已閱讀1頁，還剩64頁未讀， 繼續(xù)免費閱讀
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(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、由于現(xiàn)代科技的進(jìn)步以及自動化技術(shù)的發(fā)展，異步電動機(jī)遍布工業(yè)基礎(chǔ)領(lǐng)域。滾動軸承是電機(jī)的重要機(jī)械零件，其運行的安全與否關(guān)系到設(shè)備系統(tǒng)的可靠性，對滾動軸承故障診斷研究是非常有實用價值的。
對故障特征提取是故障診斷的核心部分，為軸承故障模式識別的前提。本文在基于小波理論的前提下，提出小波包分析與信息熵相結(jié)合提取振動信號的特征向量。對于故障軸承產(chǎn)生的振動信號具有非平穩(wěn)特性，本文利用小波包變換對滾動軸承信號進(jìn)行分解和重構(gòu)，把重構(gòu)得最后一層
2、每個頻帶的能量熵進(jìn)行歸一化處理，把獲取的多維向量作為信號的故障特征。
本文在最小二乘支持向量機(jī)(LSSVM)分類算法的基礎(chǔ)上，選取高斯徑向核函數(shù)對所提取的故障特征進(jìn)行模式識別。利用LSSVM只需求解一個線性方程組，計算量降低等優(yōu)點，進(jìn)行了不同核函數(shù)參數(shù)、懲罰因子的仿真實驗獲得了較高的診斷準(zhǔn)確率，同時證明了兩參數(shù)對診斷結(jié)果的重要性。
出于對LSSVM核函數(shù)參數(shù)、懲罰因子需要參數(shù)尋優(yōu)的考慮，提出了基于模擬退火混合粒子群(
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(hù)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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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
- 基于LCD和PSO-LSSVM的城軌列車滾動軸承故障診斷研究.pdf
- 基于小波-神經(jīng)網(wǎng)絡(luò)的電機(jī)軸承故障診斷.pdf
- 電機(jī)軸承故障診斷.pdf
- 基于小波包和EMD相結(jié)合的電機(jī)軸承故障診斷.pdf
- 電機(jī)軸承故障診斷方法研究.pdf
- 基于小波分析的高速牽引電機(jī)軸承故障診斷研究.pdf
- 基于集合方法的電機(jī)軸承故障診斷研究.pdf
- 基于小波熵的電機(jī)故障診斷.pdf
- 基于數(shù)據(jù)驅(qū)動的電機(jī)軸承故障診斷方法研究.pdf
- 基于小波技術(shù)的通風(fēng)機(jī)軸承故障診斷研究與應(yīng)用.pdf
- 小波分形理論與神經(jīng)網(wǎng)絡(luò)結(jié)合的電機(jī)軸承故障診斷研究.pdf
- 基于小波理論與LSSVM的模擬集成電路故障診斷方法.pdf
- 基于振動信號的電機(jī)軸承故障診斷方法研究.pdf
- 電機(jī)軸承故障診斷新方法研究.pdf
- 基于小波理論的滾動軸承故障診斷方法研究.pdf
- 基于改進(jìn)小波神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷.pdf
- 面向電機(jī)軸承的快速故障診斷方法研究.pdf
- 基于t-s模糊模型的電機(jī)軸承故障診斷研究
- 基于小波理論的滾動軸承智能故障診斷方法的研究
- 基于定子電流分析的機(jī)車牽引電機(jī)軸承故障診斷.pdf
評論
0/150
提交評論