HI,欢迎来到学术之家,发表咨询:400-888-7501  订阅咨询:400-888-7502  股权代码  102064
0

基于KELM的轴承故障诊断方法

作者:吴宪; 崔亚男; 代以; 曹晓故障诊断方法轴承故障特征向量振动信号滚动轴承频带能量特征数据快速诊断

摘要:目前在轴承故障诊断方面通常都会存在很多复杂而且无固定特征的数据等待处理,显然处理这些数据就是诊断轴承故障的关键。利用小波包对滚动轴承的振动信号进行分解和重构,计算各子频带能量并进行归一化作为特征向量。将核函数和超限学习机相结合,用来处理轴承的故障特征数据。与传统的故障诊断方法相比较,将核函数与超限学习机相结合的方法能快速诊断出轴承故障,且诊断结果稳定可靠。

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

内江科技

《内江科技》(CN:51-1185/T)是一本有较高学术价值的大型月刊,自创刊以来,选题新奇而不失报道广度,服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《内江科技》办刊宗旨:宣传党的科技工作方针、路线和政策,普及科学技术知识,推动科技进步,促进学术交流和信息交流,推动科教兴国战略实施。

杂志详情