本文主要研究内容
作者张鹏林,徐桃萍,马小东,杨天雨（2019）在《基于CEEMDAN-深度信念网络的超低速滚动轴承故障诊断》一文中研究指出：针对超低速滚动轴承故障诊断困难问题,提出一种自适应噪声的完备集合经验模态分解(CEEMDAN)与深度信念网络(DBN)相结合的超低速滚动轴承故障声发射(AE)诊断方法。通过EEMD和CEEMDAN方法分别对轴承AE信号进行分解,结果表明,CEEMDAN具有较好的分解完备性和抗模态混叠性;将EEMD能量熵和CEEMDAN能量熵分别作为模式识别分类器的特征向量进行故障诊断,后者的识别准确率较高;通过与SVM、BP神经网络方法对比,DBN方法的模式识别效果更好,且表现出较好的稳定性。因此,文章所提方法能够有效的应用于超低速滚动轴承的故障诊断。
Abstract
zhen dui chao di su gun dong zhou cheng gu zhang zhen duan kun nan wen ti ,di chu yi chong zi kuo ying zao sheng de wan bei ji ge jing yan mo tai fen jie (CEEMDAN)yu shen du xin nian wang lao (DBN)xiang jie ge de chao di su gun dong zhou cheng gu zhang sheng fa she (AE)zhen duan fang fa 。tong guo EEMDhe CEEMDANfang fa fen bie dui zhou cheng AExin hao jin hang fen jie ,jie guo biao ming ,CEEMDANju you jiao hao de fen jie wan bei xing he kang mo tai hun die xing ;jiang EEMDneng liang shang he CEEMDANneng liang shang fen bie zuo wei mo shi shi bie fen lei qi de te zheng xiang liang jin hang gu zhang zhen duan ,hou zhe de shi bie zhun que lv jiao gao ;tong guo yu SVM、BPshen jing wang lao fang fa dui bi ,DBNfang fa de mo shi shi bie xiao guo geng hao ,ju biao xian chu jiao hao de wen ding xing 。yin ci ,wen zhang suo di fang fa neng gou you xiao de ying yong yu chao di su gun dong zhou cheng de gu zhang zhen duan 。
论文参考文献
论文详细介绍
论文作者分别是来自组合机床与自动化加工技术的张鹏林,徐桃萍,马小东,杨天雨，发表于刊物组合机床与自动化加工技术2019年09期论文，是一篇关于声发射论文,故障诊断论文,能量熵论文,深度信念网络论文,超低速滚动轴承论文,组合机床与自动化加工技术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，资料来自组合机床与自动化加工技术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：声发射论文; 故障诊断论文; 能量熵论文; 深度信念网络论文; 超低速滚动轴承论文; 组合机床与自动化加工技术2019年09期论文;