【摘 要】
：
针对滚动轴承工作环境中含有强烈的环境噪声,其振动信号具有非平稳、非线性特征以及提取特征困难等问题,本文提出一种基于集合经验模态分解(EEMD)的滚动轴承智能故障诊断方法
【机 构】
：
浙江工业大学信息工程学院,浙江大丰实业股份有限公司
【基金项目】
：
国家自然科学基金(61873237),宁波市科技创新2025重大专项项目资助。
论文部分内容阅读
针对滚动轴承工作环境中含有强烈的环境噪声,其振动信号具有非平稳、非线性特征以及提取特征困难等问题,本文提出一种基于集合经验模态分解(EEMD)的滚动轴承智能故障诊断方法。首先通过卷积神经网络(CNN)提取振动信号关键特征,并将提取到的特征向量输入到支持向量机(SVM)中进行故障识别与分类。为了提高诊断性能,本文利用集合经验模态分解方法对原始振动信号进行分解,将复杂的振动信号分解为仅包含单一成分的本征模态分量(IMF),然后利用一维卷积神经网络对IMF进行特征提取,最后采用SVM进行分类。结果表明,所提出的
其他文献
以冰封期太子河本溪城区段河流为研究对象,通过现场调查采样分析各项污染物在水体和冰体中的含量及变化规律。结果表明,太子河水体中总氮含量相对较高;在冰封期,太子河冰体中
本文依据危险废物处理中心项目自身的特点以及国家所出台的相关法律法规,对危险废物处理项目的选址以及废物产生情况调查等相关工作进行分析与论述,从而为当前所开展的危险废
环境激素类化学品(EDCs)在为人类生产生活带来便利的同时,也带来了意想不到的危害。作为化工产业典型省份的山东,研究其EDCs生产及使用情况具有普遍意义。本文通过对山东省重
针对基于区域的目标检测算法中定位精度不高的问题,本文提出了一种分裂机制的改进Faster RCNN算法。该算法首先选择特征提取能力强的卷积神经网络(CNN)作为骨干网络进行特征的提取;然后通过12种不同Anchors产生候选目标区,以进一步提升检测的精确度;最后将得到的特征分别传送到两个子网络,分别实现分类与定位。分类网络以全连接结构为基础,定位网络则主要由卷积神经网络构成。本文在Pascal V
海蛇躯体不同的推进段对推力的贡献不同,侧面压扁成桨状尾部是海蛇自适应进化最典型的特征,显著增强了其运动速度、机动性和效率。本文以柔性蛇尾为研究对象,建立蛇尾摆动流