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
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：
小波包奇异谱熵与LVQ网络齿轮箱轴承退化评估
1
作者 肖乾 汪寒俊 +5 位作者 朱海燕 王文静 朱恩豪 叶小芬 魏昱洲 李林 《振动．测试与诊断》 EI CSCD 北大核心 2024年第6期1181-1189,1249,1250,共11页
为研究齿轮箱轴承性能退化评估,首先,根据高速列车齿轮箱轴承与齿轮的相关数据,对齿轮箱轴承仿真振动信号训练样本进行小波包分解并计算小波包奇异谱熵构成特征向量,输入到学习向量量化(learning vector quantization,简称LVQ)神经网络... 为研究齿轮箱轴承性能退化评估,首先,根据高速列车齿轮箱轴承与齿轮的相关数据,对齿轮箱轴承仿真振动信号训练样本进行小波包分解并计算小波包奇异谱熵构成特征向量,输入到学习向量量化(learning vector quantization,简称LVQ)神经网络聚类模型中,建立性能退化评估模型;其次,将测试样本按同样的方式提取特征向量,输入到建立好的模型中评估轴承性能退化状态;然后,选取轴承全寿命疲劳试验进行分析,并选择特征优选和模糊C均值聚类算法进行对比;最后,根据LVQ神经网络聚类算法确定训练样本中正常状态和失效状态的聚类中心,建立性能退化评估模型。结果表明:将小波包奇异谱熵和LVQ神经网络聚类算法相结合,能较好区分齿轮箱轴承不同的退化状态,准确表现轴承性能退化曲线;通过隶属度函数计算隶属度作为性能退化评价指标,可以对性能退化状态进行定量表征;通过对时域指标和频域指标特征优选进行对比,验证了本研究方法更加有效,对早期退化更敏感,能及时发现早期退化并且能对退化程度进行准确评估。 展开更多
关键词 交通工程 齿轮箱振动加速度 信号仿真 小波包奇异谱熵 学习向量量化神经网络聚类 性能退化评估
在线阅读 下载PDF
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部