排序方式： 共有3条查询结果，搜索用时 0 毫秒
1
1.
由于在实际工作环境下滚动轴承故障样本不足，而且受到环境噪声以及负载变化的影响，故障样本分布存在差异性导致诊断泛化性差，对此课题组提出一种基于改进DenseNet与迁移学习结合的滚动轴承故障诊断方法。对原DenseNet中的ReLU激活函数，使用LeakyReLU函数替代，并在全连接层后添加Softmax层进行分类，使提取故障特征更为丰富；为了使轴承信号接近工厂采集的数据，对凯斯西储大学轴承数据集中添加了信噪比为 2 dB的高斯白噪声并进行模拟，经Z Score归一化处理后转化为二维灰度图作为样本数据。实验结果表明该方法在小样本变负载下的跨域诊断准确率都达到了90%以上，与其他模型对比具有更好的泛化性。 相似文献
2.
为解决传统信号处理方法提取滚动轴承故障特征不精确和Teager能量算子解调信号的解调频率和幅值误差较大的问题，课题组提出一种基于互补集合经验模态分解和3点对称差分能量算子结合的轴承故障特征提取方法CEEMD DEO3S。课题组首先对滚动轴承进行CEEMD分解前进行去噪处理来增强信号的故障脉冲；然后利用CEEMD将去噪后信号分解为一系列固有模态函数，并依据相关系数原则选择最能表征故障的敏感分量，重构后进行DEO3S解调，依据解调后得到的幅值和频率计算信号的包络谱。实验分析表明：所提方法解调信号的误差更小，提取轴承故障频率更精确。 相似文献
3.
为探究星型人字齿轮传动系统分岔动力学特性，课题组采用集中质量法建立了星型人字齿轮系统的纯扭转非线性动力学模型，通过Runge Kutta法求解了系统非线性振动微分方程，利用相图、Poincaré截面法和分岔特性等分析手段研究了不同转速条件下啮合阻尼比对系统振动响应及分岔特性的影响。结果表明：系统在不同转速下会表现出丰富的非线性动力学行为；随着啮合阻尼比的增大，系统通过倒分岔从混沌状态进入倍周期状态，再由倍周期状态进入单周期状态。因此，在保证系统传动效率的前提下适当提高系统的啮合阻尼比，能够明显弱化系统的混沌运动，减小其振动响应，提高系统稳定性，对系统噪声的降低和寿命的延长具有一定的帮助。 相似文献
1