VMD-模平方阈值与PNN相结合的齿轮故障诊断
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
1.43 MB
文件类型
PDF
语言
简体中文
资料等级
☆☆☆☆☆
下载次数
简介
针对故障齿轮振动信号的非平稳和调制特性,提出了在变分模态分解(VMD)-模平方阈值降噪的基础上利用概率神经网络(PNN)进行齿轮故障诊断的方法。首先,利用VMD将原始振动信号分解为若干个本征模态函数分量,采用模平方阈值方法对各分量处理后并重构;然后,提取重构信号的峭度和均方根作为特征值组成特征向量;最后,将特征向量输入PNN实现故障类型识别。通过齿轮故障试验分析,将其与基于EMD-模平方阈值、LMD-模平方阈值和EEMD-模平方阈值的BP神经网络故障诊断方法相比较。结果表明,该方法能有效的提取特征信息,故障诊断准确率高达96.875%,证明了所提方法的可行性和有效性。相关论文
- 2024-08-14两种构型码垛机器人运动学与静力学对比分析
- 2020-08-19钻井平台作业机器人手部平动机构设计研究
- 2020-07-31五自由度机械手运动学分析及逆解问题研究
- 2021-01-29基于向量范数的6-R机械臂逆解优选
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。