基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
论文首次将线性预测倒谱系数(LPCC)引入到轴承声信号特征提取,并提出了一种自适应报警的轴承声信号性能退化评估新方法:首先使用正常状态下的声信号进行隐马尔可夫模型(Hidden Markov Model,HMM)训练,建立正常HMM模型;然后计算当前评估数据在正常HMM模型条件下的输出概率,当输出概率超出阈值范围时,即认定轴承性能状态处于退化Ⅰ级.在启动报警的同时采集退化Ⅰ级声信号重新训练HMM,使用新的HMM对下一时刻运行的轴承进行性能退化评估,直到依次出现退化Ⅱ级,退化Ⅲ级或更严重的退化状态,实现了自适应性能退化评估功能.轴承加速疲劳寿命实验表明,论文提出的自适应性能退化评估方法能够描述轴承整个性能退化过程,具有良好地应用前景.
推荐文章
基于萤火虫神经网络的轴承性能退化程度评估
滚动轴承
性能退化程度评估
BP神经网络
萤火虫优化算法
基于小波包Tsallis熵和FCM的滚动轴承性能退化评估
滚动轴承
性能退化评估
模糊C均值
小波包Tsallis熵
早期故障
基于AR-FCM的滚动轴承的性能退化评估
AR模型
FCM模型
滚动轴承
性能退化评估
希尔伯特包络解调
采用时间序列突变点检测的滚动轴承性能退化评价方法
性能退化评价
特征提取
时间序列突变点
局部线性嵌入
滚动轴承
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种自适应报警的轴承性能退化评估新方法
来源期刊 电脑与信息技术 学科 工学
关键词 自适应 性能退化 报警 评估 声信号
年,卷(期) 2018,(2) 所属期刊栏目 计算机仿真
研究方向 页码范围 9-12
页数 4页 分类号 TH133.33|TP391.42
字数 3191字 语种 中文
DOI 10.3969/j.issn.1005-1228.2018.02.003
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陆汝华 湘南学院软件与通信工程学院 49 85 5.0 8.0
2 范超 南华大学计算机科学与技术学院 9 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (47)
共引文献  (8)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(6)
  • 参考文献(0)
  • 二级参考文献(6)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(7)
  • 参考文献(0)
  • 二级参考文献(7)
2012(5)
  • 参考文献(1)
  • 二级参考文献(4)
2013(4)
  • 参考文献(0)
  • 二级参考文献(4)
2014(7)
  • 参考文献(0)
  • 二级参考文献(7)
2015(4)
  • 参考文献(0)
  • 二级参考文献(4)
2016(6)
  • 参考文献(1)
  • 二级参考文献(5)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
自适应
性能退化
报警
评估
声信号
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电脑与信息技术
双月刊
1005-1228
43-1202/TP
大16开
长沙市解放东路53号
42-113
1993
chi
出版文献量(篇)
2678
总下载数(次)
14
论文1v1指导