本文關(guān)鍵詞：基于小波包絡(luò)解調(diào)與人工神經(jīng)網(wǎng)絡(luò)的軸承智能診斷技術(shù)研究，由筆耕文化傳播整理發(fā)布。

文檔介紹：
西南交通大學(xué)碩士學(xué)位論文基于小波包絡(luò)解調(diào)與人工神經(jīng)網(wǎng)絡(luò)的軸承智能診斷技術(shù)研究姓名:郭慶軍申請學(xué)位級別:碩士專業(yè):測試計量技術(shù)與儀器指導(dǎo)教師:傅攀20080401西南交通大學(xué)碩士研究生學(xué)位論文第1頁摘要滾動軸承是機械設(shè)備中最常用的部件之j,因此對滾動軸承故障診斷的研究十分重要。當(dāng)滾動軸承某一元件表面出現(xiàn)局部損傷時,在受載運行過程中要周期性地撞擊與之相互作用的其他元件表面,從而產(chǎn)生周期性的沖擊脈沖力。由于沖擊脈沖力的頻帶很寬,會覆蓋軸承系統(tǒng)的各個固有頻率,所以該脈沖力同理想脈沖一樣必然激起軸承系統(tǒng)的各個固有振動。這樣原來的平穩(wěn)振動信號變成了非平穩(wěn)振動信號。傅立葉變換在頻域上是完全局部化的,但它不能提供任何時域的局部化特征,因此它不適應(yīng)非平穩(wěn)信號的分析。小波分析能多尺度地同時提供信號在時域和頻域的局部化信息,因而成為信號處理尤其是非平穩(wěn)信號處理的重要手段。人工神經(jīng)網(wǎng)絡(luò)因其特有的優(yōu)勢使得它的應(yīng)用日益廣泛,它的計算能力有三個顯著的特點:一是它的非線性特征;二是并行分布結(jié)構(gòu);三是它的學(xué)習(xí)和歸納能力。同時,它實現(xiàn)容易,采用大量簡單的神經(jīng)元構(gòu)成神經(jīng)網(wǎng)絡(luò)解決難以直接使用解析式處理的問題。因此將神經(jīng)網(wǎng)絡(luò)引入軸承故障診斷正好利用其特點... 內(nèi)容來自轉(zhuǎn)載請標(biāo)明出處.

  本文關(guān)鍵詞：基于小波包絡(luò)解調(diào)與人工神經(jīng)網(wǎng)絡(luò)的軸承智能診斷技術(shù)研究，，由筆耕文化傳播整理發(fā)布。