EEMD结合概率神经网络的风力机轴承故障诊断研究
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
790KB
文件类型
PDF
语言
简体中文
资料等级
☆☆☆☆☆
下载次数
简介
滚动轴承是风力发电机传动装置中的非常关键的零部件之一.当其发生故障时,采集到的信号大多是非平稳和非线性的,传统的时域和频域分析不能准确分析这些信号的特征.提出使用总体平均经验模式分解(Ensemble Empirical Mode Decomposition,EEMD)进行滚动轴承故障特征提取和使用概率神经网络进行故障特征识别的研究方法.首先使用EEMD算法对实验采集到的不同故障状态的原始信号进行分解,得到每个故障类型的本征模态函数(Intrinsic Mode Function,IMF),利用相关系数法过滤掉不重要的IMF分量.然后算出每个类型故障的IMF分量的能量值和占总能量值的能量比,把能量比当作故障特征向量元素,构造出每个类型的故障特征向量.最后把不同的故障类型和对应的特征向量使用概率神经网络经(Probabilistic Neural Network,PNN)进行识别,得到识别结果,并把结果同使用极限学习机的识别结果进行对比,经验证该方法具有较高的识别正确率.相关论文
- 2020-08-29Pro/E中用户自定义特征在微波仪器设计中的应用
- 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
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。