一种基于MEEMD排列熵的高速列车轮对轴承故障诊断方法.pdf
鸿朗****ka
亲,该文档总共20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
一种基于MEEMD排列熵的高速列车轮对轴承故障诊断方法.pdf
本发明提供了本发明针对EMD、EEMD的缺点,提出了一种基于MEEMD排列熵的高速列车轮对轴承故障诊断方法。一种基于MEEMD排列熵的高速列车轮对轴承故障诊断方法,依次包括以下步骤:信号采集;对原始振动信号进行滤波消噪;MEEMD分解;排列熵特征提;高维特征向量分为两组;训练模型;诊断结果。在特征提取环节,MEEMD的引入使得信号特征在多个尺度上得到了体现,相对于EMD排列熵特征识别率相比,相对单一故障模式识别率得到了明显提升。基于MEEMD排列熵的分析方法所需数据较短,抗噪、扛干扰能力较强,可以有效的应
一种基于概率包络的轮对轴承故障诊断方法.pdf
本发明涉及一种基于概率包络的轮对轴承故障诊断方法,属于故障检测技术领域。针对轮对轴承信号存在的不确定性,该方法先对采集到的原始信号进行分布类型检验,根据检测结果针对不同分布类型使用不同的概率包络建模方法进行建模,接着针对概率包络模型的几何形状对其进行特征提取,最后将特征向量作为输入,采用支持向量机(SVM)进行模型训练,得到诊断模型,输入测试集判断故障类型。该方法引入概率包络理论,有效地利用概率包络处理不确定性问题的优势,防止了特征提取时的信息丢失现象,该方法不仅在列车轮对轴承故障上具有较好的应用性,而且
一种基于麦克风均匀面阵滤波的高速列车轴承故障诊断方法.pdf
本发明提出一种基于麦克风均匀面阵滤波的高速列车轴承故障诊断方法,该方法通过轨边安装的一种麦克风均匀矩形阵列获取列车行走过程中轮对轴承发出的声音信号,作为待检信号。由面阵中麦克风之间的几何关系,计算目标声源相对麦克风阵列中不同阵元信号相对于基准阵元信号的时延,然后加权滤波并重构时间序列,根据线性最小方差法获得最佳滤波器对原信号滤波,并将滤波后的信号插值重采样,对重采样后得到的信号做包络分析。本发明采用麦克风均匀矩形阵列滤波处理,与现有的单麦克风和线阵方案相比,具有测向精度高、设计简单、自适应强、噪声抑制效果
一种高速列车轮对的建模方法.pdf
本发明提供了一种高速列车轮对的建模方法,涉及高速列车的数字化设计与制造技术领域。模型的信息集成和管理对缩短响应市场时间、提高设计效率是企业希望解决的问题。通过对所述各元参数的分析和提取,构建高速列车轮对的各元参数设计模型;利用矢量阵列对高速列车轮对的各元参数设计模型进行描述,包括以下四个步骤:各元参数初始化、各元参数数组序列化、关系元参数转化为关系矩阵、环状多边形矢量阵列描述:结合高速列车轮对的各元参数设计模型的矢量化和阵列化描述,采用环状多边形数据结构构造高速列车轮对的矢量阵列;层级对象之间通过关系元参
基于CEEMD能量熵和优化PNN的轴承故障诊断方法.pdf
本发明公开了一种基于CEEMD能量熵和优化PNN的轴承故障诊断方法,包括:S1、采集不同故障状态下的轴承振动信号;S2、采用互补集合经验模态分解算法将轴承振动信号进行分解处理,获得本征模态分量;S3、计算本征模态分量和轴承振动信号数据的相关系数并进行筛选处理,获得有效本征模态分量;S4、提取有效本征模态分量的能量熵,组成特征向量矩阵;S5、构建概率神经网络模型,将特征向量矩阵输入概率神经网络模型,训练优化概率神经网络模型,获得概率神经网络轴承故障诊断模型;S6、将特征向量矩阵输入所述概率神经网络轴承故障诊