本文主要研究内容
作者路照坭,朱希安（2019）在《机械传动电机轴承故障信号诊断仿真研究》一文中研究指出：传统经验模态分解(EMD)存在模态混叠,难以充分提取故障特征,原始支持向量机(SVM)、相关向量机(RVM)诊断方法核函数存在选取不灵活、结构复杂导致识别效率低的问题,提出了一种结合变分模态分解(VMD)样本熵和混合布谷鸟改进M-RVM的机械传动电机轴承故障诊断新方法。首先,对故障信号进行VMD分解得到多个子序列;然后,筛选其中的有效分量提取样本熵组成故障特征向量;最后,将特征向量输入基于混合布谷鸟算法优化的M-RVM故障诊断模型,达到对电机运行状态准确识别的目的。仿真结果表明,所提方法实现了电机轴承故障状态的准确诊断。与传统分析诊断方法相比,该方法轴承故障识别诊断性能得到提高,对实际工程应用具有重大意义。
Abstract
chuan tong jing yan mo tai fen jie (EMD)cun zai mo tai hun die ,nan yi chong fen di qu gu zhang te zheng ,yuan shi zhi chi xiang liang ji (SVM)、xiang guan xiang liang ji (RVM)zhen duan fang fa he han shu cun zai shua qu bu ling huo 、jie gou fu za dao zhi shi bie xiao lv di de wen ti ,di chu le yi chong jie ge bian fen mo tai fen jie (VMD)yang ben shang he hun ge bu gu diao gai jin M-RVMde ji xie chuan dong dian ji zhou cheng gu zhang zhen duan xin fang fa 。shou xian ,dui gu zhang xin hao jin hang VMDfen jie de dao duo ge zi xu lie ;ran hou ,shai shua ji zhong de you xiao fen liang di qu yang ben shang zu cheng gu zhang te zheng xiang liang ;zui hou ,jiang te zheng xiang liang shu ru ji yu hun ge bu gu diao suan fa you hua de M-RVMgu zhang zhen duan mo xing ,da dao dui dian ji yun hang zhuang tai zhun que shi bie de mu de 。fang zhen jie guo biao ming ,suo di fang fa shi xian le dian ji zhou cheng gu zhang zhuang tai de zhun que zhen duan 。yu chuan tong fen xi zhen duan fang fa xiang bi ,gai fang fa zhou cheng gu zhang shi bie zhen duan xing neng de dao di gao ,dui shi ji gong cheng ying yong ju you chong da yi yi 。
论文参考文献
论文详细介绍
论文作者分别是来自自动化仪表的路照坭,朱希安，发表于刊物自动化仪表2019年09期论文，是一篇关于轴承论文,故障信号诊断论文,变分模态分解论文,特征提取论文,样本熵论文,改进混合布谷鸟算法论文,多分类相关向量机论文,故障分类识别论文,自动化仪表2019年09期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自自动化仪表2019年09期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：轴承论文; 故障信号诊断论文; 变分模态分解论文; 特征提取论文; 样本熵论文; 改进混合布谷鸟算法论文; 多分类相关向量机论文; 故障分类识别论文; 自动化仪表2019年09期论文;