障特征提取中,采用自回归(AR)模型参数作为特征向量来分析系统的状态变化是十分有效的,但AR模型只适用于平稳信号的分析,而转子系统的振动信号表现出非平稳特征;同时在状态识别中,支持向量机(SVM)有效地改善了传统分类方法的缺陷。针对这些问题,提出一种基于经验模态分解(empiricalmodedecomposition,EMD)和支持向量机的转子系统故障诊断方法。该方法对转子系统的振动信号进行经验模态分解,将其分解为若干个固有模态函数(intrinsicmodefunction,IMF);对每一个IMF分量建立AR模型,取模型的自回归参数和残差的方差作为故障特征向量,并以此作为输入来建立支持向量机分类器,判断转子系统的工作状态和故障类型。实验结果分析表明,文中提出的方法能有效地应用于转子系统的故障诊断。  相似文献   
4.
基于EMD的奇异值熵在转子系统故障诊断中的应用   总被引:8,自引:2,他引:8  
提出了一种基于EMD(Empirlcal Mode Decomposition)和奇异值熵的转子系统故障诊断方法。该方法首先用EMD方法分解转子系统的振动信号,得到若干个基本内禀模式函数(Intrinsic Mode Function,简称IMF),然后利用IMF分量形成初始特征向量矩阵,并对初始特征向量矩阵求奇异值熵,奇异值熵的大小反映了转子系统运行状态的差别,从而可以通过奇异值熵的大小判断转子系统的工作状态和故障类型。对实验数据的分析结果证明了该方法的有效性。  相似文献   
1
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