基于PCC_VMD与深度学习相结合的轴承故障诊断方法.pdfVIP

下载本文档

1
0
约1.16万字
约 10页
2023-11-11 发布于四川
举报
版权申诉

基于PCC_VMD与深度学习相结合的轴承故障诊断方法.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明涉及轴承故障诊断领域，具体涉及一种基于PCC_VMD与深度学习相结合的轴承故障诊断方法，采集轴承全寿命周期振动信号，进行小波阈值降噪，能有效降低信号噪声，很大程度保留轴承原信号的特征信息；基于PCC确定适应度函数，构建得到PCC_VMD模型，使用φ值作为VMD的适应度函数，能够有效的避免VMD算法的过分解与欠分解；对降噪后的全寿命周期振动信号进行分解，根据分解后得到的IMF分量训练得到CNN‑SVM模型，利用CNN作为故障特征提取器，SVM算法作为分类器，CNN_SVM模型具有很好的稳定性

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 117030260 A (43)申请公布日 2023.11.10 (21)申请号 202310993740.9 G06F 18/10 (2023.01)