一种基于“1dCNN-GWO-SVM”模型的轴承故障诊断方法.pdf
猫巷****傲柏
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
一种基于“1dCNN-GWO-SVM”模型的轴承故障诊断方法.pdf
本发明公开了一种基于“1dCNN?GWO?SVM”模型的轴承故障诊断方法,属于智能装备制造领域,所述的方法包括以下步骤实现的:步骤1:数据预处理;步骤2:模型构建;步骤3:将训练集数据输入模型后进行训练。使用该模型进行轴承故障诊断的优点有:一是所需数据简单,只需要提高轴承工作时的振动加速度,便于工作人员使用模型进行故障诊断。二是自动运行,智能识别,降低了对轴承故障诊断的人工工作量,提早、及时发现轴承潜在故障风险,减少损失。
基于模型优化VPMCD的滚动轴承故障诊断方法.docx
基于模型优化VPMCD的滚动轴承故障诊断方法基于模型优化VPMCD的滚动轴承故障诊断方法摘要:滚动轴承是工业中广泛应用的一种关键部件,其故障会对机械设备的正常运行产生严重的影响。因此,准确诊断滚动轴承故障是确保机械设备稳定运行的重要环节。本文提出了一种基于模型优化的振动功率谱多重相关度(VPMCD)方法,该方法通过优化神经网络模型来提高滚动轴承故障诊断的准确性。1.引言在机械设备中,滚动轴承常常承受着高速和复杂的工作条件,因此其故障频繁发生。准确诊断滚动轴承故障是提高设备可靠性、预防故障和减少维修成本的重
一种基于多标签领域自适应模型的轴承复合故障诊断方法.pdf
本发明提供了一种针对变工况条件下未知目标域中轴承复合故障的诊断方法,包括:基于多层领域自适应方法构建由深度残差网络组成的故障特征提取器;输入预处理后的轴承振动信号,对源域及目标域数据经过多个残差块提取到的特征都进行分布差异匹配,得到可迁移的特征;通过多标签学习将复合故障表示为单一故障的组合;运用二元关联策略为各类单一故障分别训练对应的二分类器,从复合故障中分离出各单一故障特征并分别进行诊断。本发明解决了传统诊断方案依赖专家知识且难以对复合故障进行有效解耦并识别的问题,实现了变工况下对轴承复合故障的精确诊断
一种基于耦合隐半马尔可夫模型的航空轴承故障诊断方法.pdf
本发明公开了一种基于耦合隐半马尔可夫模型的航空轴承故障诊断方法。本发明采用左右型齐次隐马儿可夫链,通过非线性特征提取方法获取最敏感、最有用的少数关键特征,为提高故障诊断效率和准确率提供先决条件;将耦合隐半马尔可夫模型引入到多通道数据融合故障诊断中,对实际问题中的状态驻留时间分布进行合理模型;同时研究含两条链的耦合隐半马尔可夫模型的概率推理算法、初始状态模型选取方法和参数估计算法;最后将耦合隐半马尔可夫模型应用于滚动轴承故障诊断。
基于ITD-AR模型和SVDD的轴承故障诊断方法研究.docx
基于ITD-AR模型和SVDD的轴承故障诊断方法研究摘要:针对轴承故障诊断领域的研究,本文提出了一种基于ITD-AR模型和SVDD的轴承故障诊断方法。首先,通过引入ITD-AR模型对轴承信号进行时域分析和谱域分析,以提取出关键的自适应特征参数;接着,利用支持向量数据描述(SVDD)对大量样本数据进行训练和分类,得出故障判别器,以完成轴承的故障诊断。实验结果表明,该方法具有较高的故障诊断准确度和鲁棒性,在实际应用中具有一定的可行性。关键词:轴承故障诊断;ITD-AR模型;特征参数提取;SVDD分类器引言:轴