2025年1月24日
星期五
|
欢迎来到贵州省图书馆•公共文化服务平台
登录
|
注册
|
进入后台
[
APP下载]
[
APP下载]
扫一扫,既下载
全民阅读
职业技能
专家智库
参考咨询
您的位置:
专家智库
>
>
赵一鸣
作品数:
1
被引量:18
H指数:1
供职机构:
宁波大学科学技术学院
更多>>
发文基金:
浙江省自然科学基金
宁波市自然科学基金
更多>>
相关领域:
自动化与计算机技术
更多>>
合作作者
陈杨
宁波大学科学技术学院
陈勇旗
宁波大学科学技术学院
作品列表
供职机构
相关作者
所获基金
研究领域
题名
作者
机构
关键词
文摘
任意字段
作者
题名
机构
关键词
文摘
任意字段
在结果中检索
文献类型
1篇
中文期刊文章
领域
1篇
自动化与计算...
主题
1篇
轴承
1篇
轴承故障
1篇
轴承故障诊断
1篇
故障诊断
1篇
滚动轴承
1篇
滚动轴承故障
1篇
滚动轴承故障...
机构
1篇
宁波大学
作者
1篇
陈勇旗
1篇
陈杨
1篇
赵一鸣
传媒
1篇
电子测量与仪...
年份
1篇
2015
共
1
条 记 录,以下是 1-1
全选
清除
导出
排序方式:
相关度排序
被引量排序
时效排序
基于固有时间尺度分解的滚动轴承故障诊断
被引量:18
2015年
针对滚动轴承故障振动信号的非线性和非平稳特性的情况,提出了一种基于固有时间尺度分解和样本熵的新型故障特征提取方法,并与Tikhonov支持向量机相结合实现滚动轴承的故障诊断。该研究充分利用了固有时间尺度分解具有提取故障特征明显、计算简单等优点。首先采用固有时间尺度分解方法将振动信号分解为一序列固有旋转分量和一个基线分量之和,并计算每个固有旋转分量的瞬时幅值和瞬时频率。然后,提取上述瞬时数据的样本熵作为特征向量。最后将其作为Tikhonov支持向量机的输入,实现滚动轴承故障精确分类。经过实验验证,本文方法获取的不同类型故障样本特征差别较大,与小波能谱熵、时间小波能谱熵相比能够更精确和快速的识别轴承故障。
陈勇旗
赵一鸣
陈杨
关键词:
故障诊断
全选
清除
导出
共1页
<
1
>
聚类工具
0
执行
隐藏
清空
用户登录
用户反馈
标题:
*标题长度不超过50
邮箱:
*
反馈意见:
反馈意见字数长度不超过255
验证码:
看不清楚?点击换一张