一种基于VMD-SDAE的行星齿轮箱故障诊断方法.pdf
俊英****22
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
一种基于流向图的行星齿轮箱故障诊断方法.pdf
本发明提供了一种基于流向图的行星齿轮箱故障诊断方法。本发明的目的是为了解决行星齿轮箱诊断过程晦涩和诊断结果准确率低的问题。一:从典型行星齿轮箱振动信号中提取故障诊断特征,形成行星齿轮箱的故障诊断训练实例。二:通过流向图构建算法构建行星齿轮箱故障诊断流向图;三:利用流向图约简算法去掉冗余或不相关的征兆属性节点,获得最简行星齿轮箱故障诊断流向图;四:从待诊故障行星齿轮箱振动信号中提取故障诊断特征,形成行星齿轮箱的故障诊断待诊实例;五:采用流向图分类决策算法确定待诊行星齿轮箱的故障类型。结果表明本发明能够直观地
一种行星齿轮箱故障诊断方法.pdf
本发明涉及一种行星齿轮箱故障诊断方法。首先,利用樽海鞘群优化变分模态分解(SSO‑VMD)对信号进行分解与重构。然后,从多域提取故障特征,并采用改进监督型自组织增量学习神经网络界标点等度规映射(ISSL‑Isomap)进行降维处理。最后,运用人工蜂群优化支持向量机(ABC‑SVM)分类器进行诊断识别。本发明克服了VMD算法中的参数选取问题,解决了多域特征存在的信息冗余问题。行星齿轮箱故障诊断实验结果表明所提方法能够有效识别出各故障类型,具有很大的实用价值。
一种基于强化胶囊网络的行星齿轮箱故障诊断方法.pdf
本发明公开了一种基于强化胶囊网络的行星齿轮箱故障诊断方法,包括如下步骤:S1、获取待诊断数据;S2、将待诊断数据输入强化胶囊网络,所述强化胶囊网络包括卷积层、Primary胶囊层、Digit胶囊层及解码层,其中,卷积层包括第一卷积层及第二卷积层,第一卷积层的空洞因子大于1,第二卷积层的空洞因子等于1;S3、所述强化胶囊网络输出故障诊断结果。与现有技术相比,本发明中的强化胶囊网络,首先在采用空洞卷积(第一卷积层)进行特征提取,在保证参数量不变的前提下增大卷积核的感受视野,以增强强化胶囊网络的非线性能力,从而
一种基于VMD-SDAE的行星齿轮箱故障诊断方法.pdf
本发明公开了一种基于变分模态分解(VMD)与堆栈去噪自动编码网络(SDAE)的行星齿轮箱故障诊断方法。首先采用加速度传感器采集行星齿轮箱振动信号,并分为训练样本与测试样本;然后采用VMD对所有样本进行模态分解,获得若干窄带固有模态函数(BIMF)分量,并从BIMF分量中提取出故障敏感分量BIMF
一种基于VMD-AMCKD的行星齿轮箱早期故障诊断方法.pdf
本发明涉及一种基于VMD‑AMCKD的行星齿轮箱早期故障诊断方法,包括步骤S1获取行星齿轮箱的振动加速度信号,并确定VMD参数;步骤S2基于VMD参数,对原振动信号进行VMD分解,并根据相关系数最大准则,选取最优分量;步骤S3:根据GOA寻优算法对所述最优分量进行MCKD参数的寻优;步骤S4:根据步骤S3得到的MCKD参数,对最优分量信号进行MCKD分析,再对解卷积后信号进行包络解调;步骤S5:将轴承理论故障特征频率值与包络谱中峰值明显的谱线进行对照,从而诊断出故障类型,确定故障部位。本发明采用GOA算法