共查询到20条相似文献，搜索用时 15 毫秒
1.
2.
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
3.
4.
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
5.
《内蒙古科技与经济》2017,(9)
针对滚动轴承信号的不规则特性及振动信号表现出强非平稳性给滚动轴承故障特征提取带来困难的问题,提出VMD变分模态分解与对称差分能量算子解调的滚动轴承故障诊断方法。仿真实验结果表明所提方法能够有效地对滚动轴承进行故障诊断。 相似文献
6.
7.
《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
8.
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
9.
多目标无限方差网络攻击作为一种新的病毒攻击方式,对网络安全造成严重威胁,通过对多目标攻击源的时频盲源分离,准确检测和发掘攻击信号源和特征,提高检测性能。传统方法中对攻击源的分离算法采用随机场谱峰搜索算法,存在计算量大的问题。提出一种基于近场源DOA估计的多目标无限方差网络攻击下时频盲源分离算法。为了提高多目标无限方差网络攻击近场源的识别概率,对提取得到的波束域约束指向性特征输出结果进行频分复用分解,通过时频特征提取,得到相关的攻击信号源参数,在多目标无限方差网络攻击近场源模型中,设计匹配滤波器,把近场源的参数估计问题变成了一个三维参数联合DOA估计问题,实现对网络攻击源时频盲源分离。仿真结果表明,具有较好的网络攻击时频盲分离性能,对攻击源估计的均方根误差较传统算法明显减小,实现了对攻击信源的准确识别和检测。 相似文献
10.
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
11.
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
12.
针对现有盲源分离方法存在的源信号类型和高斯信号个数受限制问题,提出一种基于非线性函数和简化粒子群优化的盲源分离新算法.算法采用依据源信号类型选取的非线性函数作为目标函数,运用简化粒子群优化算法对目标函数进行优化,实现多类型源信号同时混合的盲源分离.仿真结果表明,本算法能够有效实现源信号为多类型和含有2路高斯信号的盲源分离.与其他算法相比,本算法收敛速度更快,分离精度更高. 相似文献
13.
14.
15.
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
16.
针对早期轴承故障的振动信号特征匹配度低的问题,本文给出一种优化VMD在轴承故障诊断中的应用。首先通过优化VMD突出信号有效信息;然后提取出最佳分量的特征向量;最后将支持向量机作为分类算法,识别轴承的故障类型。实验结果表明,该方法避免了VMD参数选取的盲目性,能够有效诊断出轴承的早期故障。 相似文献
17.
针对后非线性盲源分离中非线性参数估计中存在的问题,提出一种基于改进的自适应遗传算法的后非线性盲源分离方法.该方法给出一种新的适应度函数,利用适应度函数值反馈调节交叉概率和变异概率的选取,并将优先进化策略和模拟退火机制引入遗传算法中,再通过线性分离算法得到分离矩阵.仿真验证表明,该方法较传统方法具有更快的收敛速度和较高的分离精度. 相似文献
18.
盲分离技术是信号处理领域研究的热点问题,在源信号和混合过程未知的情况下,从混合信号中分离出源信号.重点研究了混合语音信号的盲分离方法,对语音信号进行加窗傅立叶变换,采用定点ICA算法对混合语音信号进行分离.最后使用Matlab软件对算法进行了仿真. 相似文献
19.
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
20.
针对目前盲分离算法还无法满足对语音信号盲分离的精度需求,本文提出一种新型语音信号盲分离算法。该算法在最小增益的语音盲分离算法的基础上,针对其缺陷,引入了广义高斯分布模型,对最小增益的语音盲分离算法的迭代运算进行了优化处理,通过计算每次迭代后恢复出来的每个源的峰度值来增加原算法的分离精度。通过仿真试验进行验证,得到的结果是:改进的算法不仅仅没有失去本真效果,经过分离语音信号,对原始语音信号的波形基本保持在一定的范围内,而且表现出较好的性能。 相似文献