论文研究小波包在旋转机械故障诊断中的应用 .pdf

针对旋转机械振动故障诊断,提出了一种基于邻域粗糙集模型的改进支持向量机的诊断方法。该方法对选取的特征向量进行约简,并将约简结果作为支持向量机的输入特征向量来诊断旋转机械的工作状态。实验结果表明:与属性

1.引言 当发生转子断条故障时,在其定子电流中将会出现 和 频率的附加电流分量(s为转差率, 为供电频率)。但是 分量的绝对幅值很小,若直接作傅里叶频谱分析时,由于栅栏效应 分量的泄漏有可能淹没

针对滚动轴承故障振动信号的非平稳特征,提出了一种基于小波包和经验模态分解(Empirical Mode Decomposition,简称EMD)的滚动轴承故障诊断方法。该方法用小波包对振动信号进行预处

针对传统的故障诊断方法的局限性,将小波包分析方法应用到回转零件故障诊断中,利用小波包分解和重构方法有效地提取回转零件的共振频段,解决了传统方法人为确定共振解调频段的局限性。应用小波包算法处理后的信号重

针对复杂系统故障模式较多时难以满足实时性的要求，对传统降阶观测器的诊断方法进行了改进，提出了基于动态观测器的诊断方法。该方法通过设计一个动态观测器去检测一系列故障，其效果等同于使用了一族观测器。当把耦

基于Hermitian的小波包络谱的滚动轴承故障的识别诊断及分析

针对机载机电作动器的故障诊断的问题，提出了一种基于小波包和自组织映射（SOM）神经网络结合的机电作动器故障诊断方法。为提高诊断的准确率，该方法应用小波包分解把机电作动器卡死、偏差、增益三类故障信号分解

提升系统是矿井生产中重要的机械设备,天轮轴承是提升系统中的核心环节,为了克服经验模态分解过程中常见的模态混叠现象,提出了一套新型的天轮轴承故障诊断方法,即基于噪声辅助数据分析技术的集合经验模态分解法(

论文研究-小波神经网络及其在旋转机械轴心轨迹识别中的应用.pdf,

信号奇异点可通过信号的小波变换局部极大值来定位,而奇异性运用该点的Lipschitz指数a来定量描述,运用该理论来实现机械故障信号的奇异性检测,比常规手段更优越。本文通过实例说明,若将该方法应用到机械