期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
增强经验小波分解和自组织深层网络在轴承工况识别中的研究
被引量：
1
1
作者
张康智
毕永强
曹鹏飞
《机械科学与技术》
CSCD
北大核心
2022年第6期905-911,共7页
传统滚动轴承工况识别方法存在轴承振动信号人工特征提取困难的问题,提出一种基于增强经验小波分解(Enhanced empirical wavelet decomposition,EEWD)和自组织深层网络(Self-organizing deep network,SODN)的工况识别方法。首先改进经...
传统滚动轴承工况识别方法存在轴承振动信号人工特征提取困难的问题,提出一种基于增强经验小波分解(Enhanced empirical wavelet decomposition,EEWD)和自组织深层网络(Self-organizing deep network,SODN)的工况识别方法。首先改进经验小波分解的频谱分割方式,将滚动轴承振动信号自适应分解为若干本征模态分量;然后利用综合评价指标筛选出最能反映信号工况特征的本征模态分量并重构信号;最后构造自组织深层网络,将重构后的滚动轴承振动信号输入SODN进行自动特征学习与工况识别。实验结果表明:EEWD结合SODN方法相比于其它深度学习方法在信号特征提取和工况识别准确率方面更具优势。
展开更多
关键词
滚动轴承
增强经验小波分解
深层网络
工况识别
在线阅读
下载PDF
职称材料
题名
增强经验小波分解和自组织深层网络在轴承工况识别中的研究
被引量：
1
1
作者
张康智
毕永强
曹鹏飞
机构
西安航空学院机械工程学院
西安兴航航空科技股份有限公司
出处
《机械科学与技术》
CSCD
北大核心
2022年第6期905-911,共7页
基金
国家自然科学基金青年基金项目(11802219)
陕西省科技厅项目(2018JQ1005)。
文摘
传统滚动轴承工况识别方法存在轴承振动信号人工特征提取困难的问题,提出一种基于增强经验小波分解(Enhanced empirical wavelet decomposition,EEWD)和自组织深层网络(Self-organizing deep network,SODN)的工况识别方法。首先改进经验小波分解的频谱分割方式,将滚动轴承振动信号自适应分解为若干本征模态分量;然后利用综合评价指标筛选出最能反映信号工况特征的本征模态分量并重构信号;最后构造自组织深层网络,将重构后的滚动轴承振动信号输入SODN进行自动特征学习与工况识别。实验结果表明:EEWD结合SODN方法相比于其它深度学习方法在信号特征提取和工况识别准确率方面更具优势。
关键词
滚动轴承
增强经验小波分解
深层网络
工况识别
Keywords
rolling bearing
enhanced empirical wavelet decomposition
deep network
condition identification
分类号
TH133.3 [机械工程—机械制造及自动化]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
增强经验小波分解和自组织深层网络在轴承工况识别中的研究
张康智
毕永强
曹鹏飞
《机械科学与技术》
CSCD
北大核心
2022
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
