1、“.....单台飞轮或造价可达数百万，单台航天器造价更是以亿计，旦空间轴承在轨发生故障不仅直接影响航天器性能及任务的顺利实施，严重故障甚至可以导致航天器失效，事关国家安全和军事利益，造成巨大经济损失。因此，开展空间轴承故障诊断技术对卫星性能保持和寿命管理都具有重大的科学意需给出具体的数学表达公式。训练完成后的神经网络可以包含故障诊断及预测所需的知识，通过处理新的测量输入，即可得到诊断结果。并且，随着网络系统复杂程度的不断加深，该方法并行分布处理复杂信息的能力也随之提高，并且具有强容错能力和自学习能力。当然，这方法也存在些缺陷。首先，神经网络构建过于精密时，往往容易出现训练过多，优化过度等问题，造成过拟合或空间轴承中轴承故障诊断技术的应用航空航天工程论文空间轴承振动监测与故障诊断有了很大的提升，越来越多的先进诊断技术应用到实际中，解决了许多技术难题......”。

2、“.....介绍了当前典型的轴承故障诊断技术，并讨论其在空间轴承故障诊断中的应用与发展。最后，结合当前研究现状与不足，对未来发展方向进行了展望。参考文献杨国安机械设备故障诊断实用技术北京中国石化出振动信号采集往往会受到配对轴承相互作用的影响，导致特征信息复杂，难以解释。因此，发展信号处理技术实现振动信号降噪分离是目前的又研究方向。第，随着深度学习的不断发展与进步，越来越多的研究者利用神经网络或支持向量机等分类器对空间轴承故障进行诊断，也取得了不错的效果。然而在应用过程中也暴露出些问题。例如，神经网络与传统机器学习算法相比需要大量数故障演变规律尚不明，尤其是在姿态控制变转速的背景下，其性能衰退的振动机理更加复杂。因此，有必要对实际运转过程中空间轴承振动机理及特征进行研究，为后续振动信号处理和建立诊断模型奠定基础。第，对于空间轴承而言......”。

3、“.....在正常运转时也可能产生类似于微弱故障特征的现象，现有空间轴承故障诊断方法常常将正常可用轴承诊断为微弱故障轴承故障特征提取方法轴承故障特征主要依靠先进的信号处理技术来提取，主要可以分为时域频域以及时频分析方法。基于时域信号进行轴承故障特征提取最为简单，主要是通过计算统计参数来指示轴承故障。下表所示为典型故障诊断方法的优缺点比较及适用范围的比较。故障诊断技术在空间轴承中的应用思考在实际应用中，空间轴承由于环境因素和特殊的使用需求，对故障诊断技术的应。空间轴承的失效机理与地面环境相比有较大差异例如在真空环境下的润滑膜摩擦系数要比在空气下小很多。轴承故障诊断关键技术目前国内外在轴承故障振动诊断方面的研究大致可以分为两部分是从振动信号中提取故障特征，是利用神经网络等智能方法来进行状态评估。倒频谱用于检测周期频谱，其原理是对功率谱再次进行傅里叶变换，凸显频谱图中的周期成分......”。

4、“.....空间轴承振动测试有限，导致测试数据，尤其是故障样本匮乏测试时间跨度短数据积累较少等。这些都对基于人工智能的故障诊断方法和技术实施造成很大困难。因此在训练模型时，可以加入电流轴温等数据以增加输入信息，并且与物理模型相结合，提高乏样本条件下的诊断可信度。总结随着信号处理方法和人工神经网络的飞速发展与不断改进，空间轴承振动监测与故许多信号处理方法，包括包络解调小波分解经验模态分解能够提取到微弱的故障特征信息，但在正常工况下却可能出现个元件对应的特征频率。因此，如何将故障特征与性能衰退进行关联识别，对早期故障进行有效警示，降低虚警率是目前空间轴承故障诊断亟须解决的问题。此外，空间轴承通常为采用复合材料保持架的角接触球轴承，般成对使用。对其进行振动信号采集往往会受到程中广泛采用电流轴温以及振动监测方法来检测空间轴系异常。其中......”。

5、“.....是当前研究热点。虽然，些学者和工程技术人员提出了些针对空间轴承的诊断方法，但鉴于故障机理的复杂性，这些方法在实际故障诊断中的应用还有些问题有待解决。第，空间轴承的常见故障模式是复合材料保持架失稳早期轻微故障润滑异常等，其故障演变规律尚不明，空间轴承中轴承故障诊断技术的应用航空航天工程论文径和传感器测点位臵影响小，这优点对故障识别极为有效。空间轴承中轴承故障诊断技术的应用航空航天工程论文。空间轴承的失效机理与地面环境相比有较大差异例如在真空环境下的润滑膜摩擦系数要比在空气下小很多。轴承故障诊断关键技术目前国内外在轴承故障振动诊断方面的研究大致可以分为两部分是从振动信号中提取故障特征，是利用神经网络等智能方法来进行状态评承可靠性影响因素作用机理及其演化规律研究燕山大学，周熙楠基于机器学习的滚动轴承故障诊断方法研究燕山大学，......”。

6、“.....故障特征提取方法轴承故障特征主要依靠先进的信号处理技术来提取，主要可以分为时域频域以及时频分析方法。基于时域信号进行轴承故障特征提取最为简单，主要是通过计算统计参数来指示轴承故的能力也随之提高，并且具有强容错能力和自学习能力。当然，这方法也存在些缺陷。首先，神经网络构建过于精密时，往往容易出现训练过多，优化过度等问题，造成过拟合或欠拟合。此外，由于缺乏透明度，人工智能方法的结果解释性也不足。支持向量机基于结构风险最小化原则，可以避开神经网络中结构选择局部极值等问题，获得全局最优解。此外，支持向量机无须大量数据，诊断有了很大的提升，越来越多的先进诊断技术应用到实际中，解决了许多技术难题。本文在分析总结空间轴承的故障特点和诊断技术难点的基础上，介绍了当前典型的轴承故障诊断技术，并讨论其在空间轴承故障诊断中的应用与发展。最后，结合当前研究现状与不足......”。

7、“.....参考文献杨国安机械设备故障诊断实用技术北京中国石化出版社，宁峰平空间滚动轴配对轴承相互作用的影响，导致特征信息复杂，难以解释。因此，发展信号处理技术实现振动信号降噪分离是目前的又研究方向。第，随着深度学习的不断发展与进步，越来越多的研究者利用神经网络或支持向量机等分类器对空间轴承故障进行诊断，也取得了不错的效果。然而在应用过程中也暴露出些问题。例如，神经网络与传统机器学习算法相比需要大量数据。然而飞轮产品数量少其是在姿态控制变转速的背景下，其性能衰退的振动机理更加复杂。因此，有必要对实际运转过程中空间轴承振动机理及特征进行研究，为后续振动信号处理和建立诊断模型奠定基础。第，对于空间轴承而言，由于轴承载荷轻结构元件多，在正常运转时也可能产生类似于微弱故障特征的现象，现有空间轴承故障诊断方法常常将正常可用轴承诊断为微弱故障轴承，导致虚警率过高......”。

8、“.....且收敛速度快。而支持向量机的缺点在于，它的工作效率受样本数量影响较大。当输入样本数量过多时，很容易造成过度学习问题。下表所示为典型故障诊断方法的优缺点比较及适用范围的比较。故障诊断技术在空间轴承中的应用思考在实际应用中，空间轴承由于环境因素和特殊的使用需求，对故障诊断技术的应用有其特殊性。目前工空间轴承中轴承故障诊断技术的应用航空航天工程论文。人工神经网络是人工智能技术的重要内容。它良好的非线性处理能力和数学逼近能力，为轴承故障诊断方法提供新的思路和途径。本质上来说，神经网络是种数学运算模型，但无需给出具体的数学表达公式。训练完成后的神经网络可以包含故障诊断及预测所需的知识，通过处理新的测量输入，即可得到诊断结果。并且，随着网络系统复杂程度的不断加深，该方法并行分布处理复杂信和工程实用价值。目前......”。

9、“.....但各国学者和工程技术人员已经发展了丰富的地面轴承故障诊断技术，包括振动信号分析法声学信号分析法声发射法红外分析法油液分析法光谱测定磁性磁屑探测法铁谱分析法和接触电阻法等，其中以振动信号分析法相对简单方便，应用最为广泛。地面轴承动力学特性研究故障诊断及寿命预测拟合。此外，由于缺乏透明度，人工智能方法的结果解释性也不足。支持向量机基于结构风险最小化原则，可以避开神经网络中结构选择局部极值等问题，获得全局最优解。此外，支持向量机无须大量数据，在样本数量较小的情况下仍然具有较好的泛化能力，且收敛速度快。而支持向量机的缺点在于，它的工作效率受样本数量影响较大。当输入样本数量过多时，很容易造成过度学习问版社，宁峰平空间滚动轴承可靠性影响因素作用机理及其演化规律研究燕山大学，周熙楠基于机器学习的滚动轴承故障诊断方法研究燕山大学，......”。