共查询到20条相似文献,搜索用时 156 毫秒
1.
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
2.
经验模态分解(EMD)方法能够依据信号自身特性将其分解为周期分量和直流分量,它适用于处理非线性和非平稳信号。针对小电流接地系统故障信号的非平稳特征,提出了一种基于EMD的零序衰减直流分量选线方法。该方法对各条线路的零序电流进行EMD分解,得到衰减直流分量,并计算直流分量的均方根。依据故障线路衰减直流分量大于非故障线路的物理特性,准确选出故障线路。通过现场实际运行数据对该方法进行了验证,表明该方法能够有效判断出故障线路,满足实用化要求。 相似文献
3.
4.
基于Hilbert谱提取的舰船发动机故障信号分解 总被引:2,自引:0,他引:2
发动机故障特征提取是进行故障诊断的基础,研究舰船发动机故障信号分解下特征参数提取和专家系统故障诊断识别问题,传统方法中通过经验模态分解方法提取故障信号的基频信息,在特征分解过程中需要预先选择基函数,计算复杂,且不能反映信号的幅值在整个频率段上随频率的变化,故障信息表征不全。提出一种基于改进的经验模态分解Hilbert谱提取的发动机故障诊断方法,采用Hil-bert-Huang变换方法的Hilbert谱提取方法,把舰船发动机故障信号这一复杂信号分解成若干个IMF分量之和,利用局部极大值与局部极小值对信号的特征时间尺度进行信号包络分解,在时变ARMA(2p,2q)模型中,分别对每个IMF用Hilbert-Huang变换进行谱分析,提取故障信号的Hilbert谱特征,在Simu-link平台下进行仿真实验,结果表明该故障诊断方法和智能专家系统能准确诊断发动机5类故障,稳定性好。 相似文献
5.
针对径流时间序列的非平稳特性及中长期预测精度低的问题,本文提出一种新的耦合预测方法:基于EMD分解的均生函数-最优子集回归(Mean Generating Function-Optimum Subset Regression,MGF-OSR)模型。首先利用经验模态分解(Empirical Mode Decomposition,EMD)方法对汾河上游上静游、汾河水库、寨上和兰村4座水文站的年径流序列进行平稳化处理,分别得到若干个固有模态函数(Intrinsic Mode Function,IMF)。对各阶固有模态函数分别建立MGF-OSR模型并进行预测,趋势项用直线拟合的方法进行预测,然后通过重构各预测值得到汾河上游4座水文站年径流量的预测结果,并与单独运用MGF-OSR模型的预测结果进行比较。结果表明,运用基于EMD分解的MGF-OSR模型对汾河上游4站年径流进行预测,准确率均为100%,确定性系数在0.975以上;而单一模型的预测准确率均为40%,确定性系数在0.732以下,耦合模型预测精度明显提高。 相似文献
6.
7.
《内蒙古科技与经济》2019,(21)
针对掘锚机齿轮箱故障信号具有非平稳、振动模式复杂的特点,传统方法难以进行诊断的问题,提出一种基于EEMD(Ensemble Empirical Mode Decomposition,EEMD)与多通路一维CNN(Convolutional Neural Networks, CNN)的掘锚机齿轮箱故障诊断方法。首先对齿轮箱振动信号进行EEMD分解得到内禀模式函数(Intrinsic mode function,IMF);然后利用多通路1DCNN自适应提取每个分量的特征,并将提取的特征通过一个全连接层进行拼接;最后通过分类器进行分类识别,实现齿轮箱的自动诊断。实验证明,所提方法具有较高准确率,具有一定的实用性。 相似文献
8.
9.
10.
局域波分解方法是提取数据局部平均值,绘制曲线,将信号信息分解成几个有物理性质的分量,从而分析信号的各种特征。对局域波分析方法进行推广,应用具有非平稳随机性的股票数据分析问题上,提出了分解算法,并进行了仿真验证。 相似文献
11.
根据信号的时频特征,建立了多分量信号与单分量信号之间的对应关系,并以此为基础提出了一种新的基于信号时频特征的非线性系统性能诊断技术。利用经验模态分解方法将多分量信号分解为一系列内蕴模态分量和残差函数,然后进行主成分分析,避免了模态分量间的相互关联与混叠,从而提高了Hilbert-Huang变换处理非平稳信号的准确性。以某电厂锅炉排烟温度波动诊断进行算例分析,结果表明此改进的HHT方法可有效分析各独立分量对系统性能参数的关联度。 相似文献
12.
13.
根据现有高压断路器机械的故障诊断方案不足,本文就高压断路器发生振声联合故障提出一种新的诊断方法。此方法基于改进集合经验模式分解(EEMD),利用核独立分量(fast KIcA)对采集到的声波信号进行分析核对盲源进行分离处理,并对处理后的声波信号以及振动信号进行EEMD处理。再对每一个分解后产生的固有模态函数(IMF)进行二维谱熵求解,再以此二维谱熵矩阵为基础对矩阵进行变换,作为其支持向量机的特征向量的输入识别断路器机械的状态。可以发现,振声联合分析方法可以有效提高高压断路器机械诊断的正确和可使用性。 相似文献
14.
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
15.
基于经验模态分解的中国生态足迹与生态承载力动力学预测 总被引:6,自引:2,他引:4
利用mathcad2001和matlab6.5软件,计算了中国1961年~2005年生态足迹和生态承载力,通过经验模态分解(EMD)方法对其进行分析,在此基础上,建立动力学模型对其未来进行预测,希望能通过对中国生态足迹动态研究,建立一个带有周期波动的动力学预测模型,为研究长时间序列的动态变化提供一个全新的研究方法。通过EMD分析后我们可以得到研究要素的不同时间尺度的演化曲线,将这些曲线看成是系统在不同时间尺度下的特解,则可以根据不同时间尺度的EMD分量的曲线够建起对应的动力模型,如趋势项一般对应于指数或线形动力方程,大尺度的周期分量一般可以对应于正弦或与余弦形式的动力方程,最后我们建立一个总的动力预测模型。研究结果表明:随着生态足迹的增大和生态承载力的减小,中国未来20年的生态赤字越来越大,由2006年的-0.932到2025年的-1.632,接近2倍,发展处于不可持续状态。经验模态分解(EMD)方法能很好的分解出生态足迹和生态承载力的波动周期,符合它们的发展规律,并用动力学预测了它们的发展态势,经拟合表明,预测的结果与实际值误差较小。这说明基于EMD的动力学预测模型是科学的。 相似文献
16.
利用matlab软件进行仿真分析,探讨各类循环平稳信号EMD去噪分解算法的局限性。总结了单独调幅信号、单独调频信号、单独调频调幅信号EMD去噪分解的局限性。 相似文献
17.
运用涡流探伤技术检测焊管的焊接质量,输出的检测信号非常复杂,是一种非线性、非平稳的信号。本文探讨了几种现代信号分析方法,并分析了它们的优缺点,分析经验模态分解(EMD)方法在检测焊管涡流探伤信号上的应用优势,指出经验模态分解方法的应用前景。 相似文献
18.
针对单通道情况下传统盲源分离方法难以恢复源信号的问题,提出一种基于变分模态分解(VMD)的单通道信号盲源分离方法。首先对单通道信号进行变分模态分解(VMD)获得一系列本征模态函数(IMF)分量,将单通道信号和其IMF分量构成多维信号,然后采用主成分分析法估计源数,依据估计的源信号数目重组多通道观测信号,最后利用改进的变步长等变自适应分离(VSEASI)算法实现信号的盲分离。将所提出方法应用于齿轮和轴承的单通道信号仿真研究,仿真结果表明,该方法能够有效地分离出齿轮和轴承信号,解决了单通道信号盲源分离问题。 相似文献
19.