简介:摘要:经验模态分解(EMD)算法是由 NE. Huang 等人提出的一种将信号分解成特征模态的方法,它不以任何已经定义好的函数作为基底,而是将所分析的信号x(t)分解为一组本征模函数(Ci)和一个残余项(rn),涵盖了原始振动信号在各种时间尺度上的局部细节特征 。可以用于分析非线性、非平稳的信号序列,具有良好的时频特性。在基于经验模态分解(EMD)的基础上,利用k均值算法实现故障类型和故障程度的正确分类。
简介:摘要:本研究探索了一种改进Wavlm 的轴承故障方法,以提升轴承故障诊断的准确性和鲁棒性。其中改为WaveNet 模型通过其深层因果卷积结构有效地捕获了时间序列数据中的复杂依赖关系,而Transformer 模型则基于自注意力机制实现了全局关系的建模能力。我们详细分析了两种模型的结合应用,设计了一种新的框架来有效地融合它们的优势。通过广泛的实验验证,我们展示了该方法在工业设备维护领域中的显著性能提升和实际应用潜力。