基于特征增強(qiáng)與LSTM的滾動(dòng)軸承故障診斷方法
摘要: 滾動(dòng)軸承的工作環(huán)境復(fù)雜多變,傳統(tǒng)的信號(hào)處理技術(shù)難以在噪聲和其他部件的干擾下檢測(cè)到微弱的早期故障特征,且傳統(tǒng)的故障診斷方法對(duì)人工提取特征較為依賴(lài)。針對(duì)以上問(wèn)題,提出基于自適應(yīng)局部迭代濾波(ALIF)和改進(jìn)差分進(jìn)化粒子群優(yōu)化的多點(diǎn)優(yōu)化最小熵解卷積(IDEPSO-MOMEDA)算法,對(duì)滾動(dòng)軸承的故障沖擊成分進(jìn)行增強(qiáng)。利用ALIF分解信號(hào),根據(jù)峭度-相關(guān)系數(shù)準(zhǔn)則對(duì)分解的信號(hào)進(jìn)行重構(gòu);利... (共14頁(yè))
開(kāi)通會(huì)員,享受整站包年服務(wù)