咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >基于改进LMD和IED-SampEn的齿轮故障特征提取方法 收藏

基于改进LMD和IED-SampEn的齿轮故障特征提取方法

Fault Feature Extraction Method of Gear Based on Improved Local Mean Decomposition and Instantaneous Energy Distribution-sample Entropy

作     者:孟宗 王亚超 胡猛 MENG Zong;WANG Yachao;HU Meng

作者机构:燕山大学河北省测试计量技术及仪器重点实验室秦皇岛066004 燕山大学国家冷轧板带装备及工艺工程技术研究中心秦皇岛066004 

出 版 物:《机械工程学报》 (Journal of Mechanical Engineering)

年 卷 期:2016年第52卷第5期

页      面:169-176页

核心收录:

学科分类:11[军事学] 0810[工学-信息与通信工程] 1105[军事学-军队指挥学] 08[工学] 081002[工学-信号与信息处理] 110503[军事学-军事通信学] 

基  金:国家自然科学基金(51575472 51105323) 河北省自然科学基金(E2015203356)资助项目 

主  题:改进局部均值分解 瞬时能量分布 样本熵 齿轮 故障特征提取 

摘      要:提出基于改进的局部均值分解(Local mean decomposition,LMD)和瞬时能量分布(Instantaneous energy distribution,IED)-样本熵(Sample entropy,Samp En)的齿轮故障特征提取方法。针对LMD存在的端点效应问题,提出最大相似系数法改进的LMD方法,该方法通过在信号内部寻找与两端指定波段相似系数最大的波段,来实现端点效应的改善。进行仿真验证,结果表明该方法能有效改善LMD的端点效应问题。采用改进的LMD方法分解信号得到瞬时幅值函数,由此可以获得信号的瞬时能量分布,将其作为样本熵输入获得IED-Samp En,通过试验研究并与PF-Samp En进行对比,结果表明IED-Samp En能够合理地、有效地反应齿轮的故障状态,作为齿轮振动信号的特征矢量具有典型性,可以作为一种有效的故障特征。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分