暂无评论
轴承早期故障信号的信噪比较低,较难识别。为提高轴承早期故障诊断的准确,分析了现有方法和视觉信息处理方式的相似点,从视觉信息处理的角度进行研究,提出一种基于谱质心直方图的滚动轴承故障特征提取方法,将所提
讲述S变换在滚动轴承故障诊断上的应用,s变换时优于小波变换的提取时频域的手段。
基于BP神经网络的滚动轴承故障诊断,内附故障数据
新方法对轴承的故障诊断,有限元的分析方法,大家有参考价值
滚动轴承是机械中应用最广泛的一种通用机械部件,轴承特定的使用环境造成其寿命的随机性较大,目前还无法准确预测其寿命。因此,轴承故障诊断就显得非常重要。本文对滚动轴承的振动数据分别在时域和频域进行了分析,
这个程序采用改进的阶比分析方法将时域非平稳信号变成了角域平稳信号,并得到了阶次谱,通过阶次谱可以快速找到转频阶次和故障特征阶次,从而进行轴承故障诊断。感兴趣的朋友可以下载使用。
以LabVIEW为平台设计滚动轴承振动信号分析软件,实现对滚动轴承故障信号的时域分析和频域分析。时域分析主要实现对滚动轴承振动信号的自相关、均值、有效值、峰值以及峭度值分析。对滚动轴承振动信号的频域分
通过电动机与滚动轴承之间建立的函数关系将振动信号转变成谐波分量,进而对谐波分量分析。对这种非平稳信号首先进行经验模态分析(EMD),然后通过改进LMS算法自适应滤波器分离噪音,最后再运用希尔伯特变换得
针对基于K-means聚类算法的采煤机滚动轴承故障诊断结果存在不稳定的问题,提出了一种基于TDKM-RBF神经网络的采煤机滚动轴承故障诊断新方法。该方法采用Tree Distribution算法确定K
在非线性时间序列预测研究的基础上,提出非线性预测效果的特征提取方法。首先对采集到的足够长轴承数据采用小波变换进行消噪处理及边界延拓,使其满足预测需要的无限长、无噪声的条件,这样延迟时间取任意值均能重构
暂无评论