共查询到20条相似文献，搜索用时 15 毫秒
1.
2.
3.
4.
《内蒙古科技与经济》2017,(17)
针对由Teager提出的能量算子解调方法在处理振动信号时波形不够光滑,频率值不够准确的问题,引入了对称差分能量算子解调方法,并提出了基于自相关降噪与小波包分解的对称差分能量算子相结合的解调方法,对轴承故障信号进行处理。 相似文献
5.
提出基于dbN小波算子小波变换分解行星齿轮故障特征的故障检测算法,算法可以在轻微损坏时就较好地判断出齿轮故障。通过分析行星齿轮的故障成型,以及故障的冲击振动传播路径,建立其故障模型,在利用小波变换方法对其故障信号进行分析,检测方法可以较好地进行故障识别与检测,对比传统的傅里叶变换,新算法可以对微弱信号识别,能同时判断缺陷轮齿的频率和出现的时间,在排除故障时能准确分析故障位置,以及故障类型。仿真实验表明改进算法小波变换,具有弱信号检测能力强,准确判断故障出现时间,为尽早发现故障与解决故障问题提供了保障,故障检测概率提高了15%。具有较好的工程实用性。 相似文献
6.
《内蒙古科技与经济》2016,(21)
针对齿轮箱早期故障振动信号非平稳、强噪声,故障频率难提取的问题,提出了基于变分模态分解(Variational Mode Decomposition,VMD)和包络解调的齿轮箱故障诊断方法,为齿轮箱状态监测提供依据。 相似文献
7.
轴承早期的故障信号属于微弱信号,在强噪声背景下很难被发现,针对该问题,提出了一种局部均值分解(Local Mean Decomposition)方法的滚动轴承故障特征提取方法。通过分析故障仿真信号发现LMD将复杂信号分解为若干PF分量,先用MED对故障信号进行降噪,然后对降噪后的信号进行LMD分解,成功提取了故障信号。 相似文献
8.
由于滚动轴承故障信号的频带难以识别,故传统方法在诊断故障过程中存在故障识别准确率较低等问题,提出基于自适应变分模态分解(AAVMD)的滚动轴承故障诊断方法。首先,确定准确的模态数,并利用模态数确定方法获取最大峭度值;然后,对初始振动信号进行AAVMD分解,得到固定数量的本征模态分解量(IMF);再利用共振技术选取具有丰富故障信息的IMF分量;最后,处理所选取IMF分量的带通滤波,并对其进行包络解调分析,通过上述步骤获取故障特征频率,完成滚动轴承故障诊断。实验结果表明,所提方法能够有效提高故障识别准确率,且具有较强的实用性。 相似文献
9.
10.
11.
12.
针对某炼钢厂除尘风机服役在高温、高湿、多粉尘恶劣环境下以及强背景噪声的,致使其驱动侧滚动轴承振动信号呈现多源耦合与非线性调制特征的问题,运用融合变分模态分解(Variational Mode Decomposition,VMD)与最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)实现了对除尘风机滚动轴承振动信号的降噪、故障特征频率的提取,并通过包络解调方法完成了故障的识别。 相似文献
13.
滚动轴承是机械设备中广泛应用的零件,其运行状态直接影响着整个机械设备的安全,因此进行滚动轴承的早期故障诊断十分重要。本文结合EMD（经验模态分解）和Hilbert包络解调技术,对滚动轴承故障信号进行了分析,首先利用EMD将信号分解成含不同频率成分的多个IMF（本征模态函数）分量,然后挑选其中的高频IMF分量进行Hilbert包络解调,有效提取出了信号中的故障特征,验证了基于EMD的Hilbert包络解调分析方法在滚动轴承故障分析中的有效性。 相似文献
14.
15.
重载的铁路货车滚动轴承极易出现损伤类故障,因故障的突发性使得振动信号具有非线性、非平稳的特性,且振动信号极易受非检测部位振动的干扰,而使得有效信号不易被提取,传统的基于傅里叶变换的检测方法无法有效将非平稳的振动信号中的干扰去除,造成最终的检测准确率不高的问题。为了提高检测准确率,提出基于小波包的检测方法,首先针对振动信号的非平稳特性采用小波滤波有效去除其中的干扰,然后通过最小二乘支持向量机提取出非平稳振动信号中的故障特征信号并完成故障检测。实验表明,这种方法能够有效去除振动信号中的干扰,并准确检测重载铁路货车上的滚动轴承损伤故障。 相似文献
16.
张娅婷 《内蒙古科技与经济》2019,(10)
针对常用的特征提取方法存在着误差较大,且方法多样难以有效对其进行选取等问题,提出一种基于变分模态分解和卷积神经网络的脱硫增压风机轴承智能诊断故障诊断方法,首先对信号做变分模态分解,以期把信号中不同成分分解到不同的频段节点上;最后对包含有故障信号的不同节点作为卷积神经网络的输入进行自动特征提取,利用分类器对特征进行分类,从而实现脱硫增压风机轴承的故障智能诊断。 相似文献
17.
根据信号与噪声在小波变换下的不同特征，可以运用小波变换来消除噪声：模极大值小波域消噪算法只能采用二进制尺度分解，这限制了一些信号的分析结果。针对该不足进行了改进，采用自适应选择分解尺度代替二进制尺度分解尺度， 相似文献
18.
19.
本文针对滚动轴承出现故障时产生的振动信号具有非平稳信号的特点,通过小波包变换提取故障信号的特征向量,采用Fisher判别分析对提取的特征向量进行故障分类.实验结果表明所提方法的有效性. 相似文献
20.
信号故障特征的提取是机械故障诊断的重要依据,为提取信号故障特征,需对振动信号进行处理。对振动信号分析和处理方法的研究一直是机械故障诊断领域最重要研究方向之一。目前常用的信号处理方法主要分为时域分析、频域分析、时频分析三大类,由于工程现场拾取的振动信号一般均为非线性、平稳信号,因而数学形态学方法、短时傅里叶变换、小波变换和希尔伯特-黄变换更适于处理这类信号,然而这些方法还存在着各种问题。本文主要对这些方法的特点进行了概述、分析和对比,最后给出了总结展望。 相似文献