基于敏感分量与MCPG的轴承故障诊断方法
版权信息:站内文章仅供学习与参考,如触及到您的版权信息,请与本站联系。
信息
资料大小
14.15 MB
文件类型
PDF
语言
简体中文
资料等级
☆☆☆☆☆
下载次数
40
简介
针对滚动轴承故障难以准确识别问题,提出了一种基于敏感分量与多卷积池化组(Multi convolution pooling group,MCPG)的故障诊断方法。首先,采用经验模态分解(Empirical mode decom?position,EMD)将原始信号分解成为多个固有模态分量(Intrinsic mode function,IMF),使用离散Fréchet距离作为衡量指标,选取出故障敏感分量作为表征不同故障类型的故障数据源;之后,提出了一种MCPG深度神经网络架构,并使用敏感数据源对模型进行训练与测试,从而实现数据驱动的轴承故障诊断。通过实验验证,表明该方法对不同类型的振动数据(不同转速、不同损伤类型、不同损伤程度)均具有较好的识别效果。相关论文
- 2020-11-12移动式卸料车制动故障及改造
- 2025-01-08回转减速机空行程的检测和改进
- 2021-05-08掘锚机水系统的改进设计
- 2021-03-02十字牙形槽数控加工程序的改进
- 2021-03-01刀具预调测量仪的改进
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。