造價通
更新時間:2025.05.31
滾動軸承局部故障的特征倍頻診斷方法

格式:pdf

大?。?span class="single-tag-height">1.2MB

頁數: 4頁

建立了以故障特征倍頻為基礎的分析方法,以診斷滾動軸承局部故障。此方法引入故障特征倍頻代替目前普遍應用的故障特征頻率,在計算故障特征參數的時候剔除轉速的影響,將不同轉速下的故障判斷標準統(tǒng)一起來,用幾個確定參數來表征滾動軸承主要的局部故障類型,進而建立起能夠綜合分析不同轉速下的故障信號的包絡譜陣分析方法。依據軸承故障沖擊振動包絡頻譜的本質分布形態(tài),采用故障特征倍頻背景,為數據分析和故障判斷提供了直觀、準確的參考。在實驗中的應用表明,利用該方法診斷滾動軸承局部故障簡捷有效。

基于NGA優(yōu)化SVM的滾動軸承故障診斷

格式:pdf

大小:411KB

頁數:

支持向量機(SVM)的分類性能受樣本的特征以及SVM本身參數的選擇影響較大。針對這種情況,基于Shannon能量熵、SVM和小生境遺傳算法(NGA),提出了一種基于NGA優(yōu)化SVM的滾動軸承故障診斷方法。該方法采用容錯性強的Shannon能量熵作為特征參數,對信號進行EMD分解提取出前3個IMF分量作為特征信號,分別計算其Shannon能量熵作為特征向量得到樣本集,作為多類別SVM的輸入。在用樣本訓練SVM時,構造一種新的核函數,并采用NGA對SVM的核函數參數進行全局優(yōu)化,使SVM獲得最佳的分類性能,提高其分類識別的正確率。最后采用凱斯西儲大學的滾動軸承故障樣本進行了分類識別,并與其他幾種方法進行了對比,結果表明該方法具有更好的可靠性和分類準確率。

熱門知識

滾動軸承故障診斷儀

精華知識

滾動軸承故障診斷儀

最新知識

滾動軸承故障診斷儀
點擊加載更多>>

相關問答

滾動軸承故障診斷儀
點擊加載更多>>
專題概述
滾動軸承故障診斷儀相關專題

分類檢索: