OMA和QICA技术在齿轮箱故障诊断中的应用

doi:10.16578/j.issn.1004.2539.2014.01.019

您当前的位置：

首页 >

文章列表页 >

OMA和QICA技术在齿轮箱故障诊断中的应用

更新时间：2025-04-03

- OMA和QICA技术在齿轮箱故障诊断中的应用
- Vol. 38, Issue 1, Pages: 87-91(2014)
- 作者机构：
  
  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
- 作者简介：
- 基金信息：
- DOI：10.16578/j.issn.1004.2539.2014.01.019
  CLC： TH165.3;TH132.41
- Published：2014
- 稿件说明：
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.

[J]. 2014, 38(1): 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.

[J]. 2014, 38(1): 87-91. DOI： 10.16578/j.issn.1004.2539.2014.01.019.

摘要

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。

Abstract

关键词

Keywords

references

Views

160

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

小波包和BP神经网络在齿轮箱故障诊断中的应用

Research of the Operational Modal Parameter Identification Technology and Application based on QICA

齿轮箱故障诊断技术的新发展

基于Hilbert解调技术的齿轮箱故障诊断

蚁群神经网络在齿轮箱故障诊断中的研究与应用

Related Author

骆江锋

龙江启

范进桢

Zhang Rui

He Changde

Huang Jinying

Zhang Yongmei

Xue Chenyang

Related Institution

宁波职业技术学院2. 华南理工大学

Key Laboratory of Science and Technology on Electronic Test & Measurement,North University of China

Key Laboratory of Instrumentation Science & Dynamic Measurement of Ministry of Education,North University of China

College of Mechanical and Power Engineering,North University of China

School of Information Engineering,North China University of Technology

⁰