共查询到20条相似文献,搜索用时 31 毫秒
1.
《港口装卸》2021,(5)
针对滚动轴承剩余使用寿命预测难、一般的神经网络预测精度差的问题,提出了一种基于振动信号时域特征,结合滚动轴承理论寿命值和具有处理时序特征功能的LSTM(Long Short-Term Memory,长短期记忆网络)剩余使用寿命预测方法。首先按照时间顺序提取振动信号的均方根值、峰度、偏斜等15个时域特征作为判断滚动轴承退化的特征值;然后将其输入到LSTM中,将网络输出的轴承退化值设定为[0,1],0表示轴承完好,1为完全退化;最后采用滚动轴承理论寿命计算公式,根据滚动轴承的转速和载荷计算滚动轴承的基本额定寿命,结合其理论寿命和退化值得到定量的剩余寿命。试验结果表明,LSTM与理论寿命结合的滚动轴承寿命预测方法相比于一般的神经网络具有较高的预测精度。 相似文献
2.
滚动轴承发生故障时,其振动信号常呈现出强烈的非平稳特性。提出了一种基于小波变换和固有时间尺度分解(Intrinsic Time-scale Decomposition,ITD)的滚动轴承故障诊断方法。阐述小波分析基本理论和ITD分解基本原理。着重介绍基于小波和ITD分解滚动轴承故障诊断。仿真信号和实验结果表明,以小波与ITD分解相结合的信号特征提取方法,能够准确有效地提取滚动轴承的故障特征。 相似文献
3.
4.
《舰船科学技术》2013,(9):86-91
轴承早期故障引起的微弱振动变化信号往往淹没在机械传动系统的背景振动噪声中,其故障特征提取困难。本文针对滚动轴承故障振动信号的非平稳性及调制特性,提出集合经验模式分解和谱峭度法合的滚动轴承故障特征信号提取及其故障诊断的新方法——集合谱峭度法(Ensembled Kurtogram,EK)。该方法应用集合经验模式分解将振动信号分解为多个固有模式函数,分别计算各个固有模式函数的峭度值及其与故障工况下振动信号、正常工况下振动信号之间的相关性,根据IMFs自动选取规则选取合适的IMFs进行轴承故障信号的重构;然后针对重构后的信号进行谱峭度计算得到对应的峭度图,根据峭度图上最大值原则选取最佳带通滤波器进行滤波;最后运用包络解调后的信号进行故障诊断。本文通过模拟仿真和实验验证,验证了该算法的故障信号提取有效性和故障诊断能力。 相似文献
5.
6.
基于模式识别理论的内燃机状态识别研究 总被引:1,自引:0,他引:1
用模式识别的理论和方法,对内燃机气门间隙的识别问题进行了探讨。在分析气门振动力学模型的基础上,通过测取振动信号获得故障特征信息,用模式识别的来日方长 方法,在建立状态特征模式空间的基础上实现对故障分类识别。考虑到内燃顶振动信号的复杂性,采用了外触发采样和有效截取的方法进行信号的数据采集和分析。 相似文献
7.
潘冬伟范志川姬永波项乔 《船舶与海洋工程》2023,(5):78-85
对轴承振动信号的累计特征进行提取,在此基础上提出基于循环卷积神经网络(Recurrent Convolutional Neural Network,RCNN)的滚动轴承剩余使用寿命(Remaining Useful Life,RUL)预测模型。该预测模型通过构建循环卷积层增强神经网络对时间依赖性的学习,通过变分推理量化RUL预测中RCNN的不确定性。通过试验将基于RCNN的滚动轴承RUL预测模型与回归预测模型的预测结果相对比,验证该基于RCNN的预测模型的有效性。 相似文献
8.
9.
10.
11.
本文从滚动轴承失效形式出发,对现有的轴承诊断技术进行了综述;通过分析滚动轴承的振动特征,研究各种诊断原理;对港口开展轴承状态监测和故障诊断实践中所取得的经济效益予以介绍;最后提出了今后港口推广和开展滚动轴承状态监测的几点设想。 相似文献
12.
13.
14.
针对噪声干扰条件下传统的扩展卡尔曼滤波方法在电力系统频率和谐波估计精度问题,本文提出了基于复数无迹卡尔曼滤波的频率和谐波估计方法.利用欧拉公式,对电力系统信号进行适当变换,获得电力系统信号复数状态空间模型,实现了系统信号频率和谐波估计.为了验证噪声干扰条件下本文方法参数估计有效性,通过在系统信号中增加不同信噪比噪声干扰,分别利用本文方法和通用扩展卡尔曼滤波方法对参数进行估计.结果表明,在噪声干扰条件下,本文方法的估计精度优于通用扩展卡尔曼滤波方法,这表明本文方法更适于强噪声干扰条件下的系统信号频率和谐波估计. 相似文献
15.
16.
利用声振监测技术识别气缸压力时域波形的研究 总被引:2,自引:0,他引:2
利用数字信号处理技术探讨了应用振动信号对内燃机缸内工作过程进行故障诊断的可行性,提出利用振动信号时域恢复气缸压力波形的理论和方法,并对该方法在故障诊断中实际应用作了论述。 相似文献
17.
船舶柴油机振动信号分析与处理程序开发 总被引:4,自引:0,他引:4
此文以船舶柴油机故障诊断为目的,以振动信号分析与处理方法的理论为基础.以MAT-LAB语言为工具,开发了“船舶柴油机振动信号分析与诊断系统”,并介绍了该系统的设计思想与主要功能。 相似文献
18.
《江苏科技大学学报(社会科学版)》2021,35(3)
目前长短期记忆网络(long short-term memory, LSTM)是滚动轴承剩余使用寿命(remaining useful life, RUL)预测的常用方法,但其训练过程中收敛速度慢、波动性剧烈、预测误差大的问题,严重影响其在实际生产中的应用.针对该问题,提出一种双向长短期记忆网络(Bi-directional LSTM, Bi-LSTM)与多层感知机(multilayer perceptron, MLP)融合的预测方法.首先,采用堆叠去噪自编码器(stacked denoising auto encoder, SDAE)对预处理后的滚动轴承振动信号进行特征提取;其次构建Bi-LSTM网络与多层感知机融合的多种预测模型,并通过实验获取较优模型;最后使用较优模型对其剩余寿命进行预测.实验结果表明,相对LSTM,Bi-LSTM,以及LSTM融合MLP等常用模型,采用文中提出的方法,模型在滚动轴承剩余寿命训练过程中,波动性更低、收敛速度更快,同时预测误差也得到明显降低. 相似文献
19.