- · 中信重工举办2020年战略供应商和优秀供应商授牌大会[12/28]
- · 煤机装备智能化产业联盟在北京成立[12/25]
- · 山西已有80处综采工作面推进智能化建设[12/25]
- · 山能兖州煤业公司东滩矿积极开展“1+1”精准志愿活动[12/24]
- · 山能临矿集团永明煤矿:创新安全管理 实现“四零”目标[12/24]
- · 龙煤集团长协合同签订量达2535万吨[12/24]
- · 陕煤集团蒲白矿业首套智能综放设备完成联合试运转[12/23]
- · 中国矿业大学(北京)与内蒙古自治区政府签署战略合作协议[12/23]
凡向《矿山机械》投稿的作者,按有关法规,均被视为同意以下约定:
① 遵守有关出版法规和标准;
② 本刊所载论文和其它作品以及广告仅代表作者和广告主自己的观点和陈述;允许本刊对内容做删节和规范性修改。
③ 一律通过本刊网 ...
① 遵守有关出版法规和标准;
② 本刊所载论文和其它作品以及广告仅代表作者和广告主自己的观点和陈述;允许本刊对内容做删节和规范性修改。
③ 一律通过本刊网 ...
基于变异算子的PSO小波神经网络在齿轮箱故障诊断中的应用
作者: 陈汉新 胡小龙 杨柳 李志农 武汉工程大学机电工程学院 湖北武汉430000 南昌航空大学无损检测技术教育部重点实验室 江西南昌330063
关键词: 变异算子粒子群优化 WNN故障诊断 齿轮箱
摘要:由于齿轮箱振动信号复杂及故障类型难以预知,因此提出了一种引入变异算子PSO的小波神经网络对齿轮箱故障进行诊断.仿真结果表明,该方法明显优于传统小波神经网络方法,不仅迭代次数大幅减少,而且收敛精度和收敛速度也有很大提高.将引入变异算子PSO的小波神经网络方法应用到高转速运转下齿轮箱故障诊断中,试验结果进一步验证了该方法的精确性,并能准确地识别齿轮的损坏程度.
上一篇:水泥窑消纳城市垃圾焚烧炉进料系统设计
下一篇:煤矿机械设备超声检测技术的应用研究