振动信号是反映滚动轴承故障的显著信号之一。将测得的振动信号进行小波分析变换到时频域,对其高频成分加以提取并进行Hilbert包络功率谱分析,以各频段的能量和为特征量,建立M-距离判别函数来识别滚动轴承
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,
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
小波包循环平稳解调在滚动轴承故障诊断中的应用,汪泽民,,本文通过对滚动轴承故障诊断方法的研究,提出了基于小波包分解及其频带能量法与循环平稳解调相结合的故障诊断方法。实验验证了该
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
基于MATLAB的轴承故障诊断方法的研究
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
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