摘要
本发明提供一种基于静电监测的滚动轴承性能退化评估方法,包括以下步骤:S1:融合静电电荷信号特征与常规时域、频域和时频域特征构成表征轴承状态的静电监测系统特征参数集。本发明提供一种基于静电监测的滚动轴承性能退化评估方法,通过L1稀疏约束和Dropout机制优化的深度降噪自编码器可以更好的识别轴承的非线性特征和不同的退化阶段;提出的自适应密度峰值聚类模型可以很好的衡量轴承健康状态,与传统DPC和SVDD相比,本文所提出的方法可以更早地识别到轴承的早期退化,而且具有更好的单调性、鲁棒性和趋势性;与振动监测相比,静电监测在轴承性能退化评估中具有优越性,可以更早地发现退化的发生。
技术关键词
密度峰值聚类算法
静电监测系统
滑动窗口
静电传感器
性能退化评估
编码器
融合静电
指标
轴承健康
寻找密度峰值
多项式
寿命周期数据
计算机监控系统
系统为您推荐了相关专利信息
分析方法
强化学习算法
注意力机制
记忆单元
深度Q网络学习
寿命预测方法
多时间尺度
内阻
代表
滑动窗口算法
滤波器
频率
压缩感知重构
数字控制振荡器
时钟结构
定位轨迹数据
地图匹配方法
粒子
地图匹配算法
轨道
攻击检测方法
计算机程序指令
控制中心
编码器
数据