搜索资源列表
A-new-approach--diagnosis-
- 本文提出一种新的智能故障诊断方法,基于统计分析,提出了一种改进的距离的评价技术和适应性类神经模糊推论系统(简称ANFIS)。该方法包括三个阶段。 -This paper presents a new approach to intelligent fault diagnosis based on statistics analysis, an improved distance evaluation technique and adaptive neuro-fuzzy inference s
cluster_VMDaFCM_casedat
- 为了精准、稳定地提取滚动轴承故障特征,提出了基于变分模态分解和奇异值分解的特征提取方法,采用标准模糊C均值聚类(fuzzy C means clustering, FCM)进行故障识 别。对同一负荷下的已知故障信号进行变分模态分解,利用 奇异值分解技术进一步提取各模态特征,通过FCM形成标准聚类中心,采用海明贴近度对测试样本进行分类,并通过计算分类系数和“卜均模糊嫡对分类性能进行评价,将该方法 应用于滚动轴承变负荷故障诊断。通过与基于经验模态分解的特征提取方法对比,该方法对标准FCM
feature_RMS
- matlab振动试验数据分析,信号获取:测量获取设备的信号(振动、转速、过程参等)。信号分析:从信号中提取反映设备运行状态和故障的特征值。故障诊断:根据信号特征信息,对故障进行诊断(专家诊断、智能自动诊断)和预测(Matlab vibration test data analysis, signal acquisition: Measurement and acquisition of equipment signals (vibration, speed, process parameters