基于經驗模態(tài)分解和人工智能算法的機床滾動軸承故障診斷研究.pdf_第1頁
已閱讀1頁，還剩73頁未讀， 繼續(xù)免費閱讀

下載本文檔

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

文檔簡介

1、隨著現代科技的飛速進步,各生產行業(yè)的機械設備也日益趨向于集成化、大型化、復雜化和尖端化。大型的機床設備作為生產廠家賴以生存的“生命線”,其運行狀態(tài)的好壞關系著整個生產廠家安全生產。滾動軸承作為機床機械設備一個極其重要的組成部分,對其進行工作狀態(tài)檢測和故障診斷具有很強的現實意義。本文通過HHT方法中的經驗模態(tài)分解(EMD)算法對機床滾動軸承故障信號分解并提取出能量特征向量,采用人工神經網絡和支持向量機的方法對機床滾動軸承故障狀態(tài)進行識別。

2、
　　首先,本文研究了EMD分解算法,它具有極強的自適應性和極高的信號局部時間特征尺度分析性能,可將各類振動信號分解為有限個不同時間特征尺度成分的本征模態(tài)函數(IMF)之和,從而在各IMF分量中提取出故障特征能量向量。
　　接著,在機床滾動軸承進行模式識別上本文采用了典型的BP人工神經網絡、改進的LM-BP神經網絡算法與EMD算法相結合,實驗結果證明基于LM-BP神經網絡的機床滾動軸承故障診斷是可行的,并且診斷效果良好,能夠

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。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，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。

評論

0/150

提交評論