Please use this identifier to cite or link to this item: https://dspace.ctu.edu.vn/jspui/handle/123456789/89
Full metadata record
DC FieldValueLanguage
dc.contributor.authorNguyễn, Trọng Du
dc.date.accessioned2018-04-18T02:10:27Z-
dc.date.available2018-04-18T02:10:27Z-
dc.date.issued2017
dc.identifier.issn0866-7056
dc.identifier.urihttp://172.18.63.105/jspui/handle/123456789/89-
dc.description.abstractBài báo này nêu ra một phương pháp phát hiện và phân loại hư hỏng của các ổ đỡ con lăn cỡ lớn trên nền tảng phương pháp phân tích thực nghiệm quần thể (Ensemble Empirical Mode Decomposition - EEMD), kết hợp phân tích thành phần chính (Principal Component Analysis -PCA) và mạng nơ ron, được sử dụng để tách tín hiệu dao động theo thời gian thành các hàm dạng cơ sở (gọi tắt là IMF - Intrinsic Mode Functions ). Trong đó, mỗi IMF chỉ chứa một dạng dao động đơn giản mô tả bởi một tín hiệu có dãi tầng hẹp. Do quá trình thay đổi tải trọng, các máy quay vận hành với tốc độ quay biến đổi, các dao động cơ học là phi tuyến và tín hiệu dao động có đặc trưng không dừng. Trong những trường hợp như vậy, phương pháp EEMD là một phương pháp có hiệu quả hơn để phân tích so với các phương pháp truyền thống. Các IMF được lấy giá trị tín hiệu đặc trưng, sau đó đưa vào phân tích PCA để giảm số chiều, trước khi sử dụng làm đầu vào cho mạng nơ ron để phân loại. Kết quả kiểm chứng cho thấy, phương pháp nghiên cứu đề xuất là một tổ hợp của nhiều phương pháp cho việc phân loại ổ đỡ con lăn, kết quả tương đối tốt.vi_VN
dc.language.isovivi_VN
dc.relation.ispartofseriesTạp chí Cơ khí Việt Nam;Số 9 .- Tr.73-79
dc.subjectEMDvi_VN
dc.subjectEEMDvi_VN
dc.subjectMạng nơ ronvi_VN
dc.subjectPhân tích thành phần chínhvi_VN
dc.subjectHư hỏng ổ lănvi_VN
dc.titlePhân loại hư hỏng ổ đỡ con lăn bằng mạng nơ ron trên cơ sở kết hợp hai phương pháp EEMD và PCA =vi_VN
dc.title.alternativeBearing fault classification by artificial neural networks based on EEMD and PCA methodvi_VN
dc.typeArticlevi_VN
Appears in Collections:Cơ khí Việt Nam

Files in This Item:
File Description SizeFormat 
_file_
  Restricted Access
254.81 kBAdobe PDF
Your IP: 54.196.27.122


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.