基于多尺度形态学分析的齿轮故障诊断方法.pdf
俊英****22
亲,该文档总共11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
基于多尺度形态学分析的齿轮故障诊断方法.pdf
本发明公开了一种基于多尺度形态学分析的齿轮故障诊断方法。其步骤为:利用加速度传感器获取齿轮振动加速度信号;采用EMD分解方法将获得的振动加速度信号分解为多个IMF分量;从分解的IMF分量中选取包含故障主要信号的高频IMF分量,利用选取的IMF分量重构信号;对重构信号进行多尺度形态学解调分析;观察解调结果频谱图是否在故障特征频率或其倍频处存在明显峰值,进而判断旋转机械是否发生故障。本发明方法可较准确判断该旋转机械是否发生故障。
基于多尺度线调频基稀疏信号分解的齿轮故障诊断方法.pdf
本发明公开了一种基于多尺度线调频基稀疏信号分解的齿轮故障诊断方法。本发明方法将齿轮振动信号的时间跨度在各尺度下等分为动态时间支撑区,然后在动态时间支撑区上建立线性调频基函数,形成多尺度线性调频基函数库,计算每个动态时间支撑区上投影系数最大的线性调频基函数,通过对最大系数线性调频基函数的连接,自适应的形成与齿轮振动信号具有最大相关系数且瞬时频率具有物理意义的分解信号,进而可以获得非平稳转速下故障齿轮的幅值调制频率和啮合频率随时间的变化情况,判断故障位置,进行故障诊断。
基于自注意力机制的多尺度特征融合齿轮箱故障诊断方法.pdf
本发明公开了基于自注意力机制的多尺度特征融合齿轮箱故障诊断方法,涉及故障诊断技术领域,该方法包括:将齿轮箱一维原始振动信号利用随机划窗得到固定长度诊断样本;构建基于自注意力机制的多尺度特征融合故障诊断模型并使用Softmax函数作为分类器进行训练;利用动态裁剪Adam优化器通过反向传播方法进行模型训练;保存训练完成的故障诊断模型进行在线诊断。本发明通过不同尺度的卷积核分别提取齿轮箱原始振动信号的低频特征与局部时域特征,其次引入改进自注意力机制构建多尺度特征融合网络代替传统拼接方法,进一步挖掘振动信号的时频
基于多尺度数学形态学的边缘检测.pdf
第卷第期数据采
一种基于形态学函数构建尺度空间的轴承故障诊断方法.pdf
本发明公开了一种基于形态学函数构建尺度空间的轴承故障诊断方法,包括如下步骤:步骤1.选择形态学函数的结构元素;步骤2.优化形态学函数平滑频谱的平滑速度;步骤3.构建尺度空间平面;步骤4.通过Ostu方法、半正态分布法或均值法确立尺度空间曲线阈值,进而对尺度空间曲线进行二分类处理,对边界点进行筛选,最后划分频带;步骤5.频带划分完成后,使用EWT算法进行信号分解,进而进行包络解调得到包络图,根据包络图判断出轴承的故障类型。本发明属于先验算法,省去了频带初次划分后再合并频带的时间,提高了算法的计算效率,同时该