基于聲發(fā)射技術(shù)的滾動軸承故障診斷研究.pdf_第1頁
已閱讀1頁,還剩126頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、滾動軸承是機械中磨損最嚴重的元件之一,大量旋轉(zhuǎn)機械的故障都與滾動軸承有關(guān),對滾動軸承進行狀態(tài)監(jiān)測和故障診斷的研究具有重要的實際意義。本文致力于滾動軸承故障聲發(fā)射信號的特征提取和故障模式識別技術(shù)的研究。 本文以滾動軸承故障聲發(fā)射信號為主要研究對象,對小波分析在聲發(fā)射信號處理中的應(yīng)用進行了研究。首先,根據(jù)滾動軸承故障聲發(fā)射信號的特點,分析了聲發(fā)射信號小波分析的小波基選取規(guī)則,并且找出了適合于分析滾動軸承故障聲發(fā)射信號的Daubech

2、ies小波、Symlets小波和Coiflets;其次分析了基于Mallat算法的小波多分辨分析的概念,得出了多分辨分析頻率的范圍和小波分解的最大分解尺度公式,對滾動軸承聲發(fā)射信號的小波分析起到了指導(dǎo)作用;本文還研究了三種基于小波分析的滾動軸承聲發(fā)射信號特征參數(shù)提取方法:小波特征頻譜分析法、小波特征能量譜系數(shù)法、小波分解系數(shù)分析法。實際的工程應(yīng)用結(jié)果表明:這三種特征分析方法能夠有效地提取滾動軸承聲發(fā)射信號的特征參數(shù)。 論文對BP

3、和RBF神經(jīng)網(wǎng)絡(luò)在滾動軸承聲發(fā)射信號模式識別應(yīng)用中的問題進行了研究。特別是對BP和RBF網(wǎng)絡(luò)學(xué)習(xí)樣本的構(gòu)造、輸入輸出層節(jié)點數(shù)的確定和隱層節(jié)點數(shù)的確定,神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化等方面的問題進行了研究。研究了基于改進算法的BP網(wǎng)絡(luò)和基于改進遺傳算法的RBF網(wǎng)絡(luò)、小樣本加噪聲循環(huán)訓(xùn)練法、小波分析與BP和RBF神經(jīng)網(wǎng)絡(luò)有機結(jié)合和集成人工神經(jīng)網(wǎng)絡(luò)等五種提高神經(jīng)網(wǎng)絡(luò)性能的方法。實驗結(jié)果表明,基于上述方法的神經(jīng)網(wǎng)絡(luò)在滾動軸承的故障模式識別過程中取得了良好的效

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論