论文部分内容阅读
随着机械设备向复杂化、自动化方向发展,智能诊断在现代生产中起着越来越大的作用。为了获得更高的识别率,基于信号处理与神经网络相结合实现故障智能诊断成为了当今主要的发展方向。在复杂工况条件下,机械设备的振动信号显示出非平稳性,因此对非平稳信号的特征提取并对其故障进行智能识别是非常必要的。本文深入研究了时变自回归(TVAR)和条件异方差(Garch)对非平稳信号的建模分析,并基于参数化模型特征,采用支持向量机(SVM)、隐马尔科夫(HMM)等方法对滚动轴承的不同故障进行了智能诊断。具体内容如下: