排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
针对滚动轴承故障种类繁多,故障信号特征不明显的问题,提出了一种小波包能量与卷积神经网络相结合的滚动轴承故障判别方法.首先对原始振动信号进行小波包分解,其次求取分解后各个子带信号的能量,归一化后得到一组特征向量,最后将该特征向量作为卷积神经网络的输入,进而判断输入信号所对应的故障类型.为验证所提方法的有效性和优越性,采用美国凯斯西储大学轴承数据集,将所提出的方法与另外两种故障诊断算法进行对比.在不同工况情况下的对比试验结果表明,小波包能量特征提取方法,能够有效提取出原始信号故障特征.相较于常见的卷积神经网络的故障诊断方法,所提方法能够有效提高故障识别准确率,且速度快、稳定性好. 相似文献
2.
泄漏是液压缸的一种典型故障,及时诊断泄漏能够有效保障液压缸的效率性能并提高安全性。在阀控液压缸系统模型中引入Stribeck摩擦模型,建立接近实际情况的系统动力学方程;针对系统存在的非线性问题,采用状态反馈法进行系统状态空间建模;采用带有白色测量噪声的子空间辨识方法进行系统辨识,求解出系统的泄漏系数估计值以判别泄漏故障的存在、类型与泄漏程度,并通过MATLAB/Simulink平台进行验证。结果证明:状态反馈法能够建立线性的系统模型,使子空间辨识法可以对泄漏故障进行诊断;带有白色噪声的子空间辨识法能够消除噪声影响,精确地辨识出每一处泄漏系数估计值。 相似文献
3.
1