褚青青
- 作品数：3 被引量：14H指数：1
- 供职机构：武汉科技大学材料与冶金学院冶金装备及其控制教育部重点实验室更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：机械工程电子电信更多>>
- 齿轮振动信号的多分形研究及其应用
- 齿轮作为传动零部件，由于其传动比大、效率高、传动精确等特点而被广泛应用于各种机械设备中。齿轮传动系统的复杂性导致齿轮振动信号呈现非平稳和多尺度特征，增加了齿轮故障模式识别的难度。本文在总结齿轮故障类型和特征的基础上,针对...
- 褚青青
- 关键词：齿轮振动齿轮故障振动信号特征提取
- 文献传递
- 基于多个无标度区多重分形理论的齿轮故障诊断
- 2016年
- 针对齿轮故障振动信号具有多重分形特征,提出多个无标度区的多重分形理论与神经网络相结合的机械故障诊断方法。该方法采用多重分形理论计算齿轮振动信号的多分形谱和广义分形维数,并将多分形谱能和广义分形维数谱能作为特征量,构成二维特征向量。将该特征向量作为概率神经网络的输入参量,并对采自齿轮故障台的振动信号进行故障分类。实验证明,与单一无标度区多分形谱理论特征提取方法相比较,所提出的方法能更精密刻画振动信号特征,并获得更高的识别率。
- 褚青青肖涵吕勇杨志武
- 关键词：多重分形谱
- 基于多重分形理论与神经网络的齿轮故障诊断被引量：13
- 2015年
- 针对齿轮故障振动信号具有多重分形特征,提出多重分形与神经网络相结合的机械故障诊断方法。采用多重分形理论计算出振动时间序列的多分形谱f(α)和广义分形维数D(q),并将多分形谱能和广义分形维数谱能作为特征量,构成二维特征向量。将该特征向量作为概率神经网络的输入参量,对采自齿轮故障台的振动信号进行故障分类。作为对比,将关联维数作为特征量输入同样参数的概率神经网络并进行故障识别,结果表明,所提出的方法具有更高的识别率。
- 褚青青肖涵吕勇杨志武
- 关键词：神经网络
