Advertisement

该文档（CN109141884A）提出了一种基于EEMD-AR模型和DBN的轴承故障诊断方法。

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
我们提出了一种用于诊断轴承故障的创新性方法。具体而言，我们设计了一种全新的方法，该方法结合了经验模态分解-自回归 (EEMD-AR) 模型以及深度神经网络 (DBN)。鉴于轴承振动信号呈现出复杂的非线性变化特征，我们首先利用聚合经验模态分解 (EEMD) 技术将其分解为一系列独立的Intrinsic Mode Functions (IMF)，随后选取其中前几个IMF作为输入，并以此构建自回归 (AR) 模型。最后，针对每一个AR模型，我们计算其自回归系数以及相应的方差。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • CN109141884A-采用EEMD-AR模型及DBN技术的轴承故障检测法-已公开.PDF
    优质
    本发明提出了一种利用EEMD-AR模型结合DBN技术进行轴承故障检测的方法，通过改进的数据处理和分析技术提高故障诊断准确性。 本发明提供了一种基于EEMD-AR模型和DBN的轴承故障诊断方法。由于轴承振动信号具有非线性变化的特点，首先通过聚合经验模态分解（EEMD）将其分解为多个IMF分量，并选择其中前几个IMF建立自回归(AR)模型。对于每一个AR模型计算出自回归系数及其对应的方差。
     
  • 基于FFT和DBN的轴承故障诊断方法.rar
    优质
    本研究提出了一种结合快速傅里叶变换（FFT）与深度信念网络（DBN）的创新方法，用于提升滚动轴承的故障检测精度。通过有效地分析振动信号，该方案能够早期识别出潜在问题，从而减少设备停机时间和维护成本。此技术在工业监测系统中具有广泛应用前景。 在MATLAB中，基于轴承故障数据进行分析时，首先使用FFT提取特征，然后利用DBN构建故障诊断模型。
     
  • 1dcnntest1_1DCNN_轴承故障诊断_基于TensorFlow的CNN故障诊断方法_故障诊断轴承_
    优质
    本研究运用TensorFlow平台，提出了一种针对轴承故障诊断的1dcnntest1_1DCNN模型，通过卷积神经网络有效识别和分析轴承运行数据中的异常特征，旨在提高故障检测的准确性和效率。 使用Python语言，在TensorFlow 2.3.1和Python 3.6环境下运行的一维卷积网络应用于轴承故障诊断的项目。
     
  • 基于EEMD-SVD和SVM的轴承故障诊断Python实现
    优质
    本项目利用Python编程实现了结合 Ensemble Empirical Mode Decomposition (EEMD)、 Singular Value Decomposition (SVD) 和 Support Vector Machine (SVM) 的轴承故障诊断方法，为机械设备状态监测提供有效工具。 1. 包含EEMD、SVD和svm的单独代码 2. 提供详细数据集 3. 可直接运行
     
  • Autogram_轴承故障诊断_Autogram_轴承_故障诊断
    优质
    Autogram是一款专注于轴承故障诊断的专业工具。通过分析振动和噪音数据，提供准确及时的维护建议，有效预防设备损坏与生产中断。 Autogram能够适当地选择频带，用于轴承等故障诊断。
     
  • main_matlab；emd；轴承故障诊断_轴承故障诊断_
    优质
    本项目基于MATLAB环境，运用经验模态分解（EMD）技术进行轴承故障诊断。通过分析信号特征实现对各类轴承故障的有效识别与评估。 基于EMD的滚动轴承故障诊断在驱动计数端内圈故障检测方面效果明显；而在风扇计数端及基础计数端的内圈故障中，基于EMD的包络解调的效果较差或无效，只能观察到转频信号，而无法清晰地识别出故障频率。
     
  • 基于滚动轴承的故障诊断方法
    优质
    本研究提出了一种基于信号处理和机器学习技术的创新滚动轴承故障诊断方法，旨在提高机械设备的运行可靠性和维护效率。 为解决基于支持向量机的滚动轴承故障诊断方法中的参数优化问题，本段落提出了一种改进的果蝇优化算法。该算法以模式分类准确率为依据来定义果蝇的味道浓度函数，并利用此算法对支持向量机模型的惩罚因子和核函数参数进行优化。通过结合改进后的果蝇优化算法和支持向量机技术来进行滚动轴承故障模式的分类诊断，实验结果表明，改进的果蝇优化算法具有较高的收敛速度与寻优效率；基于该方法的支持向量机在滚动轴承故障诊断中能实现更高的分类准确率。
     
  • CBR1.zip_CBR1_轴承故障分类_轴承故障诊断_轴承故障
    优质
    本项目包含一套针对工业设备中常见问题——轴承故障的专业诊断系统。通过先进的算法和数据处理技术，有效识别并分类不同类型的轴承损伤，为维护工作提供精准依据，确保机械运行安全与效率。 这段代码是基于案例推理的滚动轴承故障诊断的MATLAB代码，能够实现故障的自动分类和诊断。
     
  • 基于CNN-SVM的轴承故障诊断
    优质
    本研究提出了一种结合卷积神经网络(CNN)与支持向量机(SVM)的方法，用于提高滚动轴承故障检测的准确性和效率。通过实验验证了该方法的有效性。 1. 包含轴承数据的灰度图以及相关的Python程序。
     
  • 基于小波分析的轴承故障诊断方法
    优质
    本研究提出了一种利用小波分析技术进行轴承故障诊断的方法。通过分解信号并识别异常特征，该方法能够有效检测早期故障，提高设备维护效率和安全性。 使用小波分析对各种轴承进行故障诊断。首先打开.m文件，并将相应的信号数据载入.mat文件进行保存。仿真时，请确保把.m和.mat文件放在同一路径下，这样就可以画出所需的图形。