共查询到20条相似文献，搜索用时 15 毫秒
1.
针对齿轮常见故障及信号在传统EMD算法分解中产生的端点效应,提出一种基于改进经验模态分解（EMD）与快速独立分量分析（FastICA）—样本熵的齿轮故障特征提取方法。首先对信号进行EMD分解,得到一系列IMF分量和残余量,在此过程中通过匹配差别最小的极值包络线段确定端点处极值,然后从每个信号中分别选取周期性明显的分量与原始信号组成混合信号作为FastICA的输入,获得ICA计算后的分量,最后分别计算EMD分量与各独立分量的样本熵。实验结果表明,改进后的EMD算法可以有效改善端点效应问题,并通过与EMD—样本熵的对比,表明FastICA—样本熵能更明显、稳定地反映齿轮故障,因此可作为一种有效的故障特征。 相似文献
2.
经验模态分解(EMD)广泛应用在故障分析过程中,特征提取时从状态信息中提取与机械设备故障有关的信息［1］。针对经验模态分解受噪声影响较大的问题,提出多分辨奇异值分解的方法,可以先利用多分辨奇异值分解将信号分成具有不同分辨率的近似信号和细节信号实现信号降噪,再进行经验模态分解,并计算其Hilbert边际谱得到准确的特征频率。实验通过仿真信号和滚动轴承故障特征提取,证明了多分辨奇异值分解（MRSVD-EMD）方法在滚动轴承故障诊断中能有效去除信号中的噪声成分,提取故障特征频率。 相似文献
3.
轴承作为工业中旋转机械中的重要部件,其故障将严重影响机械设备的安全运行.为了实现对轴承运行故障状态的有效诊断,提出了一种基于经验模态分解(empirical mode decomposition,EMD)提取的多特征参数的关联向量机的(Relevance vector machine,RVM)的滚动轴承的多故障诊断模型.首先运用经验模态分解的方法将轴承振动信号分解为多个固有的模态分量,之后将提取的表征轴承故障特征的IMF分量的能量、峭度、偏度构造特征向量,最后采用关联向量机多分类故障诊断模型进行故障模式识别.轴承实测振动信号分析表明:该方法能够有效、准确地诊断出轴承的故障状态,具有较高故障诊断准确率. 相似文献
4.
目的：齿轮箱的振动信号频谱结构比较复杂,难以提取其故障特征频率。傅里叶分解方法可以将振动信号分解为多个单分量信号,利用共振频率筛选出最优分量并进行包络解调,识别特征频率以实现故障诊断。创新点：1.为了求解共振频率,提出一种基于短时向量的最大奇异值比方法;2.将傅里叶分解方法引入到齿轮箱故障诊断中,并利用共振频率选择最优分量进行包络解调以提取故障特征频率。方法：1.分析奇异值比与冲击信号的关系,提出求解共振频率的最大奇异值比方法;2.对比最大奇异值比方法与谱峭度方法在求解共振频率方面的表现,从而验证最大奇异值比方法的有效性;3.对比分析所提方法与传统的总体经验模态分解（EEMD）和变分模态分解（VMD）方法在信号分解与故障特征提取方面的效果,并通过仿真和实验进行验证。结论：1.最大奇异值比方法能够准确计算出共振频率,比谱峭度方法求解的频率值更加精确;2.基于傅里叶分解方法和最大奇异值比的共振解调方法能够有效提取故障特征频率,其在故障诊断方面的表现优于EEMD和VMD方法。 相似文献
5.
经验模态分解(EMD)是以信号极值特征尺度为度量的时空滤波器,它充分保留了信号本身的非线性和非平稳特征,在信号去噪中具有较大的优势.本文以电力绝缘气体SF6为研究对象,在介绍EMD分解方法的基础上,首先对含噪的SF6光谱信号做EMD分解,得到各阶本征模态函数(IMF),然后对高频的IMF分量用阈值法进行处理,把经过阈值处理后的高频IMF分量与低频IMF分量叠加重构得到去噪后的信号.分析了在不同噪声水平上与小波阈值去噪方法的处理效果.实验结果表明EMD阈值去噪法有效地去除了噪声,较好地保留了光谱的细节信息,与小波阈值去噪方法相比较具有自适应的优势. 相似文献
6.
韩清滨 《辽宁科技学院学报》2023,(5):85-88
文章基于经验模态分解（EMD）和复杂度相结合的方法对大连和郑州商品交易所的近5年的农产品期货交易额进行非线性分析。首先，对两大交易所的农产品期货交易额进行非线性定性分析，然后对交易额进行EMD分解，得出两大交易所农产品交易额的有效基本模式分量（IMF），并对交易所的农产品期货交易额第1层IMF进行复杂度分析，能有效实现其非线性特征的定量评估。 相似文献
7.
《濮阳职业技术学院学报》2015,(4)
针对Wigner-Ville分布(WVD)存在交叉项干扰的问题,采用基于经验模态分解(EMD)的WVD交叉项抑制方法,将齿轮故障信号分解为各阶固有模态函数,剔除伪分量后计算其各阶WVD,将WVD计算结果线性叠加就得到原始故障信号的WVD时频分布。仿真和实验结果表明,该方法结合EMD和WVD的优点,有效抑制WVD交叉项的干扰,保证其时频分布聚集性,达到诊断齿轮故障的目的。 相似文献
8.
《东南大学学报》2021,(1)
为了有效提取轴承的故障特征,避免轴承损伤引起的冲击成分受到离散频率分量和背景噪声的干扰,提出了一种基于倒谱编辑信号预白化和辛几何模态分解数量规律的轴承故障特征提取方法.首先,对原始信号进行倒谱预白化来增强轴承故障的冲击特性,去除复杂振动信号中的周期性频率成分,产生只包含背景噪声和损伤引起的非平稳冲击成分的白化信号.其次,发现了辛几何模态分解中哈密顿矩阵的有效特征值数目与信号中的频率个数成2倍的数量规律,并通过仿真和理论推导验证了该数量规律.最后,构造预白化信号的轨迹矩阵,进行辛几何模态分解,根据发现的数量规律,选择相应的特征向量重构信号,进行希尔伯特包络谱分析,并提取故障特征.通过仿真分析和应用实例证明,所提方法可以清晰地提取轴承的故障特征. 相似文献
9.
岳霞丽 《教育前沿(综合版)》2015,(1)
机械设备故障信号的调制特性使得包络解调分析能够有效地提高信噪比和分析效果,能比较有效地诊断机械设备的早期故障,因此,包络分析一直是机械设备故障诊断的热点,也是最成功的诊断方法之一。丁康等提出了一种用复解析带通滤波器的包络分析,将希尔伯特变换和带通滤波合为一体,把不包含故障信息的信号滤掉,并且避免了广义检波滤波解调分析中的混频现象。文献为了克服包络谱分析需要人为设定带通滤波的中心频率和带宽的缺点,提出了基于经验模式分解的包络谱分析,利用经验模式分解自适应地把机械设备振动信号从高到低分解到不同的频带,然后选择包含故障信号最丰富的高频带作包络分析,从而实现轴承不同工作状态的识别。 相似文献
10.
《滨州学院学报》2022,(2):27-35
滚动轴承是航空发动机转子系统中重要的支撑部件,其运行状态直接影响整台发动机的工作性能。介绍了基于盲源分离技术的滚动轴承振动信号分析与故障诊断方法,分析了滚动轴承典型故障机理。通过对某型航空发动机进行现场测试,完成了针对其轴承振动信号的测试和数据采集工作,并通过MATLAB软件编程实现其振动信号的分析。采用盲源分离中的独立分量分析(ICA)方法和频谱分析方法,提取主轴轴承的振动信号并与理论计算的故障频率对比,进行轴承故障诊断及状态识别。对实际航空发动机轴承及模拟试验台滚动轴承振动测试信号的分析结果表明,所采用的盲源分离方法可以有效地检测和诊断滚动轴承故障。 相似文献
11.
经验模态分解( empirical mode decomposition,EMD)存在端点飞翼的固有问题,使信号两端出现扭曲失真。为抑制EMD端点效应,文章提出双重对称延拓法,以端部数据对称延拓作为首次延拓,以极值点对称延拓作为二次延拓,该方法可同时实现EMD分解和Hilbert变换两阶段端点效应的抑制。仿真信号和地震响应的工程算例通过IMF分量对比、瞬时频率对比,以及整体正交性、相关系数等指标的对比,验证了该方法具有良好的端点效应抑制效果,同时还能改善IMF分量之间的正交性,并节约计算时间。 相似文献
12.
基于小波包络分析的滚动轴承故障诊断研究 总被引：3，自引：0，他引：3
滚动轴承出现故障时的振动信号是非平稳信号,傅立叶变换方法难以达到满意的效果。小波分析可同时从时域和频域两个方面对信号进行分析,十分适于滚动轴承的故障诊断。根据滚动轴承故障诊断理论,通过构造轴承上有单个损伤点时的仿真信号,应用小波包分析与包络分析相结合的方法,成功提取了滚动轴承的故障特征,并在此基础上对实测的滚动轴承振动信号进行分析,实验结果表明小波包络技术可以有效的提取滚动轴承故障信号。 相似文献
13.
鉴于高精度北斗定位单频观测数据中微小周跳难以检测的问题,基于完全经验模态分解（CEEMD）和最小二乘支持向量（LS—SVM）提出一种检测与修复单频小周跳的方法。该方法首先采用伪距测量和载波相位观测量构造周跳检测量,并通过CEEMD分解得到多个IMF分量,再利用相关性分析获得周跳信号明显的IMF分量,通过对所选取的分量进行Hilbert分析,用最大点的位置确定待检测周跳的历元。最后,通过使用既定的预测模型,将测量值与预测值进行比较,进而完成修复。结果表明,该方法消除了EMD分解IMF分量存在的模式混叠问题对周跳探测精度的影响,可以有效地检测和修复高精度北斗定位单频观测数据中的小周跳。 相似文献
14.
针对矿山微震与爆破信号难以识别的问题,提出一种基于局部均值分解（LMD）和奇异值分解（SVD）的微震信号特征提取方法。首先对矿山微震信号和爆破信号进行LMD分解,将多分量的调频信号分解成一系列频率由高到低的乘积函数（PF）分量;其次,借助相关系数和方差贡献率筛选出包含信号主要信息的PF分量;最后利用SVD计算所选的PF分量构成矩阵奇异值,以此作为区分矿山微震与爆破信号的特征向量。实验结果表明,LMD和SVD相结合的特征提取方法能准确、有效地提取矿山微震和爆破信号特征,为信号识别研究提供了一种新方法。 相似文献
15.
《赤峰学院学报(自然科学版)》2017,(11)
针对放顶煤中煤岩界面难以识别的问题,对采煤机滚筒振动信号进行研究,提出一种基于集成经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)与概率神经网络(Probabilistic Neural Network,PNN)的煤岩界面识别方法.首先,利用EEMD对采集到的摇臂振动信号进行分解,得到一系列IMF分量,然后利用相关系数法对IMF进行筛选,提取有效分量进行能量熵特征提取,最后结合PNN识别器对割煤和割岩信号进行识别.实验研究表明,基于EEMD和PNN的煤岩界面识别方法能有效的识别割煤和割岩两种状态,识别率高达88%,是一种有效的煤岩界面识别方法. 相似文献
16.
针对运动想象脑电特征的提取与识别,提出了一种采用经验模态分解(EMD)提取脑电信号能量特征与幅值特征的分类识别方法。首先用时间窗对脑电信号进行细分;然后利用EMD方法对细分后的数据进行分解,取前三阶的固有模态函数分量(IMF),提取能量和平均幅值差作为特征向量;最后,使用支持向量机对左右手运动想象进行分类识别。多次仿真试验数据表明,分类准确度达到88.57%,证明了该方法有效、适用。 相似文献
17.
为了提高传统方法生成交通拥堵指数（TPI）的准确率,引入一种基于经验模态分解（EMD）与Elman神经网络的组合模型实现交通拥堵指数预测。首先,利用EMD将TPI序列分解为不同时间尺度下的IMF分量和剩余分量;然后,通过偏自相关函数（PACF）计算各分量的滞后期数,以此确定各分量在Elman神经网络中的输入和输出变量;之后,通过上述方法计算出各分量预测值并相加;最后,计算出总预测结果。通过计算结果可知,EMD-PACF-Elman预测方法3个评价指标（平均绝对误差、均方误差、平均绝对百分误差）的计算结果与单一Elman神经网络模型、EMD-Elman神经网络模型、单一BP神经网络模型、EMD-BP神经网络模型相比都为最低,分别为0.562 4、0.598 9、0.110 7。因此, EMD-PACF-Elman预测方法可以有效地预测TPI,同时也为进一步预测交通拥堵趋势提供了依据。 相似文献
18.
19.
基于经验模态分解的筛选条件研究 总被引：1，自引：0，他引：1
经验模态分解是Hilbert—Huang变换（HHT）的关键算法,它分解信号的能力直接影响到HHT的实用性和应用价值．为了研究经验模态分解对多分量复合信号的筛选条件,我们主要研究了在理想条件下经验模态分解筛选过程的特性及其对双分量信号模型的筛选条件,然后推出经验模态分解对多分量复合信号的筛选条件,并给出相应数值实验分析． 相似文献
20.
《东南大学学报》2021,(1)
针对傅里叶分解对噪声敏感且存在模态混叠导致无法准确提取齿轮箱故障特征的问题,提出了一种复合字典降噪与优化傅里叶分解相结合的齿轮箱故障特征提取方法.首先,根据齿轮箱信号特点构造复合字典,结合正交匹配追踪算法降低振动信号中的噪声;其次,针对傅里叶分解过程中的模态混叠现象,提出了利用频谱的极值点划分频带的方法对其进行优化,提高分解质量;再次,使用优化的傅里叶分解将信号分解为若干个傅里叶本征模态分量;最后,选择与降噪后信号相关系数最大的傅里叶本征模态分量进行包络谱分析.该方法可以准确提取振动信号的故障特征频率.通过对齿轮箱故障仿真信号和实验齿轮箱振动信号进行分析,验证了该方法的有效性. 相似文献