文献检索-宁波市创意产业特色资源库

限定检索结果

周期能量与优化LMD结合的轴承故障诊断方法: 收藏
分享
引用; 《振动．测试与诊断》2016年第2期36卷 372-377,407页; 作者：熊邦书李龙李新民莫燕南昌航空大学无损检测技术教育部重点实验室南昌330063 中国直升机设计研究所直升机旋翼动力学国防科技重点实验室景德镇333001; 为了提高轴承故障诊断准确率,缩短神经网络训练时间,将周期能量特征和优化的局域均值分解(local mean decomposition,简称LMD)特征结合,提出了一种新的轴承故障诊断方法。首先,采用形态滤波法对振动信号去噪;其次,以轴承一个旋转周期采...; 为了提高轴承故障诊断准确率,缩短神经网络训练时间,将周期能量特征和优化的局域均值分解(local mean decomposition,简称LMD)特征结合,提出了一种新的轴承故障诊断方法。首先,采用形态滤波法对振动信号去噪;其次,以轴承一个旋转周期采样点数为标准,对振动信号进行截取,提取周期能量特征和LMD特征;然后,对提取的特征进行u律压扩和滑动平均优化处理;最后,设计两个同精度神经网络,采用经优化和未优化的特征对设计好的RBF神经网络进行训练,用训练好的神经网络进行故障诊断。实验结果表明,神经网络收敛迭代次数减少了50次,诊断正确率提高了10%,提高了轴承故障诊断正确率,缩短了神经网络训练时间。; 来源：详细信息评论

限定检索结果