基于CEEMD和SLLE算法的滚珠丝杠复合故障诊断研究

探讨了基于经验模态分解(EMD)和支持向量机(SVM)的提升机刚性罐道故障诊断方法。首先利用EMD对采集的振动信号进行分解以获得内蕴模态函数(IMF),并结合小波降噪对其高频分量进行降噪。然后,提取降

针对中小企业在设备故障诊断应用方面的需求,从提高诊断系统的开放性、复用性、自治性和平台无关性出发,依据云制造服务思想模式,研究了云制造、SOA与WCF三者的关系。并将其引入到设备远程故障诊断领域,设计

为了从复杂工况下获取滚动轴承故障信息，提出了一种基于广义形态滤波和多分辨奇异值分解（Multi-ResolutionSingularValueDecomposition，MRSVD）相结合的方法。首先

Network troubleshooting and troubleshooting

针对大规模复杂工业过程, 提出一种基于多块核主元分析(MBKPCA) 和符号有向图(SDG) 的故障诊断方法. 首先, 提出基于SDG和优先级的分块策略, 以强连接元SCC 为最高优先级、多入/出度节

针对较强噪声环境下的滚动轴承故障识别问题,提出并研究了一种新的滚动轴承故障诊断技术,采用将冗余二代小波包变换(RSGWPT)和集合经验模态分解(EEMD)相结合提取故障特征的方法。仿真实验和振动信号诊

故障轴承的振动信号是非平稳信号,传统的非平稳信号分析手段存在许多不足;BP网络能够出色地解决传统识别模式难以解决的复杂问题。提出了经验模态分解(EMD)与BP神经网络相结合的滚动轴承故障诊断方法。采用

针对滚动轴承极易损伤,振动信号表现出非线性、非平稳性等特点,提出一种基于局部特征尺度分解(LCD)和改进支持向量机(SVM)的滚动轴承故障诊断算法。首先对采集到的轴承振动信号进行LCD,分解得到一系列

符号有向图(SDG)作为一种定性研究方法,在系统推理和图形绘制上有待改进。详细描述了计算机辅助下的SDG故障诊断和安全评估平台的开发过程。平台的开发基于开源Django框架,具有搭建维护简单、操作方便

本文在证据理论的基础上,结合信息熵和灰色关联算法,提出了一种新的机械故障诊断方法。该方法从信息融合的思想出发,首先依据反映机械故障的信息熵特征,获得基于信息熵的故障诊断标准特征向量。接着采用灰色关联理