基于EEMD-BP神经网络的车床主轴振动故障诊断
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
1.01 MB
文件类型
PDF
语言
简体中文
资料等级
☆☆☆☆☆
下载次数
简介
针对传统车床主轴振动对其他零部件造成不利影响甚至造成损坏等难题,提出了一种基于平均经验模态分解(EEMD)算法以及反向传播(BP)神经网络的车床主轴振动故障在线诊断方法。以某数控车床主轴振动为研究对象,首先介绍了EEMD和BP神经网络方法的原理,并对传感器采集的主轴振动信号进行预处理;然后对处理后的信号进行EEMD,计算出有效的固有模态分量函数(IMF),再以峭度、峰值、均方根值作为选取标准,对故障信号较多的几个IMF分量进行重组;最后将重组后的特征向量输入BP神经网络、支持向量机等两种分类器中进行样本分类识别和对比。试验结果表明,基于EEMD-BP的车床主轴振动在线故障诊断方法具有很好的判别效果。相关论文
- 2020-05-10基于Fluent的阀门开启过程阀芯气动力仿真研究
- 2024-06-14基于UG NX Wave和UDF的塔型井架参数化建模
- 2020-05-10气液单向阀弹簧刚度对开启特性的仿真分析
- 2021-09-30两自由度扑翼飞行器气动性能研究
- 2020-08-29Pro/E中用户自定义特征在微波仪器设计中的应用
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。