基于自适应谐波乘积谱的轴承故障诊断方法.pdf
一只****ng
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
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
基于自适应分数阶随机共振的轴承故障诊断方法.pdf
本发明涉及轴承故障信号检测技术领域,具体涉及一种基于自适应分数阶随机共振的轴承故障诊断方法,在随机共振检测方法对分数阶随机共振系统引入了时延反馈项,通过改进布谷鸟算法寻找随机共振系统的结构最优参数,代入到时延分数阶偏置非线性过阻尼随机共振系统中,最后将随机共振系统处理后的信号经过时频域分析提取出滚动轴承故障特征,检测出故障特征频率,通过对比实现轴承故障诊断。与现有的基于随机共振系统诊断方法相比,本发明模型简单,算法参数少,收敛速度快,能够精确高效地实现轴承故障信号的检测。
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GA-VMD与自适应随机共振的轴承故障诊断方法.pdf
本发明公开的基于GA?VMD与自适应随机共振的轴承故障诊断方法,属于旋转机械早期故障诊断领域。本发明实现方法为:获取原始滚动轴承振动信号;以包络熵为综合目标函数,通过遗传算法搜索综合目标函数最小值,确定变分模态分解算法中惩罚参数α与模态数k的最佳组合;利用优化的变分模态分解算法对原始轴承信号初步降噪;以轴承信号的信噪比为综合目标函数,通过量子粒子群算法搜索综合目标函数最大值,确定非线性系统势函数参数a和b及阻尼系数μ的最优组合,得到最优参数且具有自适应性的随机共振系统;利用此随机共振系统对轴承振动信号进行
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