小波分析对轴承进行故障诊断

针对滚动轴承故障特征混叠难以有效区分的问题,提出基于局部线性嵌入(LLE)与最小二乘支持向量机(LSSVM)结合的故障诊断方法。在由振动信号时域和频域统计指标构造的多维特征空间中,通过LLE算法对多维

为了快速准确地识别轴承故障,研究了轴承振动信号时域特征和小波包能量特征提取方法,通过实验分析最终选择的轴承故障特征为无量纲时域特征和小波包能量特征,并采用"一对多"支持向量机分类算法对轴承的正常、外圈

通过对滚动轴承工作特性及其故障研究,设计了基于LabVIEW软件的滚动轴承故障诊断系统。分析了滚动轴承振动机理与失效形式,运用共振解调分析与希尔伯特变换作为滚动轴承故障诊断的方法。通过对轴承支持架故障

为了解决振动机械滚动轴承故障诊断问题,提出一种基于高阶谱的滚动轴承故障诊断方法。当滚动轴承开始工作时,提取振动信号,针对滚动轴承的双谱结构图、等高线图和三谱二维切片图在正常情况和故障情况下的不同进行对

基于bp神经网络的轴承故障诊断 大家一起学习进步 BP神经网络轴承故障诊断系统\BP神经网络轴承故障诊断系统.vi

根据煤矿绞车齿轮箱轴承在变速变载工况下振动信号的频率一直发生变化的特征,提出采用EMD方法进行绞车轴承故障诊断。在较大拖动力与较大转频阶段,根据轴承座在正常状态与故障状态下振动信号的IMF分量的能量与

数据分析中主要针对内外圈故障，应用4种故障分析方法分别进行分析.通过对同一转动频率的信号采用不同处理分析方法及同一分析方法对不同转动频率的的比较，可以发现时域无量纲参数分析、FFT分析这两方法可以有效

本项目分享了凯斯西储大学（CWRU）的轴承故障诊断数据集，包含4个工况和数据集（A,B,C,D），以及代码文档实验A、实验B、实验C、实验D等。数据集加载函数定义在cwru.py中，模型加载函数定义在

基于神经网络的轴承故障诊断系统利用人工神经网络技术实时监测和诊断轴承的运行状态。该系统能够提高轴承运行的可靠性和安全性，并及时发现轴承故障，从而减少设备停机时间和生产成本。系统结构包括数据采集模块、特

转子轴承系统作为综采设备的动力提供端,该系统发生故障会影响整个设备的运行,为了研究转子轴承系统的故障对电动机定子电流的影响,利用MATLAB/Simulink软件建立了以电磁转矩为纽带的异步电动机与机