[外文翻译]滚动轴承基于时变自回归谱的故障识别和分类.doc

约17页DOC格式手机打开展开

[外文翻译]滚动轴承基于时变自回归谱的故障识别和分类,附件c:滚动轴承基于时变自回归谱的故障识别和分类郭锋旺,志高罗,徐达秦,永刚冷,泰永旺机械工程学院,天津大学,天津300072 ,中国 收稿日期:2006,10 修改稿收稿日期:2007,10,17网上公布:2007,10,30摘要滚动轴承故障是旋转电机失效的主要原因,而以旋转电机及其状况监测为基础的振动信号监测技术已...
编号:16-95967大小:3.58M
分类: 论文>外文翻译

内容介绍

此文档由会员 genmail 发布

附件C:

滚动轴承基于时变自回归谱的故障识别和分类

郭锋旺,志高罗,徐达秦,永刚冷,泰永旺
机械工程学院,天津大学,天津300072 ,中国
收稿日期:2006,10
修改稿收稿日期:2007,10,17
网上公布:2007,10,30


摘 要

滚动轴承故障是旋转电机失效的主要原因,而以旋转电机及其状况监测为基础的振动信号监测技术已被广泛使用。为了获得更准确的时间频谱,基于卡尔曼平滑算法的估计、时变、自回归方法被用来获取参数建模的非平稳信号,以便获得高分辨率的时频谱。奇异值分解(SVD)方法是通过获取左和右奇异向量的时间频谱,并通过下调采样和预处理的办法,使这些奇异向量作为特征向量的时间频谱。此外,径向基函数(RBF)神经网络被用来实现自动分类。通过对滚动轴承在四种不同地位的分类,表明如果算法如上所述,便可实现自动化,并准确地诊断轴承故障。
2007年Elsevier公司有限公司保留所有权利。

关键词:卡尔曼平滑,时变自回归,奇异值分解,径向基函数神经网络