本文關(guān)鍵詞：基于改進SBELM的耦合故障診斷方法

  更多相關(guān)文章： 集成經(jīng)驗?zāi)B(tài)分解 特征提取 稀疏貝葉斯極限學(xué)習(xí)機 故障診斷 模糊熵

【摘要】：為了對主減速器的耦合故障進行識別,通過對振動信號經(jīng)過集成經(jīng)驗?zāi)B(tài)分解(ensemble empirical mode decomposition,EEMD)所獲得的高頻分量采用自適應(yīng)閾值降噪和對低頻分量采用區(qū)間閾值降噪,有效去除了信號噪聲,創(chuàng)建了配對多標(biāo)簽分類策略(paired multi-label classification,PMLC).基于PMLC和稀疏貝葉斯極限學(xué)習(xí)機(sparse Bayesian extreme learning machine,SBELM)用單故障樣本構(gòu)造概率分類器集,再采用網(wǎng)格搜索方法生成最優(yōu)決策閾值,將分類器集的概率輸出轉(zhuǎn)換為耦合故障模式,提出了基于自適應(yīng)區(qū)間閾值降噪和SBELM的耦合故障診斷方法,并用主減速器的實際樣本集驗證了該方法的性能.研究結(jié)果表明:該方法的診斷精確度達到96.1%,比基于PNN(probability neural networks)和SVM(support vector machine)的診斷方法提高了5%;該方法的訓(xùn)練時間和執(zhí)行時間為131.4和61.3 ms,比基于SVM的診斷方法減少了70%.
【作者單位】： 長江大學(xué)計算機科學(xué)學(xué)院;長江大學(xué);武漢理工大學(xué)計算機科學(xué)學(xué)院;
【關(guān)鍵詞】： 集成經(jīng)驗?zāi)B(tài)分解 特征提取 稀疏貝葉斯極限學(xué)習(xí)機 故障診斷 模糊熵
【基金】：國家自然科學(xué)基金資助項目(70701013) 廣西省科學(xué)研究與技術(shù)開發(fā)計劃資助項目(2013F020202)
【分類號】：TH132.46
【正文快照】： 傳統(tǒng)的主減速器故障診斷方法包括噪聲檢測法和印痕檢測法.這些方法的缺點是主觀性強、難以定量分析,而且對檢測人員的經(jīng)驗要求較高.隨著工作條件以及主減速器結(jié)構(gòu)復(fù)雜性的增加,某一功能障礙通常由兩個或多個單故障引起,因此,故障的檢測與識別問題升級為耦合故障診斷(simultane

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張立眾;孫志勇;;“逐項排除法”在故障診斷中的應(yīng)用[J];礦山機械;1990年09期

2 賈民平;機械故障診斷學(xué)的理論及其應(yīng)用 第一講 故障診斷的意義及研究發(fā)展概況[J];江蘇機械制造與自動化;1999年01期

3 楊曉磊;;淺談我國鐵路機車故障診斷[J];科技風(fēng);2014年06期

4 田少民;工程機械的狀態(tài)監(jiān)測與故障診斷技術(shù)[J];工程機械;2001年01期

5 王敏,王萬俊,熊春山,黃心漢;基于多傳感器數(shù)據(jù)融合的故障診斷技術(shù)[J];華中科技大學(xué)學(xué)報;2001年02期

6 潘松海;介紹一種故障診斷方法[J];組合機床與自動化加工技術(shù);2001年06期

7 李德躍;發(fā)動機突然熄火的故障診斷[J];城市車輛;2001年02期

8 王小虎;機械式風(fēng)速表檢定中的故障診斷及維修方法[J];中國計量;2002年03期

9 王清照,肖衛(wèi)杰,王加璇;運用熱經(jīng)濟學(xué)結(jié)構(gòu)理論進行故障診斷的探討[J];中國電機工程學(xué)報;2003年09期

10 陳東林;煙草設(shè)備的故障診斷技術(shù)應(yīng)用與展望[J];中國設(shè)備工程;2003年06期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 楊其校;劉昭度;齊志權(quán);馬岳峰;;汽車ABS電機故障診斷[A];第三屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2005年

2 黎清海;高慶;;基于系統(tǒng)分層的故障診斷方法[A];第三屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2005年

3 聞競競;黃道;;故障診斷方法綜述[A];計算機技術(shù)與應(yīng)用進展·2007——全國第18屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

4 李t，

本文編號：899471