滚动轴承故障诊断中的Volterra核HMM识别方法

为了提高滚动轴承故障诊断的准确性,运用了将多传感器信息融合技术用于故障诊断的检测方法。由电流传感器和加速度传感器采集电流信号和振动信号,经小波变换等预处理后通过能量算子获得故障特征值,再经过动量改进B

机械工程领域对MATLAB程序在滚动轴承故障诊断中的应用进行深入研究。滚动轴承作为机械装置的核心组件，由于长时间使用或其他原因，可能发生磨损、裂纹、松动等故障。因此，准确迅速地诊断滚动轴承故障至关重要

针对采煤机在正常工作中经常发生轴承故障的问题,提出了小波包和BP神经网络相结合的故障诊断系统。即运用小波包的分解方法提取检测信号的故障信息作为BP神经网络的输入样本,经过训练的神经网络可对采煤机上轴承

针对滚动轴承故障信号具有非平稳、非高斯的特点,提出了将时域分析与小波分析相结合的方法对滚动轴承进行故障诊断。在研究不同信号分析方法理论的基础上,以滚动轴承外圈故障振动信号为例,采用多种信号处理方法进行

针对滚动轴承振动信号的非平稳特征和现实中难以获得大量故障样本的实际情况,提出了基于变分模态 分解( Variational mode decomposition,VMD) 与支持向量机( Suppor

基于小波变换的滚动轴承故障诊断,振动信号中的高频部分对诊断结果有一定影响,为克服此影响,首先运用小波包对SKF型滚动轴承故障信号进行预处理,以此为特征向量结合概率神经网络去验证模型的实用性和可行性。分

基于小波和相关分析的滚动轴承故障诊断研究，李雅梅，陈明霞，滚动轴承是旋转机械设备中应用得最为广泛的一种通用机械部件。在研究小波变换消噪的原理以及循环自相关函数分析理论的基础上，对

滚动轴承是列车转动机件的支撑,也是铁路车辆上最容易危及行车安全的易损件。由于工作面接触应力的长期反复作用,极易引起轴承疲劳、裂纹、压痕等故障,导致轴承断裂,造成重大事故。轴承工作状态是否正常,对于列车

用于进行滚动轴承故障诊断和分析，自动得到诊断结果

1.引言 滚动轴承是各种旋转机械中应用最广泛的一种通用机械部件,它的运行状态是否正常往往直接影响到整台机器的性能。据统计,在使用滚动轴承的旋转机械中,由于滚动轴承损坏而引起的故障约占30%[1]。