浏览全部资源
扫码关注微信
中北大学电子测试国家重点实验室2. 中北大学仪器科学与动态测试教育部重点实验室3. 中北大学信息与通信工程学院4. 中北大学机械与动力工程学院5. 北方工业大学信息工程学院
纸质出版日期:2014
移动端阅览
[1]张睿,黄晋英,张永梅,王佳,张文栋.OMA和QICA技术在齿轮箱故障诊断中的应用[J].机械传动,2014,38(01):87-91.
[1]张睿,黄晋英,张永梅,王佳,张文栋.OMA和QICA技术在齿轮箱故障诊断中的应用[J].机械传动,2014,38(01):87-91. DOI: 10.16578/j.issn.1004.2539.2014.01.019.
DOI:
通过对齿轮箱振动机理学习和LMS齿轮箱模态实验分析
运用工作模态分析技术(OMA)进行了齿轮箱故障诊断的研究
并针对实验得到的振动信息存在信噪比低、信号混叠等问题
引入了量子独立分量分析(QICA)理论
即将量子优化原理应用于独立分量分析中的改进算法
并提出了基于量子独立分量分析方法的信号特征提取计算
用BP神经网络进行识别
达到故障诊断目的。
0
浏览量
160
下载量
2
CSCD
关联资源
相关文章
相关作者
相关机构