基于PCA和HTM齿轮故障诊断研究

摘要

为了更好识别齿轮故障状态,提高故障诊断的准确性.本文提出主成分分析(Principal Component Analysis PCA)和层级实时记忆法(Hierarchical Temporal Memory,HTM)结合的方法.首先利用经验模态分解(Empirical Mode Decomposition,EMD)和无量纲获取特征向量;然后利用PCA算法进行特征处理;最后将处理后的数据作为HTM的输入.PCA算法能有效约减样本数量且小丢失信号的有效信息;HTM具有抗噪性、泛化能力强等特点,可以很好地处理含噪声数据的同时保证较高的识别率.实验与现场应用表明;两者结合的方法能够快速区分各种故障类型,提高故障诊断率,为齿轮故障诊断的应用提供了新的思路.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号