作者： 王丽芳   来源： 装备维修技术 年份： 2024 文献类型 ： 期刊 关键词： 滚动轴承   特征提取   增强包络谱   齿轮箱   快速谱相干  

描述：

作者： 王丽芳   来源： 装备维修技术 年份： 2024 文献类型 ： 期刊 关键词： 滚动轴承   特征提取   增强包络谱   齿轮箱   快速谱相干  

描述：

基于频域特征的航空轴承智能诊断

作者： 李宏宇     苏越     陈康     王俨剀   来源： 航空动力学报 年份： 2024 文献类型 ： 期刊 关键词： 特征提取   滚动轴承   故障诊断   双向循环长短期记忆网络   神经网络  

描述： 针对航空发动机滚动轴承的故障诊断，提出一种基于频域特征的故障诊断模型。将原始振动信号进行包络解调预处理，仅取每段数据处理后的512个点作为故障特征，将其作为双向循环长短期记忆网络（BiLSTM）模型

航空滚动轴承振动特征的故障灵敏度分析与融合技术

作者： 林桐   陈果   张全德   王洪伟   陈立波   来源： 航空动力学报 年份： 2018 文献类型 ： 期刊 关键词： 特征提取   灵敏度分析   滚动轴承   特征融合   状态评估  

描述： 针对工程中航空滚动轴承实时状态监测的需要,提出了基于标准化欧氏距离的多特征融合评估方法。首先,进行了航空滚动轴承故障模拟试验,引入了故障灵敏度的定量评价指标,对融合前后特征的故障灵敏度进行了分析

航空滚动轴承振动特征的故障灵敏度分析与融合技术

作者： 林桐   陈果   张全德   王洪伟   陈立波   来源： 航空动力学报 年份： 2018 文献类型 ： 期刊 关键词： 特征提取   灵敏度分析   滚动轴承   特征融合   状态评估  

描述： 针对工程中航空滚动轴承实时状态监测的需要,提出了基于标准化欧氏距离的多特征融合评估方法。首先,进行了航空滚动轴承故障模拟试验,引入了故障灵敏度的定量评价指标,对融合前后特征的故障灵敏度进行了分析

基于特征提取的航空发动机滚动轴承故障诊断

作者： 周卓峰   刘伟   喻鸣   来源： 内燃机与配件 年份： 2023 文献类型 ： 期刊 关键词： 滚动轴承   特征提取   深度信念网络   机器学习   故障诊断   旋转机械  

描述： 特征提取的滚动轴承故障诊断方法，通过特征提取获得更全面数据信息，再将深度信念网络模型用于信号识别，全方位反映航空发动机滚动轴承的运行状态。经实验验证，DBN模型在噪声环境下的平均准确率可达99%以上，具有较强的抗噪能力。

基于特征提取的航空发动机滚动轴承故障诊断

作者： 周卓峰   刘伟   喻鸣   来源： 内燃机与配件 年份： 2023 文献类型 ： 期刊 关键词： 滚动轴承   特征提取   深度信念网络   机器学习   故障诊断   旋转机械  

描述： 特征提取的滚动轴承故障诊断方法，通过特征提取获得更全面数据信息，再将深度信念网络模型用于信号识别，全方位反映航空发动机滚动轴承的运行状态。经实验验证，DBN模型在噪声环境下的平均准确率可达99%以上，具有较强的抗噪能力。

基于特征提取的航空发动机滚动轴承故障诊断

作者： 周卓峰   刘伟   喻鸣   来源： 内燃机与配件 年份： 2023 文献类型 ： 期刊 关键词： 滚动轴承   特征提取   深度信念网络   机器学习   故障诊断   旋转机械  

描述： 特征提取的滚动轴承故障诊断方法，通过特征提取获得更全面数据信息，再将深度信念网络模型用于信号识别，全方位反映航空发动机滚动轴承的运行状态。经实验验证，DBN模型在噪声环境下的平均准确率可达99%以上，具有较强的抗噪能力。

航空发动机信号采集处理及故障检测方法研究

作者： 刘伟   周卓峰   黄新阳   来源： 内燃机与配件 年份： 2023 文献类型 ： 期刊 关键词： 集成学习   滚动轴承   特征提取   机器学习   故障诊断   旋转机械  

描述： 的方式分别学习数据在时域、频域、时频域上的深层特征进行综合诊断。经实验验证，EDNN模型在噪声环境、变载环境下的平均准确率分别达到了98%和97%,具有比SVM、1D-CNN、DBN等模型更强的抗噪与变负载适应性能力。

基于特征提取的航空发动机滚动轴承故障诊断

作者： 周卓峰   刘伟   喻鸣   来源： 内燃机与配件 年份： 2023 文献类型 ： 期刊 关键词： 滚动轴承   特征提取   深度信念网络   机器学习   故障诊断   旋转机械  

描述： 特征提取的滚动轴承故障诊断方法，通过特征提取获得更全面数据信息，再将深度信念网络模型用于信号识别，全方位反映航空发动机滚动轴承的运行状态。经实验验证，DBN模型在噪声环境下的平均准确率可达99%以上，具有较强的抗噪能力。