BFA优化掩膜参数的轴承故障诊断方法的研究
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
1.52 MB
文件类型
PDF
语言
简体中文
资料等级
☆☆☆☆☆
下载次数
简介
掩膜信号法一定程度上削弱了信号分解结果中的模态混叠现象,其分解结果主要受到掩膜信号的幅值和掩膜频率的影响。为获得参数最优解,摒弃了传统计算获得的方法,提出了细菌觅食算法优化掩膜参数的滚动轴承故障诊断方法。首先利用参数寻优的BFA算法优化掩膜信号的幅值和掩膜频率,得到最优参数组合,利用参数优化后的掩膜信号处理故障信号得到频谱更加纯净的本征模函数,最终根据相关系数准则选取最佳分量进行频谱分析。实验结果表明优化参数后掩膜信号处理下的故障信号抗模态混叠能力更强,分量融合后故障特征更明显。相关论文
- 2021-01-15基于全矢谱时间固有尺度分解和独立分量分析盲源分离降噪的滚动轴承故障特征提取
- 2021-01-05转子系统电机电流信号特征提取方法
- 2020-12-22基于最优特征集和马氏距离KNN分类的机械故障分类方法研究
- 2024-08-01考虑PCA-LSTM的风电机组输出功率预测研究
- 2021-05-18基于PCA和GA-SVM联合模型的数控转台升降系统故障诊断
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。