典型文献
基于Hilbert-Huang变换和残差神经网络的轴承故障诊断
文献摘要：
为提高轴承故障诊断准确度,针对轴承振动信号易受噪声影响,工作状态参数非线性强和已有智能诊断模型学习深度浅的问题,提出一种基于希尔伯特黄变换(Hilbert-Huang transform,HHT)和深度残差神经网络的轴承故障诊断方法.对采集到的振动信号进行经验模态分解(Empirical mode decomposition,EMD),利用分解得到的本征模态分量(Intrinsic mode function,IMF)进行Hilbert变换,得到信号的时频分布图,训练集和验证集输入到深度残差神经网络模型中训练,测试集用以测试模型识别故障准确率.实验结果表明,提出的方法能快速的对轴承进行故障诊断,并具有较高的准确率.
文献关键词：
Hilbert-Huang变换;残差神经网络;轴承;特征提取;故障诊断
中图分类号：
作者姓名：
朵慕社;纪国宜
作者机构：
南京航空航天大学 机械结构力学及控制国家重点实验室,南京 210016
文献出处：
引用格式：
[1]朵慕社;纪国宜-.基于Hilbert-Huang变换和残差神经网络的轴承故障诊断)[J].制造业自动化,2022(06):20-23
A类：
B类：
Hilbert,Huang,轴承故障诊断,诊断准确度,轴承振动,振动信号,噪声影响,工作状态,状态参数,智能诊断模型,模型学习,学习深度,希尔伯特黄变换,transform,HHT,深度残差神经网络,故障诊断方法,经验模态分解,Empirical,mode,decomposition,EMD,本征模态分量,Intrinsic,function,IMF,时频分布,分布图,训练集,验证集,集输,测试集,测试模型,模型识别
AB值：
0.38311
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。
