-
基于时序特征二次提取的旋转机械故障诊断方法
来源:企业科技与发展 发布日期:2024-11-10
传统的旋转机械故障诊断方法在多尺度时序特征提取方面存在局限性，难以全面捕捉复杂故障特征。针对此问题，文章提出一种基于时序特征二次提取的故障诊断方法。首先，该方法通过对振动信号进行时间片划分，构建多尺度滑动窗口，生成特征矩阵。其次，利用LSTM（长短期记忆网络）并行地从不同尺度上提取特征，并将这些特征向量进行拼接。最后，采用SVM（支持向量机）对拼接后的特征向量进行分类，以实现高效且准确的故障诊断。
-
基于时序特征二次提取的旋转机械故障诊断方法
来源:企业科技与发展 发布日期:2024-11-10
传统的旋转机械故障诊断方法在多尺度时序特征提取方面存在局限性，难以全面捕捉复杂故障特征。针对此问题，文章提出一种基于时序特征二次提取的故障诊断方法。首先，该方法通过对振动信号进行时间片划分，构建多尺度滑动窗口，生成特征矩阵。其次，利用LSTM（长短期记忆网络）并行地从不同尺度上提取特征，并将这些特征向量进行拼接。最后，采用SVM（支持向量机）对拼接后的特征向量进行分类，以实现高效且准确的故障诊断。
-
新能源汽车电控系统故障诊断与维修策略
来源:内燃机与配件 发布日期:2024-11-05
新能源汽车作为绿色出行的代表，其电控系统的稳定性和安全性对人们的安全出行具有重要的影响。电控系统一旦出现故障，将直接影响车辆的性能和安全使用，亟需加强对汽车电控系统的故障诊断，及时采取解决措施，防止造成更大的危害。文章阐述了新能源汽车电控系统结构，探讨了新能源汽车电控系统故障诊断技术，提出了新能源汽车电控系统故障维修策略，旨在促进新能源汽车能够顺利运行。
-
电子电工技术在汽车检修中的应用
来源:内燃机与配件 发布日期:2024-11-05
为探索电子电工技术在现代汽车检修中的应用，本文详细分析了各种电子诊断工具与技术在实际汽车检修过程中的应用。电子电工技术作为汽车工业中的核心部分，对提高车辆性能、确保驾驶安全、增强乘车舒适性起着决定性作用。着重分析了故障诊断仪的使用、实时数据处理能力、电子控制单元(ECU)的调试与编程等关键技术。通过研究电子电工技术在电池管理系统维护、照明系统修复及安全系统检查中的具体应用，旨在提供一套综合的技术指
-
电子电工技术在汽车检修中的应用
来源:内燃机与配件 发布日期:2024-11-05
为探索电子电工技术在现代汽车检修中的应用，本文详细分析了各种电子诊断工具与技术在实际汽车检修过程中的应用。电子电工技术作为汽车工业中的核心部分，对提高车辆性能、确保驾驶安全、增强乘车舒适性起着决定性作用。着重分析了故障诊断仪的使用、实时数据处理能力、电子控制单元(ECU)的调试与编程等关键技术。通过研究电子电工技术在电池管理系统维护、照明系统修复及安全系统检查中的具体应用，旨在提供一套综合的技术指
-
新能源汽车电控系统故障诊断与维修策略
来源:内燃机与配件 发布日期:2024-11-05
新能源汽车作为绿色出行的代表，其电控系统的稳定性和安全性对人们的安全出行具有重要的影响。电控系统一旦出现故障，将直接影响车辆的性能和安全使用，亟需加强对汽车电控系统的故障诊断，及时采取解决措施，防止造成更大的危害。文章阐述了新能源汽车电控系统结构，探讨了新能源汽车电控系统故障诊断技术，提出了新能源汽车电控系统故障维修策略，旨在促进新能源汽车能够顺利运行。
-
多尺度改进差分滤波的旋转机械故障特征提取研究
来源:振动工程学报 发布日期:2024-11-04
为了准确地提取强烈背景噪声下的故障特征信息，提出了一种多尺度改进差分滤波器（MIDIF）用于旋转机械故障诊断。利用MIDIF将旋转机械振动信号分解为一系列多尺度改进差分滤波（MIDIF）信号。针对MIDIF滤波信号在揭示故障特征方面表现出不同程度的有效性，提出了一种基于相关分析的加权重构方法，该方法将加权系数分配给相应的MIDIF滤波信号以突出旋转机械故障特征成分。将加权系数与不同尺度下的MIDI
-
可解释的小波卷积神经网络机械故障诊断方法
来源:振动工程学报 发布日期:2024-11-04
本文提出了一种新的融合格拉姆角场与小波变换的智能故障诊断网络（Gramian-WaveNet）。使用格拉姆角场，将一维故障信号数据变换为二维，展示其时序上的信息；设计了小波卷积层替代卷积神经网络的第一层，使模型能够学习振动信号中与故障相关的冲击分类；利用轴承数据集在不同工况下进行验证，结果表明所提方法可以有效提升故障诊断精度。并且通过理论与特征可视化方法证明Gramian-WaveNet是可解释的
-
多尺度改进差分滤波的旋转机械故障特征提取研究
来源:振动工程学报 发布日期:2024-11-04
为了准确地提取强烈背景噪声下的故障特征信息，提出了一种多尺度改进差分滤波器（MIDIF）用于旋转机械故障诊断。利用MIDIF将旋转机械振动信号分解为一系列多尺度改进差分滤波（MIDIF）信号。针对MIDIF滤波信号在揭示故障特征方面表现出不同程度的有效性，提出了一种基于相关分析的加权重构方法，该方法将加权系数分配给相应的MIDIF滤波信号以突出旋转机械故障特征成分。将加权系数与不同尺度下的MIDI
-
可解释的小波卷积神经网络机械故障诊断方法
来源:振动工程学报 发布日期:2024-11-04
本文提出了一种新的融合格拉姆角场与小波变换的智能故障诊断网络（Gramian-WaveNet）。使用格拉姆角场，将一维故障信号数据变换为二维，展示其时序上的信息；设计了小波卷积层替代卷积神经网络的第一层，使模型能够学习振动信号中与故障相关的冲击分类；利用轴承数据集在不同工况下进行验证，结果表明所提方法可以有效提升故障诊断精度。并且通过理论与特征可视化方法证明Gramian-WaveNet是可解释的
027-87841330