最大鞘度熵反褶积的齿轮箱故障诊断
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
1.97 MB
文件类型
PDF
语言
简体中文
资料等级
☆☆☆☆☆
下载次数
79
简介
考虑到最小熵反褶积(Minimum Entropy Deconvolution,MED)只对单一的异常振动信号很敏感,而且,滤波器的长度需要人工调控,提出了一种最大峭度熵反褶积(Maximum Kurtosis Entropy Deconvolution,MKSED)方法,并将其应用于轴承故障诊断。考虑峭度熵具有突出连续冲击振荡的优点,选择峭度熵作为反褶积的目标函数。同时,利用峭度熵作为改进的局部粒子群优化算法(Local Particle Swarm Optimization Algorithm,LPSO)的适应度函数,利用局部粒子群优化滤波器长度,使最大峭度熵反褶积在解卷积时自适应地调整滤波器长度,从而能够准确地提取出连续的脉冲信号。实验分析结果验证了该方法能够更叫有效的提取连续脉冲信号的能力,提升了故障诊断的精度。相关论文
- 2024-12-26一种多巷道立体仓库货位分配优化方法
- 2020-08-11气-电智能立体仓库的研制
- 2020-12-15仓储控制系统堆垛机设计方案规划
- 2025-02-18铝型材立体仓库货位分配优化
- 2024-12-27智能仓储物流系统在烟草定级存储中的应用
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。