典型文献
基于CEEMDAN与神经网络的框架结构故障诊断研究
文献摘要：
为了解决框架结构受噪声影响较大而难以对其进行精确故障诊断的问题,文中提出一种基于CEEMDAN(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise Analysis)与神经网络相结合的框架结构故障诊断方法.该方法首先通过小波分解与重构滤除振动信号中的低通噪声信号与部分低通特征信息;然后,采用CEEMDAN对重组信号进行模态分解,将重组信号中剩余的特征信息进行突显形成组合信号;最后,采用WDCNN(First Layer Wide Convolution Kernel Deep Convolution Neural Network)提取组合信号中的数字特征,同时采用LSTM(Long Short?Term Memory)提取组合信号之间的相关性信息并进行分类.另外,采用向原始振动信号中添加不同信噪比噪声的方法进行对比实验.结果表明,所提方法在信噪比为-4 dB时仍然可以达到99.97％的正确率,并且目标函数值降到10-4级别.所提出的框架结构故障诊断方法可以对噪声情况下的框架结构做出精确的故障诊断,能够为框架结构故障诊断提供一种新方法.
文献关键词：
框架结构;故障诊断;CEEMDAN;神经网络;噪声信号滤除;模态分解;特征提取
中图分类号：
作者姓名：
蔡超志;池耀磊;郭璐彬;张仲杭;白金鑫
作者机构：
河北工程大学 机械与装备工程学院,河北 邯郸 056038
文献出处：
引用格式：
[1]蔡超志;池耀磊;郭璐彬;张仲杭;白金鑫-.基于CEEMDAN与神经网络的框架结构故障诊断研究)[J].现代电子技术,2022(16):80-86
A类：
WDCNN,噪声信号滤除
B类：
CEEMDAN,框架结构,结构故障,诊断研究,噪声影响,Complete,Ensemble,Empirical,Mode,Decomposition,Adaptive,Noise,Analysis,故障诊断方法,小波分解与重构,振动信号,特征信息,模态分解,显形,成组,First,Layer,Wide,Convolution,Kernel,Deep,Neural,Network,数字特征,Long,Short,Term,Memory,dB,目标函数值,声情
AB值：
0.348514
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
