检索结果-内蒙古大学图书馆

噪声与振动控制 2024年第6期44卷 116-122,142页

作者：韦成龙周以齐于刚刘朋川山东大学机械工程学院济南250061 济南大学自动化与电气工程学院济南250022

传统时频分析方法通过构建信号的时频模型,获得非平稳信号的瞬时频率特征,然而,由于短时瞬态信号在时域上不连续,受限于海森伯格不确定性原理,无法为短时瞬态信号提供精确时间信息。针对旋转机械中瞬态故障信号的提取问题,提出一种高阶... 详细信息

传统时频分析方法通过构建信号的时频模型,获得非平稳信号的瞬时频率特征,然而,由于短时瞬态信号在时域上不连续,受限于海森伯格不确定性原理,无法为短时瞬态信号提供精确时间信息。针对旋转机械中瞬态故障信号的提取问题,提出一种高阶瞬态提取变换(High-order Transient-extracting Transform, HTET),该方法利用泰勒展开估计高阶群延迟算子,替换低阶时频方法中的关键参数,通过获得能量更集中的时频表示,对机械故障中形成的冲击特征进行精确定位,并且能够有效提取信号中的冲击成分,去除本底噪声的干扰。仿真分析验证所提出方法在时频特征刻画以及抑噪方面的性能。实验分析对提出方法能够用于人工缺陷与自然演化形成的缺陷轴承故障诊断加以验证,对于信号时频分析理论的拓展与机械故障的诊断均具有实际意义。

关键词：故障诊断瞬态提取变换时频分析滚动轴承

来源：评论

学校读者我要写书评

暂无评论

基于TET瞬态特征提取的滚动轴承早期故障诊断研究

引用

机电工程 2021年第6期38卷 697-703,711页

作者：陈志刚赵杰张楠车昊阳北京建筑大学机电与车辆工程学院北京100044 北京市建筑安全监测工程技术研究中心北京100044 中国石油集团川庆钻探工程有限公司长庆井下技术作业公司陕西西安710021

滚动轴承运行时,其强烈的振动噪声通常会与轴承早期微弱故障叠加,导致其瞬态故障特征难以提取,因此提出了一种轴承早期微弱故障信号瞬态特征的时频分析方法。首先,通过自适应噪声集合模态分解对数据做预处理,使用峭度筛选出了有效模态分... 详细信息

滚动轴承运行时,其强烈的振动噪声通常会与轴承早期微弱故障叠加,导致其瞬态故障特征难以提取,因此提出了一种轴承早期微弱故障信号瞬态特征的时频分析方法。首先,通过自适应噪声集合模态分解对数据做预处理,使用峭度筛选出了有效模态分量,并进行了重构降噪;然后,对重构信号做了瞬态提取变换,并进行了瞬态特征提取;最后,利用提取到的瞬态信号进行了故障诊断;对仿真信号和实验信号进行了处理,并将其与其他常用时频分析方法进行了比较。研究结果表明:该方法可以有效地提取滚动轴承故障瞬态特征,提高复杂环境下滚动轴承故障早期信号的噪声鲁棒性;同时,时频能量特征更集中,可以清楚地看到瞬态信号的间隔,并能有效表征信号的早期故障特征频率。

关键词：滚动轴承自适应噪声集合模态分解时频分析有效模态分量瞬态提取变换

来源：评论

学校读者我要写书评

暂无评论

高聚集性时频分析技术在机械故障诊断中的应用

高聚集性时频分析技术在机械故障诊断中的应用

引用

作者：时振锦济南大学

学位级别：硕士

在工业生产过程中,机械设备一旦发生故障将导致重大经济损失,甚至会危害人身安全。作为一种二维信号处理方法,时频分析技术能够获取机械振动信号中时域和频域局部信息,然而,传统的时频分析方法受Heisenberg-Gabor不确定原理的限制,其信... 详细信息

在工业生产过程中,机械设备一旦发生故障将导致重大经济损失,甚至会危害人身安全。作为一种二维信号处理方法,时频分析技术能够获取机械振动信号中时域和频域局部信息,然而,传统的时频分析方法受Heisenberg-Gabor不确定原理的限制,其信号的分析结果往往存在交叉干扰项、时频分辨率差等缺陷。为了弥补传统时频分析方法的不足,本文对时频分析后处理方法在机械故障诊断中的应用进行了研究,并取得了以下研究进展:1.针对连续小波变换(Continuous Wavelet Transform,CWT)时频谱模糊以及小波同步压缩变换在处理强调频信号时表现出的低时频分辨率的问题,提出了一种小波同步提取变换时频分析后处理方法。该方法在CWT的基础上,通过估计信号的二维瞬时频率,建立了一种频率同步提取算子来提取位于信号二维瞬时频率轨迹上的CWT系数,从而得到一个新的时频谱。由于该方法结合了CWT的多分辨分析能力以及提取变换技术,因此,可以分别提高非平稳信号中所包含的低频分量的频率分辨率和高频分量的时间分辨率,解决了CWT在分析强时变信号时产生的能量发散现象,有效地改善了其时频结果的能量聚集性。数值信号与转子碰磨故障诊断实例的分析验证了该方法的有效性。2.针对旋转机械故障振动信号包含噪声以及具有瞬时冲击性及周期性的特点,提出了一种基于幅值谱的二阶瞬态提取变换方法。该方法利用短时傅里叶变换(Short Time Fourier Transform,STFT)的幅值谱去估计非线性频变信号的二维群延迟,提出了一种新的二阶瞬态时间提取算子。由于该方法能够精确地计算二阶频变信号的群延迟并且仅仅提取位于二维群延迟轨迹上的STFT时频系数,因此,可以清晰地表征机械故障振动信号中群延迟变化规律,提高了时频分析结果的时间分辨率,改善了STFT时频谱的能量聚集性。通过分析数值信号及轴承实验产生的故障信号,验证了该方法的有效性。3.针对传统时频分析算法在处理机械故障振动信号中的强频变信号时,无法实现理想的时频分析效果的问题,在STFT的基础上,提出了一种局部最大值高阶时间迭代同步压缩变换时频分析后处理方法。首先,利用精确估计的高阶强频变信号的二维群延迟和多次迭代重排算法,将具有相同高阶二维群延迟的STFT时频系数压缩到二维群延迟轨迹上;其次,利用局部最大值方法与压缩后的时频谱构建一个新的时间重排算子,将压缩后的时频系数再次重排到一个新的时频平面。该方法能够提高强频变信号的时间分辨率和时频聚集性,并且可以表征含噪类冲击信号的群延迟变化特征。数值仿真信号验证了该方法的有效性。利用该方法对变速轴承实验的故障振动信号进行分析,实现了滚动轴承故障的有效识别。

关键词：时频分析小波同步提取变换瞬态提取变换同步压缩变换故障诊断

来源：评论

学校读者我要写书评

暂无评论

基于时频分析法的柔性直流输电线路保护研究

基于时频分析法的柔性直流输电线路保护研究

引用

作者：朱光彬济南大学

学位级别：硕士

基于电压源型换流器的柔性直流输电技术(High Voltage Direct Current based on Voltage Sourced Converter,VSC-HVDC)直流输电线路故障时,产生的短路冲击电流迅速上升,会在数毫秒内烧毁换流器内的电力电子器件,因此,VSC-HVDC输电系统... 详细信息

基于电压源型换流器的柔性直流输电技术(High Voltage Direct Current based on Voltage Sourced Converter,VSC-HVDC)直流输电线路故障时,产生的短路冲击电流迅速上升,会在数毫秒内烧毁换流器内的电力电子器件,因此,VSC-HVDC输电系统对直流线路主保护的速动性提出了极高要求。相比于纵联保护,单端量保护无需通道传输信息,且行波保护原理具有天然的快速性特点,因此本文研究了适用于VSC-HVDC直流线路的单端量行波保护。所提单端量行波保护需要准确检测行波到达保护安装处的时刻,而目前小波变换等常用时频分析法时间分辨率较低,因此引入了具有极高时间分辨率的改进瞬态提取变换(Transient Extracting Transform,TET)用于所提单端量行波保护方案中,准确检测行波的到达时刻。首先,论文在研究VSC-HVDC基本构成以及行波传输理论的基础上,提出了完整的单端量行波主保护方案。该方案包括:基于线模电流的瞬时变化构造的故障启动判据、基于判别零模量是否存在的故障选极判据以及区内外故障识别。其中,重点研究了区内外故障识别,通过分析单、双极区内外故障时行波传播过程的差异性,分别提出了基于线模反向初始行波与零模反向初始行波到达保护安装处的时间差的单极故障保护原理以及基于线模反向初始行波与线模反向第2个行波到达保护安装处的时间差的双极故障保护原理,并构造了单、双极故障保护判据。其次,由于所提保护方案需准确检测行波到达保护安装处的时刻,因此将TET变换引入所提单端量行波保护方案中。结合直流线路故障行波的特点,改进了原始的TET变换,进一步提高了时间分辨率,更准确地检测行波到达时刻。通过仿真验证了改进TET变换能够准确检测行波这类具有阶跃特点信号的突变时刻,且相比于传统时频分析法小波变换具有优越性。最后,将改进TET变换用于所提单双极故障保护方案中各行波到达时刻的检测,并利用PSCAD/EMTDC仿真软件验证了所提利用改进TET变换的单双极故障保护方案的性能。仿真结果表明,利用改进TET变换的单双极故障保护方案能够准确判别区内外故障,具有较好的耐过渡电阻能力,且不受直流侧边界元件参数的影响。此外,通过仿真还验证了利用改进TET变换的单极故障保护方案的性能要高于利用小波变换的单极故障保护方案。

关键词：柔性直流输电线路保护单端行波保护瞬态提取变换行波到达时刻的检测

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的风机轴承故障检测与剩余寿命预测

基于深度学习的风机轴承故障检测与剩余寿命预测

引用

作者：魏红飞北京工业大学

学位级别：硕士

风机广泛应用于轨道交通和建筑等诸多领域,是企业生产的重要设备之一,由于其在高温、高速条件下连续运转,因此对风机的运行状态进行监测及预测剩余可用时间十分重要,对风机滚动轴承进行故障检测及剩余寿命(Remaining Useful Life,RUL)... 详细信息

风机广泛应用于轨道交通和建筑等诸多领域,是企业生产的重要设备之一,由于其在高温、高速条件下连续运转,因此对风机的运行状态进行监测及预测剩余可用时间十分重要,对风机滚动轴承进行故障检测及剩余寿命(Remaining Useful Life,RUL)预测也是该领域的热点。基于此,本文以风机滚动轴承为研究对象,针对风机滚动轴承的外圈故障、内圈故障和滚动体故障进行研究,根据轴承振动信号研究了一种基于改进瞬态提取变换(Transient Extraction Transformation,TET)和深度置信网络(Deep Belief Network,DBN)的风机滚动轴承故障检测与RUL预测方法。主要进行了以下几方面的研究工作:(1)基于小波去噪与TET-Hilbert包络谱分析的风机滚动轴承故障检测方法研究针对风机滚动轴承振动特征多变,导致故障特征难以识别的问题,采用基于小波变换(Wavelet Transform,WT)与TET相结合的方法,并将其应用于风机滚动轴承的故障检测。首先对原始轴承振动信号进行降噪处理,小波变换在时频分析中具有局部化特性,善于处理非平稳信号,能够在去除噪声的同时很好保留信号的突出成分;再利用瞬态提取变换方法对去噪后的信号进行特征提取,TET对滚动轴承振动信号的非线性和非平稳性具有很好的处理效果;在瞬态特征提取建模的基础上,结合Hilbert包络谱分析方法,人工寻找故障频率进而识别出轴承的故障类型。与传统的时频分析方法相比,该方法可以生成更加能量集中的时频表示并允许信号重建。仿真和实验表明所提出的方法可以有效地分析出轴承故障类型,并且可以提供更加能量集中的时频表示。(2)基于RRMS的性能退化评估研究由于不同设备的轴承个体差异影响较大,即使在相同的实验条件下,不同轴承故障类型差异也很大。针对设备退化受轴承故障类型差异影响的问题,采用相对均方根值(Relative Root Mean Square,RRMS)对不同轴承的退化数据进行评估分析。RRMS对初始损伤敏感,且可随着退化稳定增长;RRMS不受轴承个体差异的影响且易于计算,减少了振动特征随机性的影响。仿真实验表明RRMS可以有效地对退化数据进行分段,可以达到评估退化数据的目的。(3)基于APSO-DBN的风机滚动轴承RUL预测研究为解决有限状态数据下滚动轴承RUL难以估算的问题,采用DBN的RUL预测方法,在DBN训练阶段引入粒子群优化算法(Particle Swarm Optimization,PSO),采用自适应粒子群优化(Adaptive Particle Swarm Optimization,APSO)的DBN算法对检测到的故障进行退化过程建模,实现风机滚动轴承的RUL预测。首先在分析DBN基本原理的基础上,利用深度置信网络强大的特征提取能力,对风机滚动轴承的振动信号进行特征提取,并建立时间序列预测模型,并对网络结构及算法流程进行了详细的说明。并针对粒子群优化算法寻优速度慢、收敛精度不高且搜索结果波动性较大的缺点,提出了一种自适应粒子群优化算法。与传统方法比较,优化后的DBN方法更能准确地实现RUL的预测。(4)故障检测与剩余寿命预测的实验验证为了验证改进的TET的故障检测与APSO-DBN剩余寿命预测的有效性,在MFS机械故障综合模拟实验台上采集振动信号进行模拟实验,通过更换不同类型的故障轴承获得轴承的外圈、内圈和滚动体的振动信号。用Matlab仿真软件进行模型搭建,通过实验结果可以看到,本文方法对滚动轴承微小的故障信号有较高的敏感度,能够达到滚动轴承故障检测的目的,对故障轴承进行RUL预测研究,结果显示本文的预测模型可以有效预测滚动轴承的剩余寿命,达到了预测滚动轴承剩余寿命的目的。

关键词：风机滚动轴承故障检测 RUL预测瞬态提取变换深度置信网络

来源：评论

学校读者我要写书评

暂无评论

稀疏时频变换算法若干理论问题与应用

稀疏时频变换算法若干理论问题与应用

引用

作者：董浩然济南大学

学位级别：硕士

时频分析技术着眼于真实信号组成成分的时变特征,将一维时间信号以二维时间-频率密度函数的形式表示出来,旨在揭示信号中具有多少频率分量,以及各分量的变化规律。时频分析兼具数学之美感与工程实用性的双重优势,其在众多前沿科学中均... 详细信息

时频分析技术着眼于真实信号组成成分的时变特征,将一维时间信号以二维时间-频率密度函数的形式表示出来,旨在揭示信号中具有多少频率分量,以及各分量的变化规律。时频分析兼具数学之美感与工程实用性的双重优势,其在众多前沿科学中均扮演着重要角色,能够为解释复杂信号中蕴含的关键信息提供强劲有力的支撑。然而,传统时频变换算法往往会受到Heisenberg不确定原理的限制,由此产生的时频结果具有能量发散、分辨率低、可靠性差的缺点,这将严重干扰数据特征的准确判断。另外,一些新的稀疏时频变换算法虽然已被提出,但其理论问题的应用并未研究。为了探索以上两种问题,本文对最近提出的几种稀疏时频变换算法的理论分析进行了补充并且发展了几种新的稀疏时频变换算法,其具体研究进展如下:针对目前已提出的几种时频后处理算法理论空白问题,补充了这些先进算法的理论分析以支撑其应用。首先,对于频率方向的后处理操作,即同步提取变换(Synchroextracting Transform,SET)和同步压缩变换(Synchrosqueezing Transform,SST),它们拥有相同的瞬时频率估计精度,但具有不同的重构性能,重构性能的比较可以为二者的具体应用提供支撑。其次,对于时间方向的后处理操作,即瞬态提取变换(Transient-extracting Transform,TET)和时间重排同步压缩变换(Time-reassigned Synchrosqueezing Transform,TSST),二者的群延迟估计算子理论分析、重构精度分析和比较、性质推导、实现原理以及应用比较均不完善。完善上述问题,对时间方向的后处理操作方法的应用和改进具有巨大的潜力。针对小波变换(Wavelet Transform,WT)的时频能量发散问题以及瞬态信号有效处理问题,提出了三种适用于瞬态信号特征刻画的后处理工具。首先,在局部相位为一阶泰勒展开近似的弱频变频域信号模型下,利用小波变换时频表示的质心结果来估计信号的群延迟估计算子。将原始小波变换的时频系数累积到质心位置,提出了基于小波变换的时间重排压缩变换(WT-based Time-reassigned Synchrosqueezing Transform,WTSST),以获得稀疏的时频变换结果,同时该过程保留了恢复部分或全部信号的能力。通过理论分析,为WTSST的推广应用提供了理论保障。然而,WTSST的压缩过程不可避免地会对噪声累积,这对于具有微弱特征的非平稳信号依然是一项挑战。通过将压缩操作替换为提取操作,提出了基于小波变换的瞬态提取变换(WT-based Transient-extracting Transform,WTET)。WTET通过仅保留在时频平面中占比最大的质心位置的系数以获得抗噪性能较好的时频表示,同时该方法也保留了重构原始信号的能力。最后,通过定义可知,WTSST和WTET均是在弱频变信号模型下的时频分析方案,对于强频变信号二者依然无法提供稀疏的时频结果。为此,通过在WTSST框架下引入不动点迭代策略,提出了基于小波变换的时间重排多次同步压缩变换(WT-based Time-reassigned Multisynchrosqueezing Transform,WTMSST),通过减小群延迟估计算子与信号的真实群延迟之间的误差,为强频变信号的时频特征提供准确的描述。另外,几种算法的理论分析被提供,以更好地支撑几种方法的有效应用。通过数值信号和真实信号的分析,验证了几种所提方法的有效性和适用范围。针对同时具有类脉冲模态和类谐波模态的非平稳信号难以被现有时频分析技术准确描述,提出了时频压缩变换(Time-frequency-multisqueezing Transform,TFMST)。首先,利用短时傅里叶变换窗口斜率与信号局部啁啾率的比值,建立分类准则,对同一信号中不同的模态进行划分:一部分适合用频域信号模型描述,一部分适合用时域信号模型描述。其次,对适合频域信号描述的部分采取时间方向压缩策略,对适合时域信号描述的部分采取频率方向压缩策略,该过程将克服单一时频压缩策略中的弱幅度调制的假设。通过在上述压缩过程中引入不动点迭代策略以进一步克服单一时频压缩策略中的弱频率调制假设。最后,通过将两部分改善后的时频结果进行拼接整合,实现信号的完整稀疏时频表示,同时保留了重构原始信号的能力。利用该方法对轴承故障信号和碰摩故障信号进行分析,实现了故障特征的有效识别。

关键词：时频分析同步提取变换同步压缩变换瞬态提取变换故障诊断

来源：评论

学校读者我要写书评

暂无评论

面向机械手控制的脑机接口信号处理及分类

面向机械手控制的脑机接口信号处理及分类

引用

作者：韩琳济南大学

学位级别：硕士

脑机接口（Brain-Computer Interface,BCI）是一种能在人脑和外部设备之间形成信息传递直接通路的先进技术。对于神经肌肉通路受损的患者,该技术可以绕过患者受损的外周神经及肌肉,仅依靠脑电信号对外部设备进行控制,达到与外界环境交... 详细信息

脑机接口（Brain-Computer Interface,BCI）是一种能在人脑和外部设备之间形成信息传递直接通路的先进技术。对于神经肌肉通路受损的患者,该技术可以绕过患者受损的外周神经及肌肉,仅依靠脑电信号对外部设备进行控制,达到与外界环境交流的目的。然而,当前脑电信号具有分类速度慢,分类准确度低以及控制外部设备延迟时间长等缺点。因此本文深入探索了视觉诱发脑电信号的处理及分类方法,以非侵入式的方式采集多种视觉刺激机制下的脑电信号,并利用高分辨率的时频分析技术和统计特征技术提取特征向量,采用遗传算法优化后的支持向量机分类后转化为机械手的控制命令,实现患者与外界环境的非接触式交互控制。本文主要的研究内容如下:（1）设计脑电信号采集实验方案和系统。频率刺激中存在脑电信号的大量信息,多频率信号处理是本文研究的重点之一。采用多频率刺激机制,设计实验范式,探究5Hz、7Hz、9Hz等不同频率脑电信号特点。利用Qt搭建数据采集系统,设计采集界面并实现脑电数据的可视化,每组实验结束后保存数据在特定的文件中。针对本文采用的两种实验对象特点制定实验电极的选取方案,处理选定通路的脑电信号。（2）稳态视觉诱发电位脑电处理算法的研究。采用巴特沃斯带通滤波方法对信号噪声进行剔除,对于传统滤波方法无法滤除的眼电伪迹,则通过独立成分分析的方法剔除,以分离出原始的脑电信号。在特征提取方面考虑瞬态提取变换,利用瞬态频率估计算子提取每段样本数据时频结果中脊线上的能量,来达到减少能量分散,提高时频分辨率的目的。选取12种经典统计特征:标准差、中位数、最大值、最小值、平均值、模态、范围、第一四分位数、第二四分位数、变异、偏度、峰度,来计算不同频率脑电信号的特征值,并制作数据集。构建三分类支持向量机模型对脑电信号进行分类;选择径向基核函数并在模型训练中采用遗传算法查找全局最优参数。利用本处理机制,本文以成年正常人和成年食蟹猴为研究对象,对不同脑电信号进行了合理的比较,其中正常人的数据集脑电识别的准确度最高可达95.83%,食蟹猴的数据集脑电识别的准确度最高可达75%。（3）搭建机械手控制平台。采用Qt-Matlab联合编程的方式,设计实时控制机械手系统。在数据采集系统基础上,将Matlab中编写好的上述脑电信号处理算法以及通讯、控制机械手算法进行封装,转化生成多个动态链接库。利用多线程编程方式,在Qt的不同线程中调用库函数,实现脑电数据的实时保存和处理。分类结果转化为机械手控制命令使之执行相应的动作。脑机接口让人类仅凭意念控制外设成为了可能,研究具有实际应用价值的机械手控制系统有利于帮助上肢受损患者与外界环境的交互,提高生活质量。本文的研究为脑电信号的识别和机械手自然控制提供了一种新的思路,对脑机接口未来的日常化应用有重大意义。

关键词：脑-机接口稳态视觉诱发电位瞬态提取变换支持向量机机械手

来源：评论

学校读者我要写书评

暂无评论

基于VMD和神经网络的旋转机械故障诊断研究

基于VMD和神经网络的旋转机械故障诊断研究

引用

作者：徐飞桂林电子科技大学

学位级别：硕士

随着旋转机械在工业中的应用愈发普遍和深入,其运行的关键零部件轴承和齿轮发生故障的可能性也在不断增加。基于振动信号的故障诊断是目前使用较普遍的方法,而其中的时频分析方法可以分析和处理非线性、非平稳信号,因而在实际中应用最... 详细信息

随着旋转机械在工业中的应用愈发普遍和深入,其运行的关键零部件轴承和齿轮发生故障的可能性也在不断增加。基于振动信号的故障诊断是目前使用较普遍的方法,而其中的时频分析方法可以分析和处理非线性、非平稳信号,因而在实际中应用最为广泛。传统的时频分析方法在分析非线性、非平稳信号时,存在着各自的不足。因此,本文对变分模态分解(Variational Mode Decomposition,VMD)存在的参数设定的不足提出优化,并将VMD用于时频分析,得到轴承、齿轮故障的时频表达。同时将VMD和神经网络相结合,研究了旋转机械在变转速条件和在复合情况下故障诊断的新方法。首先,介绍了VMD的理论。通过ECG信号和仿真信号,验证了VMD在抗噪方面、分解信号方面的性能。利用布谷鸟算法对VMD的参数进行了优化,并利用仿真信号和MFPT故障信号对优化后算法的性能进行了检验。其次,针对轴承的故障诊断,利用VMD在多分量信号的分解和多项式调频小波变换(Polynomial chirplet transform,PCT)在非线性信号时频表达方面的优势,提出了基于CS-VMD和PCT轴承故障诊断方法。通过对单一故障轴承、复合故障轴承及轴承全寿命故障数据的故障诊断,验证了所提方法的效果。然后,针对齿轮的故障诊断,通过对比,验证了瞬态提取变换(Transient-extracting transform,TET)在时频能量聚集性方面的优势。阐述了共振稀疏分解(Resonance Sparse Signal Decomposition,RSSD)的理论,利用其对齿轮信号进行稀疏分解,得到高频和低频分量。在此基础上,提出了基于CS-VMD和RSSD-TET的齿轮故障诊断方法,并通过实验验证。最后,介绍了堆叠稀疏自编码(Stacked sparse auto-encoder,SSAE)的原理。将VMD和SSAE相结合,利用样本熵作为特征指标,提出了基于CS-VMD-样本熵和SSAE的齿轮故障诊断方法。同时,重点研究了恒定转速轴承的定性、定量诊断,恒定转速轴承复合故障的诊断,变转速轴承的故障诊断及变转速轴承复合故障的诊断。提出了基于CS-VMD-样本熵和SSAE的恒定转速轴承定性、定量故障诊断方法,基于RSSD、CS-VMD-样本熵及SSAE的恒定转速轴承复合故障诊断方法,基于COT、CS-VMD-样本熵及SSAE的轴承变转速故障以及轴承变转速复合故障的诊断方法。通过实验验证了所提出方法的有效性。

关键词：变分模态分解多项式调频小波变换共振稀疏分解瞬态提取变换堆叠稀疏自编码故障诊断

来源：评论

学校读者我要写书评

暂无评论

基于小波TET的滚动轴承故障诊断

基于小波TET的滚动轴承故障诊断

引用

2020中国自动化大会(CAC2020)

作者：高学金魏红飞张海利高慧慧北京工业大学信息学部数字社区教育部工程研究中心城市轨道交通北京实验室计算智能与智能系统北京市重点实验室

针对滚动轴承振动特征多变导致故障特征难以识别的问题,采用基于小波瞬态提取变换(transient extraction transform, TET)的滚动轴承故障诊断。首先对原始轴承振动信号进行小波降噪处理,小波变换在时频分析中具有局部化特性,善于处理非... 详细信息

针对滚动轴承振动特征多变导致故障特征难以识别的问题,采用基于小波瞬态提取变换(transient extraction transform, TET)的滚动轴承故障诊断。首先对原始轴承振动信号进行小波降噪处理,小波变换在时频分析中具有局部化特性,善于处理非平稳信号,能够在去除噪声的同时很好保留信号的突出成分;然后利用瞬态提取变换方法对去噪后的信号进行特征提取,有效处理滚动轴承振动信号的非线性问题;在瞬态特征提取建模的基础上,结合Hilbert包络谱分析方法,利用滚动轴承的特征频率对应的故障频率识别轴承的故障类型。与传统的时频分析方法相比,该方法可以生成更加能量集中的时频表示并允许信号重建。仿真和实验表明所提出的方法可以有效的诊断轴承故障类型。

关键词：小波去噪瞬态提取变换 Hilbert包络谱分析滚动轴承故障诊断

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：