期刊专题

10.15923/j.cnki.cn22-1382/t.2016.1.15

EEMD两级神经网络的数控机床伺服系统故障诊断

引用
首先通过集合经验模态分解(Ensemble Empirical Mode Decomposition ,EEMD)得到含有核心故障信号 IMF 分量作为特征量,按故障部件确定故障定位总神经网络,然后以电机、轴承、滚珠丝杠和联轴器故障类型分别建立故障类型分神经网络。

数控机床、伺服系统、EEMD、两级神经网络

37

TG659

吉林省教育厅“十一五”科学技术研究项目2009109

2016-05-25(万方平台首次上网日期,不代表论文的发表时间)

共5页

73-77

暂无封面信息
查看本期封面目录

长春工业大学学报(自然科学版)

1674-1374

22-1382/T

37

2016,37(1)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn