期刊文献+
共找到47篇文章
< 1 2 3 >
每页显示 20 50 100
风电机组发电机轴承电腐蚀故障的分析诊断 预览
1
作者 姜锐 滕伟 +2 位作者 刘潇波 唐诗尧 柳亦兵 《中国电力》 CSCD 北大核心 2019年第6期128-133,共6页
电腐蚀故障是风电机组发电机轴承的常见故障模式,电腐蚀故障通常分布在整个轴承滚道上,产生的振动响应信号中故障冲击特征往往不如局部故障明显,因此容易被忽视。针对电腐蚀故障振动信号的这种特点,采用一种最小熵解卷积方法对振动信号... 电腐蚀故障是风电机组发电机轴承的常见故障模式,电腐蚀故障通常分布在整个轴承滚道上,产生的振动响应信号中故障冲击特征往往不如局部故障明显,因此容易被忽视。针对电腐蚀故障振动信号的这种特点,采用一种最小熵解卷积方法对振动信号进行预处理,增强信号中的故障冲击成分。然后再应用包络谱分析方法提取故障特征信息,以提升故障诊断的效果。论述了最小熵解卷积方法的基本原理和实现流程,将该方法应用于一台实际风电机组发电机轴承的电腐蚀故障诊断中,通过对实测振动信号的分析处理,实现了电腐蚀故障的识别诊断,验证了最小熵解卷积方法对故障信息增强的使用效果。 展开更多
关键词 风电机组发电机 轴承电腐蚀故障 振动信号分析 最小解卷积 故障诊断
在线阅读 下载PDF
基于特征增强倒频谱分析的齿轮故障诊断方法 预览
2
作者 江志农 张永申 +2 位作者 冯坤 胡明辉 贺雅 《机械传动》 北大核心 2019年第10期13-17,55共6页
齿轮发生故障后,由于采集到的振动信号同时包含故障冲击、确定性啮合信号及噪声等多种信号,同时,各种信号还会受传递路径的影响,使得齿轮故障特征提取难度较大。倒频谱分析是常见的齿轮故障诊断方法,能将边频带中的周期成分显示为单根谱... 齿轮发生故障后,由于采集到的振动信号同时包含故障冲击、确定性啮合信号及噪声等多种信号,同时,各种信号还会受传递路径的影响,使得齿轮故障特征提取难度较大。倒频谱分析是常见的齿轮故障诊断方法,能将边频带中的周期成分显示为单根谱线,有助于故障诊断,但当故障特征信号较微弱时,倒频谱中得到的故障特征并不明显。为此,提出一种特征增强倒频谱分析方法,利用最小熵解卷积、自回归线性预测和小波去噪3种特征增强方法,逐步增强齿轮振动信号中的故障冲击特征,再利用倒频谱进行故障特征提取。通过实验,验证了所提方法的有效性。 展开更多
关键词 齿轮 最小解卷积 自回归线性预测 小波去噪 倒频谱 特征提取
在线阅读 下载PDF
MCKD最佳故障周期搜索的齿轮箱故障特征提取 预览 被引量:1
3
作者 冷军发 荆双喜 +1 位作者 王志阳 华伟 《机械科学与技术》 CSCD 北大核心 2018年第1期36-42,共7页
针对最小解熵解卷积( Minimum entropy deconvolution, MED)算法易受强噪声和野值的影响,引出了最大相关峭度解卷积( Maximum correlated kurtosis deconvolution, MCKD) 的齿轮箱故障特征提取方法,克服了MED算法的不足。然而凭... 针对最小解熵解卷积( Minimum entropy deconvolution, MED)算法易受强噪声和野值的影响,引出了最大相关峭度解卷积( Maximum correlated kurtosis deconvolution, MCKD) 的齿轮箱故障特征提取方法,克服了MED算法的不足。然而凭先验信息选取的故障周期,可能导致MCKD解卷积效果很差,因此提出了MCKD算法的最佳故障周期搜索思路,即在合适的滤波器阶数£下,最佳故障周期的搜索可以限定于理论计算周期左右的某一范围内,使不同步距肘关于最佳周期的最大相关峭度达到全局最优,以确保了MCKD算法具有良好的解卷积效果。断齿与局部断齿故障特征提取试验结果佐证了最佳故障周期搜索思路的可行性及其效果。 展开更多
关键词 齿轮箱 故障特征提取 最小解卷积 最大相关峭度解卷积
在线阅读 免费下载
MED和分层模糊熵在滚动轴承故障诊断中的应用 预览 被引量:1
4
作者 刘艳芳 刘尚旺 《机械设计与制造》 北大核心 2018年第11期49-52,56共5页
针对单一的小波包能量特征难以实现滚动轴承故障准确诊断的局限性,提出了一种新的基于最小熵解卷积(Minimum Entropy Deconvolution,MED)、小波包能量谱和分层模糊熵的滚动轴承故障诊断方法。采用MED算法抑制噪声,突出故障冲击特征;分... 针对单一的小波包能量特征难以实现滚动轴承故障准确诊断的局限性,提出了一种新的基于最小熵解卷积(Minimum Entropy Deconvolution,MED)、小波包能量谱和分层模糊熵的滚动轴承故障诊断方法。采用MED算法抑制噪声,突出故障冲击特征;分别提取小波包分解后不同频段能量谱和分层模糊熵融合作为特征向量,通过支持向量机完成了对于滚动轴承的故障分类。将提出的方法应用于滚动轴承实验数据进行分析,通过对比结果验证了所提方法有更高的分类准确性和更大的实用性。 展开更多
关键词 滚动轴承 故障诊断 最小解卷积 小波包 模糊
在线阅读 下载PDF
基于VMD和MED的滚动轴承故障诊断方法 预览
5
作者 郭家宇 熊炘 刘浩 《轴承》 北大核心 2018年第6期50-54,共5页
为有效提取振动信号中的轴承故障特征,降低背景噪声和齿轮传动噪声影响,将VMD和MED相结合,首先采集强噪声轴承故障信号并进行VMD降噪,选取与原信号相关系数大的分量重构;然后将重构信号进行MED处理以增强故障信息;最后对信号进行包络谱... 为有效提取振动信号中的轴承故障特征,降低背景噪声和齿轮传动噪声影响,将VMD和MED相结合,首先采集强噪声轴承故障信号并进行VMD降噪,选取与原信号相关系数大的分量重构;然后将重构信号进行MED处理以增强故障信息;最后对信号进行包络谱分析,从中获得轴承故障特征频率信息。经实测信号并与EMD的对比分析比较表明:VMD+MED能够从实测信号中有效地提取齿轮箱轴承的故障特征频率及其倍频,而且较EMD法更具优势。 展开更多
关键词 滚动轴承 故障诊断 变分模态分 最小解卷积
在线阅读 下载PDF
MED在内燃机滚动轴承振动信号处理中的应用 预览 被引量:1
6
作者 刘鲲鹏 白云川 +2 位作者 李泽华 吕麒鹏 郑建波 《内燃机与配件》 2018年第8期77-79,共3页
滚动轴承是内燃机中重要的零部件之一,其发生故障时振动信号中的故障特征往往会被随机噪声严重淹没,从而明显加大故障诊断的难度。为此选用最小熵解卷积(MED)对振动信号的故障脉冲成分进行增强:首先深入研究MED的降噪原理,随后通过... 滚动轴承是内燃机中重要的零部件之一,其发生故障时振动信号中的故障特征往往会被随机噪声严重淹没,从而明显加大故障诊断的难度。为此选用最小熵解卷积(MED)对振动信号的故障脉冲成分进行增强:首先深入研究MED的降噪原理,随后通过仿真分析在理论上对其有效性进行验证,最后结合轴承内圈模拟点蚀故障试验证明MED在故障诊断中的实际应用价值。结果表明从MED处理后的信号中可以清晰识别滚动轴承故障特征频率,由此验证了MED的有效性和实用性。 展开更多
关键词 内燃机 滚动轴承 振动信号处理 最小解卷积 故障诊断
在线阅读 下载PDF
加窗插值快速傅里叶变换在滚动轴承故障诊断中的应用 预览
7
作者 李心一 谢志江 罗久飞 《中国机械工程》 CSCD 北大核心 2018年第10期1166-1172,共7页
针对滚动轴承故障信号强噪声背景和非线性等特点,为精确识别滚动轴承的故障特征频率,在最小熵解卷积和Teager能量算子解调基础上,提出了一种基于Hanning窗插值快速傅里叶变换的滚动轴承故障诊断新方法。该方法首先利用最小熵解卷积对轴... 针对滚动轴承故障信号强噪声背景和非线性等特点,为精确识别滚动轴承的故障特征频率,在最小熵解卷积和Teager能量算子解调基础上,提出了一种基于Hanning窗插值快速傅里叶变换的滚动轴承故障诊断新方法。该方法首先利用最小熵解卷积对轴承故障信号进行降噪,再结合Teager能量算子对降噪后的故障振动信号进行解调,经傅里叶变换后得到信号的Teager解调谱;然后采用Hanning窗对解调谱进行加权处理;最后利用信号频点附近三根离散频谱的幅值做插值处理,从而得到精确的故障特征频率。轴承实测振动信号的分析结果表明:与传统的Teager能量算子解调方法相比,在选取较少分析点的基础上,大多数情况下所提方法仍能精确识别轴承故障特征频率。 展开更多
关键词 滚动轴承 TEAGER能量算子 最小解卷积 故障诊断 插值
在线阅读 下载PDF
基于ITD和MED的滚动轴承故障特征提取方法 被引量:1
8
作者 丛蕊 苏祥 +2 位作者 武佳奇 李纯辉 程国峰 《煤矿机械》 北大核心 2018年第6期138-141,共4页
针对强背景噪声下的滚动轴承故障振动信号,提出了固有时间尺度分解(ITD)和最小熵解卷积(MED)相结合的故障特征提取方法。首先对信号进行ITD分解,通过计算各分量与原信号的相关系数,去除虚假分量后重构信号;再利用MED的方法对重构后... 针对强背景噪声下的滚动轴承故障振动信号,提出了固有时间尺度分解(ITD)和最小熵解卷积(MED)相结合的故障特征提取方法。首先对信号进行ITD分解,通过计算各分量与原信号的相关系数,去除虚假分量后重构信号;再利用MED的方法对重构后的信号进行降噪处理;最后对降噪后的信号进行频谱分析,提取故障特征频率。仿真分析和实验结果表明,该方法可以有效降低信号中的背景噪声,提高故障诊断的准确率。 展开更多
关键词 故障诊断 固有时间尺度分 最小解卷积 特征提取
广义稀疏解卷算法研究及其轴承故障诊断应用
9
作者 程旭 江星星 +1 位作者 石娟娟 朱忠奎 《电子测量与仪器学报》 CSCD 北大核心 2018年第5期182-187,共6页
机械系统中轴承局部故障会导致振动信号中出现瞬态冲击成分,而瞬态成分的有效提取是实现轴承故障诊断的关键。最小熵解卷积是一种基于峭度准则的微弱特征提取方法,然而其在强背景噪声下的稳定性较差。因此,提出一种基于广义P算子稀疏准... 机械系统中轴承局部故障会导致振动信号中出现瞬态冲击成分,而瞬态成分的有效提取是实现轴承故障诊断的关键。最小熵解卷积是一种基于峭度准则的微弱特征提取方法,然而其在强背景噪声下的稳定性较差。因此,提出一种基于广义P算子稀疏准则的解卷积方法。首先理论推导出广义P算子稀疏准则下的优化解卷积表达式,然后建立以归一化频率能量比为指标的广义稀疏准则下的轴承故障特征识别方法,最后利用仿真信号与实验数据对提出方法进行验证。仿真信号分析结果表明了提出方法能够识别出强背景噪声下轴承微弱故障特征;同时实验信号分析结果也证明了提出方法能可靠地检测出轴承微弱故障,并优于现有最小熵解卷积等故障诊断方法。 展开更多
关键词 广义P算子 最小解卷积 故障诊断 特征提取
基于MED和ITD的滚动轴承故障特征提取 预览
10
作者 赵磊 夏均忠 +2 位作者 李树珉 于明奇 汪治安 《军事交通学院学报》 2018年第3期45-49,共5页
为减少随机噪声对滚动轴承故障检测的干扰,应用最小熵解卷积(MED)来抑制噪声、增强周期性冲击成分,从而提高固有时间尺度分解(ITD)的分解精度。通过轴承故障模拟试验,采集轴承外圈故障振动信号,应用MED进行信号增强,然后利用ITD得到一... 为减少随机噪声对滚动轴承故障检测的干扰,应用最小熵解卷积(MED)来抑制噪声、增强周期性冲击成分,从而提高固有时间尺度分解(ITD)的分解精度。通过轴承故障模拟试验,采集轴承外圈故障振动信号,应用MED进行信号增强,然后利用ITD得到一系列固有旋转分量(PRC);应用互相关系数和峭度准则筛选包含故障信息较为丰富的PRC,对该PRC进行Teager能量算子解调分析,最后得到轴承回转频率及其谐波、外圈故障特征频率及其谐波。此方法能实现轴承外圈故障特征频率的有效提取。 展开更多
关键词 滚动轴承 最小解卷积 固有时间尺度分 固有旋转分量 TEAGER能量算子
在线阅读 下载PDF
基于最小熵解卷积的汽车点焊质量超声评价 预览
11
作者 何智成 汲彦军 成艾国 《焊接学报》 CSCD 北大核心 2018年第8期59-65,132共8页
利用超声信号的时域信息,可以对焊点质量进行评价.白车身焊点超声检测的过程中,由于噪声信号的模糊作用,反映焊点质量的有用信息被掩盖,导致焊点质量评价结果不准确.超声探头接收到的超声信号可视为原始超声信号与噪声信号两种信号的叠... 利用超声信号的时域信息,可以对焊点质量进行评价.白车身焊点超声检测的过程中,由于噪声信号的模糊作用,反映焊点质量的有用信息被掩盖,导致焊点质量评价结果不准确.超声探头接收到的超声信号可视为原始超声信号与噪声信号两种信号的叠加,基于超声信号的卷积模型及稀疏特性,可利用最小熵盲反卷积(MED)对超声信号进行解卷积处理,分离重叠的焊点超声信号,恢复信号反射系数,获取准确的回波个数.通过仿真与试验,结果表明,最小熵解卷积对焊点重叠超声信号分离的有效性. 展开更多
关键词 超声检测 质量评价 最小解卷积 重叠回波
在线阅读 下载PDF
基于最小熵解卷积的谱峭度法在行星齿轮箱故障诊断中的应用 预览 被引量:1
12
作者 曹展 王细洋 《制造业自动化》 CSCD 2018年第2期112-118,共7页
针对噪声干扰状态下行星齿轮箱故障诊断中的齿轮故障特征提取,提出最小熵解卷积与谱峭度结合(Spectral Kurtosis Method based on Minimum Entropy Deconvolution,MEDSK)的行星齿轮箱齿轮故障特征提取方法。利用MED对原始扭转振动信... 针对噪声干扰状态下行星齿轮箱故障诊断中的齿轮故障特征提取,提出最小熵解卷积与谱峭度结合(Spectral Kurtosis Method based on Minimum Entropy Deconvolution,MEDSK)的行星齿轮箱齿轮故障特征提取方法。利用MED对原始扭转振动信号进行预处理,抑制信号中的噪声干扰,提升行星齿轮箱中被噪声淹没的故障冲击成份。利用谱峭度对预处理后的信号选择最优的带通滤波器参数进行带通滤波,然后通过Hilbert变换进行包络解调,最后将解调出来的低频信号进行频谱分析得到MED-SK方法的包络谱。通过对仿真信号和承受多种载荷状态下采集到的行星齿轮箱输出轴实际行星齿轮故障扭转振动信号进行分析,验证了这种方法能准确地提取行星齿轮故障特征。 展开更多
关键词 最小解卷积 谱峭度 行星齿轮箱 故障诊断
在线阅读 下载PDF
基于VMD和MED的滚动轴承微弱故障特征提取 预览
13
作者 任学平 李攀 王朝阁 《现代制造工程》 CSCD 北大核心 2018年第3期143-148,共6页
针对强噪声环境下滚动轴承故障特征信息非常微弱且难以提取的问题,提出基于变分模态分解(Variational Mode Decomposition,VMD)和最小熵解卷积(Minimum Entropy Deconvolution,MED)的滚动轴承微弱故障特征提取方法。基于VMD和ME... 针对强噪声环境下滚动轴承故障特征信息非常微弱且难以提取的问题,提出基于变分模态分解(Variational Mode Decomposition,VMD)和最小熵解卷积(Minimum Entropy Deconvolution,MED)的滚动轴承微弱故障特征提取方法。基于VMD和MED的滚动轴承微弱故障特征提取方法首先采用VMD对滚动轴承故障信号进行分解,得到多个模态分量,由于噪声的干扰,很难从各个模态分量中提取有效的故障特征信息;然后根据相关系数准则,选取与原始信号相关系数较大的模态分量进行重构,再对重构后的信号进行MED降噪处理;最后对降噪处理后的信号进行Hilbert包络解调,从得出的包络谱中即可准确地提取到故障特征信息。轴承故障实验信号处理结果表明,该方法可以有效地降低噪声的影响,精确地提取滚动轴承微弱的故障特征信息。 展开更多
关键词 变分模态分 最小解卷积 轴承故障 包络
在线阅读 免费下载
基于局部特征尺度分解与最小熵解卷积的轴承故障诊断 预览 被引量:3
14
作者 崔伟成 张征 《轴承》 北大核心 2018年第5期51-55,共5页
为准确进行滚动轴承的故障诊断,结合局部特征尺度分解(LCD)和最小熵解卷积(MED)给出了一种新的故障诊断方法。首先,对轴承振动信号进行局部特征尺度分解,得到若干个内禀尺度分量;然后,依据互相关系数指标,采用聚类分析方法自动选取... 为准确进行滚动轴承的故障诊断,结合局部特征尺度分解(LCD)和最小熵解卷积(MED)给出了一种新的故障诊断方法。首先,对轴承振动信号进行局部特征尺度分解,得到若干个内禀尺度分量;然后,依据互相关系数指标,采用聚类分析方法自动选取有用分量并叠加作为重构信号;最后,应用最小熵解卷积将重构信号降噪,并应用包络分析技术进行故障诊断。通过轴承内、外圈故障振动数据的分析表明:经LCD-MED处理后,振动信号的峭度值得到了较大提高,故障特征频率更加突出,基于LCD-MED的方法在轴承故障诊断中有效且合理。 展开更多
关键词 滚动轴承 故障诊断 局部特征尺度分 聚类分析 最小解卷积
在线阅读 下载PDF
一种基于MED和希尔伯特变换的滚动轴承早期故障诊断方法 预览
15
作者 王志阳 张永鑫 +1 位作者 陈兰 宋晓庆 《河南理工大学学报:自然科学版》 北大核心 2018年第1期91-96,共6页
滚动轴承的早期故障诊断对于设备预测和健康管理具有重要意义,然而受环境噪声、传递路径、信号衰减及源信号本身比较微弱的影响,滚动轴承故障的初期微弱信号特征往往难以提取。为了解决这一问题,提出了一种基于最小熵解卷积(minimum en... 滚动轴承的早期故障诊断对于设备预测和健康管理具有重要意义,然而受环境噪声、传递路径、信号衰减及源信号本身比较微弱的影响,滚动轴承故障的初期微弱信号特征往往难以提取。为了解决这一问题,提出了一种基于最小熵解卷积(minimum entropy deconvolution,MED)与希尔伯特变换(Hilbert transform,HT)相结合的滚动轴承故障特征提取方法(MED-Hilbert),该方法首先应用MED算法对传感器信号进行处理以提高信号的信噪比,然后通过希尔伯变换提取冲击能量信号,最后用谱分析技术提取故障对应的特征频率,并与理论故障频率比较后成功确定故障。与信号仅仅进行包络分析方法相比,该方法具有很好的降噪效果以及对微弱故障特征的增强作用。计算机仿真与实验验证了该方法在滚动轴承早期故障诊断中的有效性。 展开更多
关键词 故障诊断 特征提取 最小解卷积 希尔伯特变换 特征增强
在线阅读 免费下载
基于变分模态分解与最小熵解卷积的齿轮故障诊断 预览 被引量:1
16
作者 陈克坚 崔伟成 朱良明 《计算机测量与控制》 2018年第3期54-57,69共5页
为了准确地进行齿轮故障诊断,结合变分模态分解和最小熵解卷积,给出了一种新的故障诊断方法;首先,以包含啮合频率的分量的包络峭度最大作为原则,确定变分模态分解的分量个数;然后,将齿轮振动信号运用变分模态分解,得到多个分量;选取包... 为了准确地进行齿轮故障诊断,结合变分模态分解和最小熵解卷积,给出了一种新的故障诊断方法;首先,以包含啮合频率的分量的包络峭度最大作为原则,确定变分模态分解的分量个数;然后,将齿轮振动信号运用变分模态分解,得到多个分量;选取包含啮合频率的分量作为敏感分量;接着,应用最小熵解卷积,将敏感分量降噪;最后,应用包络分析技术进行故障诊断。通过齿轮断齿故障振动数据的分析,验证了方法的有效性。 展开更多
关键词 变分模态分 敏感分量 最小解卷积 齿轮故障诊断
在线阅读 下载PDF
基于机匣振动信号的滚动轴承故障协同诊断技术
17
作者 林桐 陈果 +3 位作者 滕春禹 王云 欧阳文理 肖圣迪 《航空动力学报》 CSCD 北大核心 2018年第10期2376-2384,共9页
针对基于机匣测点信号的航空发动机滚动轴承故障诊断问题,提出了一种滚动轴承故障的协同诊断技术。通过最小熵解卷积消除信号传递路径的影响以增强信号中的冲击性成分;通过小波变换提取共振频带;通过自相关分析抑制频带信号中的非周期... 针对基于机匣测点信号的航空发动机滚动轴承故障诊断问题,提出了一种滚动轴承故障的协同诊断技术。通过最小熵解卷积消除信号传递路径的影响以增强信号中的冲击性成分;通过小波变换提取共振频带;通过自相关分析抑制频带信号中的非周期性成分并进一步提升信噪比。依托带机匣的转子试验器分别对人工故障轴承和真实故障轴承进行了两组试验,试验结果表明:相比于其他典型方法,采用所提协同诊断法得到的包络谱中故障特征频率对应的谱峰更加清晰、明显。 展开更多
关键词 协同诊断 滚动轴承 机匣信号 特征提取 最小解卷积 小波变换 自相关分析
基于最小熵解卷积-变分模态分解和优化支持向量机的滚动轴承故障诊断方法 预览 被引量:1
18
作者 姚成玉 来博文 +2 位作者 陈东宁 孙飞 吕世君 《中国机械工程》 CSCD 北大核心 2017年第24期3001-3012,共12页
提出了一种基于最小熵解卷积和变分模态分解以及模糊近似熵的故障特征提取方法,并采用优化支持向量机对故障进行识别分类。首先利用最小熵解卷积方法降低噪声干扰并增强故障信号中故障特征信息,进而对降噪后的信号进行变分模态分解,并... 提出了一种基于最小熵解卷积和变分模态分解以及模糊近似熵的故障特征提取方法,并采用优化支持向量机对故障进行识别分类。首先利用最小熵解卷积方法降低噪声干扰并增强故障信号中故障特征信息,进而对降噪后的信号进行变分模态分解,并利用模糊近似熵量化变分模态分解后包含故障特征信息的模态分量以构建特征向量,之后通过采用扩展粒子群算法优化惩罚因子和核函数参数的支持向量机,对故障样本训练并完成故障识别分类。将所提方法应用于滚动轴承不同损伤程度、不同故障部位的实验数据,验证了该方法的有效性。与基于局部均值分解的特征提取方法相对比,结果表明所提方法可以更精确地提取出滚动轴承故障特征,并能够更准确地完成不同故障的识别;通过与基于网格寻优算法优化的支持向量机方法和基于扩展粒子群优化的最小二乘支持向量机方法相对比,结果表明所提方法具有更好的分类性能,能达到更好的诊断效果。 展开更多
关键词 故障诊断 变分模态分 最小解卷积 模糊近似 支持向量机
在线阅读 下载PDF
基于最小熵解卷积和Teager能量算子直升机滚动轴承复合故障诊断研究 预览 被引量:7
19
作者 陈海周 王家序 +1 位作者 汤宝平 李俊阳 《振动与冲击》 EI CSCD 北大核心 2017年第9期45-50,73共7页
为了解决强背景噪声环境下直升机滚动轴承故障信号微弱,故障特征难以提取的问题,提出一种基于最小熵解卷积(Minimum Entropy Deconvolution,MED)与Teager能量算子(Teager Energy Operator,TEO)的滚动轴承故障特征提取的新方法。根... 为了解决强背景噪声环境下直升机滚动轴承故障信号微弱,故障特征难以提取的问题,提出一种基于最小熵解卷积(Minimum Entropy Deconvolution,MED)与Teager能量算子(Teager Energy Operator,TEO)的滚动轴承故障特征提取的新方法。根据滚动轴承故障信号表现为冲击波形的特点和MED降噪对冲击特征敏感的特性,采用MED对故障信号进行降噪处理,同时增强信号中的冲击成分;再结合TEO适合检测信号的瞬时变化,能有效提取故障信号冲击特征的特点,计算降噪信号的Teager能量信号,进行频谱分析提取滚动轴承的故障特征。通过对仿真信号和直升机滚动轴承混合故障信号进行分析,实验结果表明,该方法能有效提取强背景噪声环境中的微弱复合故障特征,具有一定的工程应用价值。 展开更多
关键词 直升机 滚动轴承 最小解卷积 TEAGER能量算子 故障诊断
在线阅读 下载PDF
基于MED和ICA的滚动轴承循环冲击故障特征增强 预览 被引量:3
20
作者 张龙 胡俊锋 熊国良 《计算机集成制造系统》 EI CSCD 北大核心 2017年第2期333-339,共7页
针对强噪声背景下多个传感器对同一振动源同步采集多组数据的情况,提出一种基于最小熵解卷积和独立成分分析的联合降噪方法,并用于滚动轴承循环冲击故障特征的提取。利用最小熵解卷积对各传感器的信号分别进行盲解卷滤波,消除信号传递... 针对强噪声背景下多个传感器对同一振动源同步采集多组数据的情况,提出一种基于最小熵解卷积和独立成分分析的联合降噪方法,并用于滚动轴承循环冲击故障特征的提取。利用最小熵解卷积对各传感器的信号分别进行盲解卷滤波,消除信号传递路径的影响,从噪声信号中初步提取出故障冲击特征;对各传感器的滤波信号进行独立成分分析处理,将信号进行重组后得到重构分量,进一步消除噪声成分,使故障冲击特征成分得到二次增强;选取峭度最大的最优独立成分分析重构分量并进行包络谱分析,得到诊断结果。通过仿真数据和实验室数据分析验证了该方法能够增强滚动轴承的循环冲击特征,便于识别故障类型。 展开更多
关键词 滚动轴承 最小解卷积 独立成分分析 故障特征识别
在线阅读 下载PDF
上一页 1 2 3 下一页 到第
使用帮助 返回顶部 意见反馈