-
题名一种基于功率谱重心的自适应特征信息提取方法
被引量：3
- 1
-
-
作者
司刚全
曹晖
张彦斌
马西奎
-
机构
西安交通大学电气工程学院
-
出处
《数据采集与处理》
CSCD
北大核心
2008年第6期691-695,共5页
-
基金
国家"八六三"高技术研究发展计划(2006AA04Z180)资助项目
-
文摘
提出一种基于功率谱重心的自适应特征信息提取方法。该方法通过对不同状态转换过程中的灵敏度分布进行分析获得特征功率谱,然后计算特征功率谱的重心频率以及自适应加权系数,对特征功率谱进行自适应加权计算获得特征信息。文中给出了将自适应特征信息提取方法应用于磨煤机噪声信号特征提取的实例,对比分析了采用不同特征信息提取方法的效果。仿真结果表明,所提出的自适应特征信息提取方法能够准确剔除无效信息,自主适应运行工况变化,具有较好的灵敏度和线性度,为提高软测量模型的预测精度和泛化性能提供了保证。
-
关键词
自适应特征提取
功率谱重心
特征频段
磨机负荷
软测量
-
Keywords
self-adaptive feature extraction
power spectral centroid
characteristic spectra
mill load
soft sensing
-
分类号
TP274
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于振幅熵和功率谱重心的转子振动故障诊断
被引量：5
- 2
-
-
作者
邵伟芹
刘晓波
张明明
涂俊超
-
机构
南昌航空大学航空制造工程学院
-
出处
《中国工程机械学报》
北大核心
2017年第2期158-164,共7页
-
基金
国家自然科学基金资助项目(51365040)
航空科学基金资助项目(2013ZD56009)
+1 种基金
江西省自然科学基金资助项目(20151BAB206060)
江西省研究生创新专项资金资助项目(YC2015-S314)
-
文摘
对信号进行特征提取是故障诊断的关键,为了提高转子振动故障诊断的准确性,根据转子振动的特点提出了基于振幅熵H(A)与功率谱重心C的转子振动故障诊断方法.通过计算功率谱的重心得到表征功率谱变化的功率谱重心特征,计算振幅的熵值得到反映幅值分布特征与振动集中程度的振幅熵特征,组成二维特征量(H(A),C).然后通过转子故障模拟实验采集数据,对其进行DBSCAN聚类、K均值聚类、层次聚类、网格聚类4种聚类分析.结果表明,基于振幅熵H(A)与功率谱重心C的二维特征量(H(A),C)能够作为评价转子振动状态的综合特征指标.通过对传统的二维特征量(偏度、均方根值)、(裕度、标准差)运用网格聚类法进行转子振动故障诊断识别,结果表明,(H(A),C)的选取较于传统特征量的选取能更好地对转子运行中出现的常见故障进行区分.
-
关键词
转子
聚类
振幅熵H(A)
功率谱重心C
故障诊断
-
Keywords
rotor
cluster
amplitude entropy H （A）
power spectral centroid C
fault diagnosis
-
分类号
V263.6
[航空宇航科学与技术—航空宇航制造工程]
-
