基于等权局部特征稀疏滤波网络的轮对轴承故障诊断方法.pdf
星星****眨眼
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
基于等权局部特征稀疏滤波网络的轮对轴承故障诊断方法.pdf
基于等权局部特征稀疏滤波网络的轮对轴承故障诊断方法,首先获取轮对轴承在不同健康状态下的振动信号,建立基于等权局部特征稀疏滤波网络的故障诊断模型;然后对稀疏滤波网络进行训练,利用训练后的稀疏滤波网络从振动信号中自动提取故障特征;最后基于提取的故障特征,训练Softmax分类器,利用训练后的分类器对轴承故障进行智能诊断,本发明高效、可靠地实现了机车轮对轴承故障特征的自动提取以及健康状态的智能诊断。
基于稀疏编码和LSSVM的轮对轴承检测装置及方法.pdf
本发明公开了基于稀疏编码和LSSVM的轮对轴承检测装置及方法,包括轮对轴承i、轮对轴承检测装置A、换向装置、轮对轴承检测装置B、分级收纳装置j、加速度传感器A和速度传感器A,所述轮对轴承检测装置A的两侧设有速度传感器A和加速度传感器A,轮对轴承检测装置A的侧边设有换向装置,换向装置的侧边设有轮对轴承检测装置B,轮对轴承检测装置B的两侧设有加速度传感器B和速度传感器B,轮对轴承检测装置B的右侧设有分级收纳装置j。本发明采用稀疏编码结合LSSVM的算法,解决了人为判断存在的主观性,将提高分类结果的可靠性,提高
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
基于不等权局部保持嵌入的故障诊断方法.pdf
本发明公开了一种基于不等权局部保持嵌入的故障诊断方法,该方法旨在解决的问题是:针对现代工业过程数据的复杂动态特性,如何构建动态的有向图谱结构,既保持原始样本的局部近邻关系,又能保持原始特征变量的局部结构关系,嵌入后的低维数据结构关系与原始空间的保持一致。该发明方法利用图谱的不等权连接边构建有向网络,并计算概率距离引导的样本相似度矩阵,形成不等权局部保持嵌入模型,有效表征动态过程的样本局部近邻关系;同时,将特征变量也纳入图谱构建中,保留特征变量的局部关系信息,选取对过程故障产生重要影响的特征变量,进一步增强
基于自适应滤波解调的机车轮对轴承定量诊断方法.pdf
本公开揭示了一种基于自适应滤波解调的机车轮对轴承定量诊断方法,包括参数训练和实时诊断两个阶段。其中,参数训练阶段遍历滤波器的长度、步长及频带等三个滤波器参数,通过迭代循环实现故障冲击特征的最优化提取,并自适应确定最佳滤波器参数及最佳包络谱,进而计算故障程度指标FSI,建立故障程度与故障程度指标FSI的对应关系并确定阈值;实时诊断阶段采用参数训练阶段得到的最佳滤波器参数及阈值,对实时采集的轮对轴承信号进行滤波,求解最佳包络谱,并对比当前故障程度指标与阈值的大小关系,实现轮对轴承的故障报警及定量诊断。