基于经验小波变换的滚动轴承故障诊断研究

基于多分类器融合与模糊综合评判的滚动轴承故障诊断，文妍，谭继文，为了提高复杂系统故障诊断的效率，简化诊断模型的结构，提出了基于模糊综合评判的故障诊断方法，构建了基于多分类器融合的诊断模

提出一种集合经验模态分解(EEMD)降噪与隐马尔科夫模型(HMM)的采煤机摇臂滚动轴承故障诊断方法。采用基于峭度准则的EEMD对采集到的振动信号进行降噪预处理,筛选出包含主要特征频率的本征模态函数(I

滚动轴承是机械传动系统重要的组成部分,其故障发生率极高,直接影响机械设备的正常、安全运行。基于此提出基于局部均值分解(LMD)模糊熵和概率神经网络(PNN)的滚动轴承故障诊断方法,原始振动信号应用LM

为了解决电机在变负载运行条件下滚动轴承振动信号故障的特征提取困难以及故障诊断准确率低的问题，研究者提出了一种基于变步长粒子群的变分模态分解与贝叶斯网络相结合的滚动轴承故障诊断模型。通过变步长粒子群算法

基于局部均值分解的滚动轴承故障诊断自适应分析方法

针对滚动轴承聚类故障聚类模式识别方法中需要预先设定聚类数目问题，提出了一种基于局部均值分解（localmeandecompoeiton，LMD）与基本尺度熵（basescaleentropy，BSE）

滚动轴承的早期故障诊断对于设备预测和健康管理具有重要意义,然而受环境噪声、传递路径、信号衰减及源信号本身比较微弱的影响,滚动轴承故障的初期微弱信号特征往往难以提取。为了解决这一问题,提出了一种基于最小

分滚动轴承和滑动轴承两部分介绍。 内容比较详细,我只看了滚动轴承部分。

随着现代制造业朝着大型化、柔性化、智能化发展,保障生产设备的安全运转越发重要。提出了基于PCA-SVM算法的轴承故障诊断分析模型。该模型提取轴承振动信号的时域指标参数,并运用主成分分析法(PCA)对指

针对滚动轴承运行过程中故障难以识别的问题,提出一种最大相关峭度解卷积与改进的最小二乘支持向量机的故障诊断方法。该方法首先利用最大相关峭度解卷积提取不同运行状态下轴承特征信息,然后利用最小二乘支持向量机