[外文翻譯]滾動軸承基于時變自回歸譜的故障識別和分類.doc
約17頁DOC格式手機打開展開
[外文翻譯]滾動軸承基于時變自回歸譜的故障識別和分類,附件c：滾動軸承基于時變自回歸譜的故障識別和分類郭鋒旺，志高羅，徐達秦，永剛冷，泰永旺機械工程學院，天津大學，天津300072 ，中國 收稿日期：2006，10 修改稿收稿日期：2007，10，17網(wǎng)上公布：2007，10，30摘要滾動軸承故障是旋轉(zhuǎn)電機失效的主要原因，而以旋轉(zhuǎn)電機及其狀況監(jiān)測為基礎(chǔ)的振動信號監(jiān)測技術(shù)已...
內(nèi)容介紹
此文檔由會員 genmail 發(fā)布
附件C：
滾動軸承基于時變自回歸譜的故障識別和分類
郭鋒旺，志高羅，徐達秦，永剛冷，泰永旺
機械工程學院，天津大學，天津300072 ，中國
收稿日期：2006，10
修改稿收稿日期：2007，10，17
網(wǎng)上公布：2007，10，30
摘 要
滾動軸承故障是旋轉(zhuǎn)電機失效的主要原因，而以旋轉(zhuǎn)電機及其狀況監(jiān)測為基礎(chǔ)的振動信號監(jiān)測技術(shù)已被廣泛使用。為了獲得更準確的時間頻譜，基于卡爾曼平滑算法的估計、時變、自回歸方法被用來獲取參數(shù)建模的非平穩(wěn)信號，以便獲得高分辨率的時頻譜。奇異值分解(SVD)方法是通過獲取左和右奇異向量的時間頻譜，并通過下調(diào)采樣和預處理的辦法，使這些奇異向量作為特征向量的時間頻譜。此外，徑向基函數(shù)(RBF）神經(jīng)網(wǎng)絡(luò)被用來實現(xiàn)自動分類。通過對滾動軸承在四種不同地位的分類，表明如果算法如上所述，便可實現(xiàn)自動化，并準確地診斷軸承故障。
2007年Elsevier公司有限公司保留所有權(quán)利。
關(guān)鍵詞：卡爾曼平滑，時變自回歸，奇異值分解，徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)
滾動軸承基于時變自回歸譜的故障識別和分類
郭鋒旺，志高羅，徐達秦，永剛冷，泰永旺
機械工程學院，天津大學，天津300072 ，中國
收稿日期：2006，10
修改稿收稿日期：2007，10，17
網(wǎng)上公布：2007，10，30
摘 要
滾動軸承故障是旋轉(zhuǎn)電機失效的主要原因，而以旋轉(zhuǎn)電機及其狀況監(jiān)測為基礎(chǔ)的振動信號監(jiān)測技術(shù)已被廣泛使用。為了獲得更準確的時間頻譜，基于卡爾曼平滑算法的估計、時變、自回歸方法被用來獲取參數(shù)建模的非平穩(wěn)信號，以便獲得高分辨率的時頻譜。奇異值分解(SVD)方法是通過獲取左和右奇異向量的時間頻譜，并通過下調(diào)采樣和預處理的辦法，使這些奇異向量作為特征向量的時間頻譜。此外，徑向基函數(shù)(RBF）神經(jīng)網(wǎng)絡(luò)被用來實現(xiàn)自動分類。通過對滾動軸承在四種不同地位的分類，表明如果算法如上所述，便可實現(xiàn)自動化，并準確地診斷軸承故障。
2007年Elsevier公司有限公司保留所有權(quán)利。
關(guān)鍵詞：卡爾曼平滑，時變自回歸，奇異值分解，徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)
