2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩65頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、旋轉(zhuǎn)機械在航空、航天、船舶等復雜裝備系統(tǒng)中具有重要作用,滾動軸承作為旋轉(zhuǎn)機械的重要部件之一,其健康狀態(tài)的好壞對整個設(shè)備具有重大影響。然而目前的研究主要集中于對機械當前運行狀態(tài)進行故障診斷和評價,對其健康管理和故障預(yù)測方面研究較少。因此,對滾動軸承的故障預(yù)測方面進行研究可以為其預(yù)知維修和健康管理提供較多的幫助。
  首先,對滾動軸承進行振動信號降噪處理,針對經(jīng)驗?zāi)B(tài)分解方法(EMD)、集合經(jīng)驗?zāi)B(tài)分解(EEMD)方法中存在的模態(tài)混疊

2、問題,采用完備總體經(jīng)驗?zāi)B(tài)分解(CEEMD)方法對振動信號數(shù)據(jù)進行降噪和固有模態(tài)函數(shù)(Intrinsic Mode Function,IMF)分量分解。與EMD和EEMD的降噪效果進行對比,證明了該方法的有效性。
  其次,針對多尺度熵算法粗?;^程容易丟失信息等缺點,采用CEEMD結(jié)合多尺度熵的特征提取方法對篩選后IMF分量進行特征提取,并通過與普通多尺度熵方法進行的特征提取效果進行對比,驗證了改進方法的優(yōu)越性。
  再次

3、,針對傳統(tǒng)廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN)故障預(yù)測精度較低,預(yù)測模型建立困難的問題,采用果蠅算法對廣義回歸神經(jīng)網(wǎng)絡(luò)光滑因子進行尋優(yōu),從而建立果蠅算法優(yōu)化的廣義回歸神經(jīng)網(wǎng)絡(luò)(FOA-GRNN)預(yù)測模型。通過對Mackey-Glass時間序列進行數(shù)據(jù)預(yù)測,并與普通GRNN和粒子群優(yōu)化的廣義回歸神經(jīng)網(wǎng)絡(luò)(PSO-GRNN)的預(yù)測效果進行對比,證明改進后的方法其預(yù)測精度較高,均方根誤差及預(yù)測所用時間較少。
  最后,采用滾動軸承故障模擬實驗臺

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論