-
Patent Agency Ranking
公开(公告)号：CN103335841A
公开(公告)日：2013-10-02
申请号：CN201310218928.2
申请日：2013-06-04
Applicant: 辽宁大学
IPC: G01M13/04
Abstract: 本发明涉及一种采用脉冲小波能量谱分析的滚动轴承故障诊断方法，基本步骤如下：1）采集原始信号；2）对步骤1）采集的信号进行脉冲小波变换处理；3）计算由步骤2）分离出的各个频率段信号的能量；4）根据步骤3）计算出的小波能量谱，与Daubechies小波计算结果对比，以判断轴承所处的运行状态。本发明利用脉冲小波对滚动轴承的外环故障、内环故障和滚动体故障信号进行小波分解和能量谱分析，从而实现对各故障信号特征的提取，并与常用的Daubechies小波能量谱分析进行比较，来论证脉冲小波能量谱分析在机械故障诊断方面的有效性。通过实验结果验证脉冲小波在滚动轴承故障诊断方面的效果。诊断过程快捷，方便；结果准确，有效。
-
-
公开(公告)号：CN104200268B
公开(公告)日：2017-02-15
申请号：CN201410447364.4
申请日：2014-09-03
Applicant: 辽宁大学
Abstract: 本发明涉及一种基于粒子群优化极限学习机的带钢出口厚度预测方法，基本步骤如下：1)利用数据处理软件对带钢数据信号进行分析，选出对带钢出口厚度影响较大的4个参数，即轧制力，辊缝，轧制速度，电机电流，在带钢出口厚度的预测中作为输入变量输入到极限学习机中；2)用粒子群算法对极限学习机中的参数输入权值和隐含层偏置值进行选择优化，运用广义逆的方法分析决定输出权值，得到极限学习机中具有最小范数值的输出权值矩阵，以此得到最优的极限学习机参数；3)对上述所得最优的极限学习机进行模型构造；4)将步骤1)中的4个参数输入优化的极限学习机中对带钢出口厚度进行预测。运用本方法能够针对轧制生产过程进行分析，对轧件出口厚度进行预测，进而分析有关影响带钢质量的工艺参数并对轧制生产流程做出及时调整控
-
公开(公告)号：CN104200268A
公开(公告)日：2014-12-10
申请号：CN201410447364.4
申请日：2014-09-03
Applicant: 辽宁大学
Abstract: 本发明涉及一种基于粒子群优化极限学习机的带钢出口厚度预测方法，基本步骤如下：1)利用数据处理软件对带钢数据信号进行分析，选出对带钢出口厚度影响较大的4个参数，即轧制力，辊缝，轧制速度，电机电流，在带钢出口厚度的预测中作为输入变量输入到极限学习机中；2)用粒子群算法对极限学习机中的参数输入权值和隐含层偏置值进行选择优化，运用广义逆的方法分析决定输出权值，得到极限学习机中具有最小范数值的输出权值矩阵，以此得到最优的极限学习机参数；3)对上述所得最优的极限学习机进行模型构造；4)将步骤1)中的4个参数输入优化的极限学习机中对带钢出口厚度进行预测。运用本方法能够针对轧制生产过程进行分析，对轧件出口厚度进行预测，进而分析有关影响带钢质量的工艺参数并对轧制生产流程做出及时调整控制。
-
-
-
Search Results
5
records
(took 0.017 seconds)
