基于CEEMDAN与混合算法的轴承弱故障研究
【部分图文】：
降噪后频谱
CEEMDAN分解结果
先对原始信号使用SVD降噪，接着使用CEEMDAN进行分解，得到一系列IMF分量，求得各分量的峭度、均方差和样本熵后，再将故障分类的错误率作为适应度函数，使用改进的优化算法优化IMF分量峭度、均方差和样本熵的权重系数，最终的结果为适用于不同故障的权重系数以及分类的最高准确率。其中优化算法采用基于布谷鸟算法改进的粒子群优化（PSO）算法，分类算法使用PSO-SVM算法。该方法的整体流程如图1所示。(1)CEEMDAN
【相似文献】
相关期刊论文 前10条
1 张洪梅;邹金慧;;自适应MCKD和CEEMDAN的滚动轴承微弱故障特征提取[J];电子测量与仪器学报;2019年04期
2 吴章海;;滚动轴承的振动类型及故障特征分析[J];消费导刊;2007年09期
3 王轩;王莉;魏蔚;;瞬时功率小波包分解法在轴承故障诊断中的应用[J];轴承;2010年10期
4 韩龙;谢子殿;王丽;;滚动轴承声发射信号降噪的CEEMDAN算法[J];黑龙江科技大学学报;2017年03期
5 黄慧杰;孙百祎;任学平;刘淮全;;基于CEEMDAN和1.5维谱的滚动轴承早期故障诊断方法[J];中国测试;2019年02期
6 倪铁军;;减速机的故障特征分析及诊断方法研究[J];民营科技;2010年01期
7 徐振辉,马立元;滚动轴承的故障特征提取[J];兵工自动化;2004年01期
8 任学平;张玉皓;黄培杰;辛向志;王朝阁;;基于自回归最小熵反褶积的滚动轴承故障诊断[J];仪表技术与传感器;2016年01期
9 沈颉;郭欣;何嘉;;基于改进希尔伯特黄的故障特征提取方法研究[J];智能计算机与应用;2020年03期
10 燕志星;王海瑞;吕维宗;;基于GWO-SVM算法的滚动轴承故障诊断[J];化工自动化及仪表;2019年10期
相关博士学位论文 前10条
1 杨蕊;滚动轴承振动特性分析与微弱故障诊断方法研究[D];大连理工大学;2019年
2 张菀;基于信号稀疏表示的滚动轴承微弱故障特征提取方法研究[D];东南大学;2018年
3 赵德尊;变转速下滚动轴承时变非平稳故障特征提取方法研究[D];北京交通大学;2018年
4 隋文涛;滚动轴承表面损伤故障的特征提取与诊断方法研究[D];山东大学;2011年
5 周雁冰;基于高阶统计量的齿轮传动系统故障特征提取方法研究[D];华北电力大学;2013年
6 周海韬;基于字典学习理论的机械故障诊断方法研究[D];上海交通大学;2016年
7 高洪波;基于动力行为与信号形态的机械故障特征提取方法研究[D];东北大学;2017年
8 邓飞跃;滚动轴承故障特征提取与诊断方法研究[D];华北电力大学(北京);2016年
9 王雷;基于流形学习的滚动轴承故障诊断若干方法研究[D];大连理工大学;2013年
10 刘尚坤;基于振动信号处理的旋转机械故障诊断方法研究[D];华北电力大学(北京);2017年
相关硕士学位论文 前10条
1 宋治惠;基于CEEMDAN的滚动轴承早期故障特征提取方法研究[D];天津大学;2017年
2 胡俊锋;滚动轴承冲击类故障特征增强的非局部均值算法研究[D];华东交通大学;2017年
3 袁万全;滚动轴承微弱故障特征提取方法研究[D];华北电力大学;2015年
4 张弛;旋转机械典型故障特征提取方法研究[D];北京化工大学;2010年
5 邢义通;滚动轴承在非稳定运行过程中的故障特征表现和诊断方法研究[D];内蒙古科技大学;2015年
6 熊一奇;风力机组齿轮箱传动系统故障特征传播机理研究[D];天津工业大学;2016年
7 李新伟;往复压缩机多重分形故障特征的提取与识别[D];大庆石油学院;2008年
8 马川;滚动轴承故障特征提取与应用研究[D];大连理工大学;2009年
9 吴武林;基于机器学习的滚动轴承智能诊断方法研究[D];江西理工大学;2015年
10 李延忠;基于LabVIEW RT的滚动轴承故障诊断系统设计[D];石家庄铁道大学;2017年
本文编号：2845215
本文链接：https://www.wllwen.com/jixiegongchenglunwen/2845215.html
