摘要
本发明提供了一种小样本下齿轮动应力测量数据异常值剔除方法,包括:步骤1、确定齿轮动应力测量位置及个数要求;步骤2、确定齿轮动应力测量数据的振动激励阶次;步骤3、将齿轮动应力测量数据进行归类整理;步骤4、基于四分位距算法初步筛查异常数据;步骤5、确定动应力测试数据的统计学特征值;步骤6、基于格拉布斯准则法最终确定异常数据。该方法可有效降低粗大误差对小样本数据均值和标准方差的影响,提高异常数据的识别可靠性,提高齿轮疲劳风险评估准确性;该方法快速便捷,易程序化,提高工作效率,有助于降低人力、财力成本。
技术关键词
剔除方法
应力
异常数据
格拉布斯准则
样本
粗大误差
齿轮齿数
特征值
数据验证
算法
谐波
人力
风险
系统为您推荐了相关专利信息
掌纹图像识别方法
图像转换模型
损失函数优化
残差结构
掌纹数据
航空集装板
样本
卷积模型
三维点云数据
计算机可执行指令
告警方法
属性匹配
训练样本集
计算机程序产品
卷积神经网络模型
数控钻铣机床
子模块
预警系统
拓扑图
历史温度数据
辨识方法
原始脑电信号
特征融合网络
运动想象识别
通道