暂无评论
为实现风电机组滚动轴承微弱故障诊断,提出了基于改进的时时(ITT)变换的风电机组滚动轴承故障诊断方法。由时时(TT)变换可得到一维轴承故障振动信号的TT变换矩阵,实现滚动轴承振动信号的二维TT表示。提
针对不同轴承数据特征选择困难和单个分类器方法在滚动轴承故障诊断中精度较低的问题,提出了一种基于分类回归树(CART)的随机森林滚动轴承故障诊断算法。随机森林是包含了多种分类器的集成学习方法。通过随机森
在电机滚动轴承的故障诊断领域中,由于电机运行环境的复杂性,以及目前大多数故障诊断依然是基于单参数进行,如振动、温度及电流等所能携带的故障特征进行诊断,所以不确定性因素及不确定信息也充斥其间,从而致使故
通过对滚动轴承振动信号进行定量分析,从振动故障信号中提取与故障诊断方法有关的故障特征,在传统支持向量机的基础上,研究孪生支持向量机的建模方法,建立基于孪生支持向量机的滚动轴承振动故障诊断模型,并结合粒
一篇非常好的信号处理方面的文献,对大家学习故障诊断非常有好处
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
基于决策树与神经网络结合的滚动轴承故障诊断方法,贾智涵,王晨升,提出了一种基于决策树与神经网络方法结合的改进滚动轴承故障诊断方法。该方法对滚动轴承振动信号进行EMD分解,使用决策树对分解信
针对传统的异步电动机轴承故障诊断方法对于轴承的局部缺陷及早期故障的诊断效果不明显的问题,提出了一种采用小波包理论与EMD相结合的方式提取异步电动机轴承故障特征频率的方法。该方法先采用小波包理论对原始信
研究滚动轴承故障诊断的有效方法,目前主要有神经网络、专家系统方法、模糊数学方法等,但是利用这些技术对滚动轴承进行故障诊断,由于获得的故障断数据存在不精确和不完备的缺陷,无法获得满意的诊断效果。为了能够
为解决滚动轴承在变转速工况下的频率谱模糊及强噪声工况下的微弱故障信息提取问题,提出基于EEMD和DT-CWT相结合的故障特征分离法。首先应用阶次跟踪技术将非平稳的时域信号转化为平稳的角域信号,再运用E
暂无评论