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:
针对基于振动信号分析的矿用带式输送机齿轮箱故障诊断方法存在不易处理混合故障信号的问题,提出了一种基于自组织映射网络的矿用带式输送机齿轮箱混合故障诊断方法.采用融入Shannon熵的小波阈值去噪方法对矿用带式输送机齿轮箱的标准多故障样本进行预处理,对预处理后的标准多故障样本建立高斯混合分布模型后,采用最大期望算法进行模型的参数估计,得到相应特征向量并输入自组织映射网络,自组织映射网络对不同混合故障类型的故障信号进行聚类和识别,从而判断故障类别.实验结果表明,该方法能有效诊断出矿用带式输送机齿轮箱的多故障混合信号对应的故障类别,整体诊断准确率为88%,在6种工况下诊断准确率为100%,为矿山机电设备的齿轮箱故障诊断提供了一种新方法.
推荐文章
基于小波包与Hilbert解调谱的矿用齿轮箱故障诊断
矿用齿轮箱
小波包分解
Hilbert解调
带偏差单元递归神经网络齿轮箱故障诊断
坦克传动系统
齿轮箱
故障诊断
递归神经网络
基于分形理论齿轮箱故障诊断研究
应用统计数学
齿轮箱
故障诊断
机械故障
齿轮箱故障诊断技术的新发展
齿轮箱
故障诊断
小波分析
神经网络
专家系统
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 矿用带式输送机齿轮箱混合故障诊断研究
来源期刊 工矿自动化 学科 工学
关键词 矿用带式输送机 齿轮箱 振动信号 混合故障诊断 最大期望算法 自组织映射网络 高斯混合分布模型 SOM
年,卷(期) 2019,(5) 所属期刊栏目 实验研究
研究方向 页码范围 51-55,72
页数 6页 分类号 TD634
字数 3780字 语种 中文
DOI 10.13272/j.issn.1671-251x.2018110004
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 马利云 吕梁学院矿业工程系 17 40 3.0 5.0
2 宋要斌 吕梁学院矿业工程系 19 31 3.0 4.0
3 王向玲 吕梁学院矿业工程系 11 8 2.0 2.0
4 杨云 吕梁学院矿业工程系 12 24 3.0 4.0
8 熊继军 吕梁学院矿业工程系 1 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  (82)
共引文献  (17)
参考文献  (13)
节点文献
引证文献  (3)
同被引文献  (9)
二级引证文献  (1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(4)
  • 参考文献(1)
  • 二级参考文献(3)
2004(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(5)
  • 参考文献(0)
  • 二级参考文献(5)
2008(7)
  • 参考文献(0)
  • 二级参考文献(7)
2009(7)
  • 参考文献(0)
  • 二级参考文献(7)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(9)
  • 参考文献(2)
  • 二级参考文献(7)
2012(4)
  • 参考文献(0)
  • 二级参考文献(4)
2013(16)
  • 参考文献(3)
  • 二级参考文献(13)
2014(15)
  • 参考文献(0)
  • 二级参考文献(15)
2015(4)
  • 参考文献(0)
  • 二级参考文献(4)
2016(7)
  • 参考文献(4)
  • 二级参考文献(3)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(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)
2020(4)
  • 引证文献(3)
  • 二级引证文献(1)
研究主题发展历程
节点文献
矿用带式输送机
齿轮箱
振动信号
混合故障诊断
最大期望算法
自组织映射网络
高斯混合分布模型
SOM
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
工矿自动化
月刊
1671-251X
32-1627/TP
大16开
江苏省常州市木梳路1号中煤科工集团常州自动化研究院内
28-162
1973
chi
出版文献量(篇)
6068
总下载数(次)
11
总被引数(次)
33991
论文1v1指导