CEEMD与卷积神经网络特征提取的故障诊断方法研究OA北大核心CSCDCSTPCD
Fault Diagnosis of a Bearing using Feature Extraction Method based on CEEMD Algorithm and CNN
轴承动力学行为具有非线性的特点,导致其振动信号特征与运行状态之间存在较强的非线性关系;且振动信号的特征提取与选择往往需要大量的先验知识,导致特征的设计难以准确反映不同的运行状态.针对以上问题,提出一种基于互补集合经验模态分解(Complementary ensemble empirical mode decomposition,CEEMD)与卷积神经网络(Convolutional neural networks,CNN)的特征提取方法,从振动信…查看全部>>
Zhang Zhaolin;Fan Yugang
机械制造
特征提取互补集合经验模态分解卷积神经网络自适应
《机械科学与技术》 2019 (2)
基于性能退化模型的高压隔膜泵剩余寿命预警方法研究
178-183,6
国家自然科学基金项目(61741310)资助
评论