一种自适应复数域AMFM模型优化的轴承故障诊断方法.pdf
猫巷****雪凝
亲,该文档总共14页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种自适应复数域AMFM模型优化的轴承故障诊断方法.pdf
本发明公开了一种自适应复数域AMFM模型优化的轴承故障诊断方法,涉及轴承故障诊断技术领域,利用调幅调频模型对原始信号进行信号分解后得到调幅调频分量及其瞬时幅值和瞬时频率,计算瞬时幅值和瞬时频率的精细复合多尺度波动色散熵,将熵值构造为特征矩阵,使用向量加权平均算法对支持向量机模型进行优化,采用优化后的支持向量机模型对特征矩阵进行分类,根据分类结果实现故障诊断;本方法能够分解滚动轴承振动信号,合理处理轴承振动信号中的交叉频率,快速提取轴承振动信号分量的特征,进而有效分类不同的轴承故障,并且计算复杂度较小同时具
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
融合时频特征的多源无监督域自适应轴承故障诊断方法.docx
融合时频特征的多源无监督域自适应轴承故障诊断方法1.内容简述本文档主要研究了融合时频特征的多源无监督域自适应轴承故障诊断方法。在轴承故障诊断领域,传统的方法往往依赖于专家经验或者有监督学习方法,这些方法在一定程度上限制了其在实际应用中的广泛推广。为了克服这一问题,本研究提出了一种基于时频特征的多源无监督域自适应轴承故障诊断方法。该方法首先从多个传感器采集到的数据中提取时频特征,然后利用这些特征进行故障诊断。通过对比分析不同传感器的数据,可以有效地提高诊断的准确性和鲁棒性。本方法还具有一定的自适应能力,可以
一种基于权重自适应特征融合的轴承故障诊断方法.pdf
本发明提供了一种基于权重自适应特征融合的轴承故障诊断方法,属于工业设备故障诊断的技术领域。该方法包括:S1、利用加速度传感器采集原始故障的一维时序性振动信号,数据归一化后对数据进行分割生成原始样本;S2、将原始样本进行时频分析,分析方法为快速傅里叶变换和连续小波变换,得到原始信号的频域数据和时频域数据;S3、构建双通道特征提取模型,得到故障的频域和时频域特征。S4、提出特征自适应加权算法,自适应地为频域和时频域特征匹配不同权重,并将加权后的特征进行融合分类;S5、分类层采用Softmax函数进行多种故障信
基于自适应谐波乘积谱的轴承故障诊断方法.pdf
本发明涉及轴承故障诊断技术领域,涉及一种基于自适应谐波乘积谱的轴承故障诊断方法,其包括以下步骤:一、计算原始信号的功率谱密度PSD,然后将功率谱密度与高斯核函数进行迭代卷积,随着迭代的进行,得到不同平滑程度的PSD曲线;二、取不同平滑程度的PSD曲线的极小值点位置作为频谱分割边界,利用层次分析将这些边界依次堆叠,形成一个多层次的频谱分割结构;三、对各个频带内的信号进行滤波,并计算各个滤波信号的谐波显著指数HSI;四、定位具有最大HSI值的滤波子信号,然后获取该滤波子信号的包络谱,提取故障特征。本发明能较佳