搜索筛选:
搜索耗时0.0853秒,为你在为你在102,285,761篇论文里面共找到 6 篇相符的论文内容
发布年度:
[期刊论文] 作者：雷兵,张龙,吴荣真,易剑昱,
来源：机械设计与研究 年份：2021
针对滚动轴承故障智能诊断问题,提出一种基于时序模型和可拓学的滚动轴承故障诊断方法.利用时序模型中的AR(Autoregressive Model)模型对轴承振动信号进行特征提取,以AR模型的自回归参数和残差方差作为特征向量,再利用Fisher比对AR模型的特征向量进行选择,将最......
[期刊论文] 作者：张龙,易剑昱,熊国良,毛志德,
来源：机械科学与技术 年份：2021
针对滚动轴承早期故障冲击特征微弱且故障信息难以识别的问题,提出了一种最小熵解卷积(MED)与可调品质因子小波变换(TQWT)相结合的滚动轴承早期故障冲击特征提取方法。由于(MED)能够突出信号中的冲击特征成分,首先对振动信号进行MED预处理,使受到传输路径影响的......
[期刊论文] 作者：王小明,熊国良,朱正清,易剑昱,宋成洋,,
来源：制造业自动化 年份：2020
指针式仪表被广泛应用在工业检测等诸多领域,目前指针式仪表检测朝着自动化和智能化的方向发展。指针特征提取是指针式仪表检测系统中极为关键的技术,针对仪表表盘环境复杂、指针的粗细不一等因素导致的指针特征提取困难问题,提出了基于形态学处理的仪表指针提......
[期刊论文] 作者：张龙,徐天鹏,王朝兵,易剑昱,甄灿壮,
来源：吉林大学学报（工学版） 年份：2022
为充分利用信号的时序相关性特征,增强模型对数据信息的全面挖掘能力,以进一步提高卷积神经网络(CNN)诊断精度,本文将CNN与善于处理数据时序相关性特征的门控循环单元(GRU)相结合,提出了一种新的齿轮箱故障诊断模型.CNN通过端对端的方式提取数据空间特征,并将提......
[期刊论文] 作者：张龙,甄灿壮,易剑昱,蔡秉桓,徐天鹏,尹文豪,
来源：振动与冲击 年份：2021
旋转部件是否发生局部故障,关键是判断其振动信号在空间上是否出现周期性冲击以及周期大小.卷积神经网络(CNN)善于挖掘数据空间上的局部重要的信息特征,具有“端对端”的优势,从而克服了人工提取特征的缺陷;由于振动信号在时间维度上也蕴含着丰富的信息,而长短......
[期刊论文] 作者：张龙,吴荣真,周建民,易剑昱,徐天鹏,王良,邹孟,
来源：振动、测试与诊断 年份：2021
滚动轴承性能退化评估是预诊断的提前和基础,对在役滚动轴承实施在线状态监测和性能退化评估具有重要意义.针对概率相似度量评估方法存在模型复杂、容易过早饱和等现象,提出一种基于自回归时序(autoregressive model,简称AR)模型和多元状态估计(multivariate st......
相关搜索：
