暂无评论
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
基于最小熵解卷积的滚动轴承故障诊断研究文献
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。
针对艾柯夫采煤机伺服机发生的故障情况,以A5、A6伺服机故障为例,对整个伺服机故障单元进行检修。从模块、CAN总线到供电电源等着手,研究了伺服机故障诊断的主要思路和分析方法,为艾柯夫采煤机伺服机故障诊
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
采煤机是煤矿生产中极其重要的设备,而其系统较复杂,工作环境恶劣,出现故障较频繁。由于其故障因素复杂交错,故障现象与故障原因之间的隶属关系模糊,将Fuzzy数学(模糊数学)引入采煤机故障诊断技术中,实验
针对采煤机摇臂齿轮箱故障诊断的难题,提出了一种基于时频特征和PSO-SVM的故障诊断方法。考虑到SVM模型参数和故障特征对诊断结果有着重要的影响,提出了利用PSO对SVM参数进行优化,并同时选择最佳的
根据矿井设备故障频次调查,采煤机故障发生频次最高。为及时发现并排除故障,将protégé本体以及模糊控制理论引入到故障诊断系统中,对采煤机故障进行建模、推理和分析,最后输出故障诊断的最优结果,缩短排除
为了能够提高连续采煤机故障诊断的效率和精度,深入地研究了基于改进遗传算法的RBF神经网络在其中的应用。分析了连续采煤机的主要故障类型;分别研究了RBF神经网络的基本原理和改进遗传算法的基本原理;进行了
暂无评论