滚动轴承故障诊断分析

针对基于复Morlet小波和Harmonic小波函数的带通滤波器的不足,提出一种在频域具有几乎"盒形"特性、时域又能迅速衰减的改进带通滤波器。为了解决滚动轴承的损伤类故障诊断问题,

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

使用小波分析对各种轴承进行故障诊断，打开.m文件，然后把相应的信号数据载入.mat进行保存，仿真是时候把.m和.mat文件设定在同一路径，即可画出图形。

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

概述了滚动轴承失效分析的基本概念及意义;着重论述了失效的基本模式、影响轴承失效的因素、轴承失效分析的工作思路及方法;对轴承失效预测预防的前景也做了一些探讨。关键 词 :轴 承;失效分析;分析方法;影响

提出了一种基于复局部均值分解(CLMD)和复信号包络谱(CSES)的滚动轴承故障诊断新方法。首先通过互相垂直安装的加速度传感器采集2个方向的振动信号,并将其组成一个复数信号;然后利用CLMD对二元复数

该系统充分利用单片机的控制功能强、DSP的运算能力强的特点,对较复杂的信号具有较强的处理能力。实验表明,该系统能满足列车滚动轴承故障诊断的实际需要,并减少了复杂的编程过程,有效地提高了工作效率,降低了

关于算法滚动轴承诊断；基于局域波法和KPCA_LSSVM的滚动轴承故障诊断_杨先勇

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

针对滚动轴承早期故障特征提取困难的问题 ， 提出一种基于参数优化变分模态分解的轴承 早期故障诊断方法 。 首先利用粒子群优化算法对变分模态分解算法的最佳影响参数组合进行搜 索 ， 搜索结束后根据所得结