本文主要研究内容
作者马芸婷,郭晓苏,张彪,段皓然（2019）在《基于ELMD能量熵与PSO-SAE的齿轮故障诊断研究》一文中研究指出：齿轮发生不同的故障会导致不同频带内的信号能量值发生改变,因此可通过计算不同振动信号的能量熵判断齿轮是否发生故障,而针对复杂多变的工况和噪声的干扰而导致的齿轮振动信号的非线性、非平稳性且由于数据量大等问题。传统的信号分析方法,已无法表征丰富,海量的信号信息与复杂的多元非线性信号关系。故本文提出基于ELMD能量熵与PSO-SAE的齿轮故障诊断研究。该研究首先对原始信号进行ELMD分解,得到若干个乘积函数(PF);其次,对ELMD分解结果的前7个PF进行求取能量熵作为特征样本。最后进入一个经粒子群优化后的深度学习网络即堆叠自动编码机网络(PSO-SAE)对特征样本分类。实验中,将PSO-SAE与两类常用支持向量机分别进行识别精度与运行时间的对比。实验结果证明,所提研究方案可很好地应用在齿轮故障诊断研究中。
Abstract
chi lun fa sheng bu tong de gu zhang hui dao zhi bu tong pin dai nei de xin hao neng liang zhi fa sheng gai bian ,yin ci ke tong guo ji suan bu tong zhen dong xin hao de neng liang shang pan duan chi lun shi fou fa sheng gu zhang ,er zhen dui fu za duo bian de gong kuang he zao sheng de gan rao er dao zhi de chi lun zhen dong xin hao de fei xian xing 、fei ping wen xing ju you yu shu ju liang da deng wen ti 。chuan tong de xin hao fen xi fang fa ,yi mo fa biao zheng feng fu ,hai liang de xin hao xin xi yu fu za de duo yuan fei xian xing xin hao guan ji 。gu ben wen di chu ji yu ELMDneng liang shang yu PSO-SAEde chi lun gu zhang zhen duan yan jiu 。gai yan jiu shou xian dui yuan shi xin hao jin hang ELMDfen jie ,de dao re gan ge cheng ji han shu (PF);ji ci ,dui ELMDfen jie jie guo de qian 7ge PFjin hang qiu qu neng liang shang zuo wei te zheng yang ben 。zui hou jin ru yi ge jing li zi qun you hua hou de shen du xue xi wang lao ji dui die zi dong bian ma ji wang lao (PSO-SAE)dui te zheng yang ben fen lei 。shi yan zhong ,jiang PSO-SAEyu liang lei chang yong zhi chi xiang liang ji fen bie jin hang shi bie jing du yu yun hang shi jian de dui bi 。shi yan jie guo zheng ming ,suo di yan jiu fang an ke hen hao de ying yong zai chi lun gu zhang zhen duan yan jiu zhong 。
论文参考文献
论文详细介绍
论文作者分别是来自内燃机与配件的马芸婷,郭晓苏,张彪,段皓然，发表于刊物内燃机与配件2019年07期论文，是一篇关于能量熵论文,深度学习论文,堆叠自动编码机论文,粒子群优化论文,故障诊断论文,内燃机与配件2019年07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，资料来自内燃机与配件2019年07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：能量熵论文; 深度学习论文; 堆叠自动编码机论文; 粒子群优化论文; 故障诊断论文; 内燃机与配件2019年07期论文;