期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于形态非抽样小波分解的滚动轴承故障特征提取
被引量：
9
1
作者
黄兵锋
沈路
+1 位作者
周晓军
刘莉
《农业机械学报》
EI
CAS
CSCD
北大核心
2010年第2期203-207,共5页
针对滚动轴承故障特征信息往往被强背景噪声淹没的问题,提出采用基于多尺度差值形态滤波的形态非抽样小波分解方法提取故障特征。形态非抽样小波分解具有形态学的形态滤波特性与小波分解的多分辨率特性,通过非抽样方式对信号进行分解,...
针对滚动轴承故障特征信息往往被强背景噪声淹没的问题,提出采用基于多尺度差值形态滤波的形态非抽样小波分解方法提取故障特征。形态非抽样小波分解具有形态学的形态滤波特性与小波分解的多分辨率特性,通过非抽样方式对信号进行分解,克服了传统形态小波分解信息丢失的问题。结合差值形态滤波能够提取信号冲击成分的特点,构造了一种基于多尺度差值形态滤波的形态非抽样小波分解方法,并将其应用于滚动轴承故障特征的提取。仿真与实例证明,该方法可有效提取信号中的故障特征,比传统小波包分解效果更好。形态非抽样小波分解算法只包含加减和极大、极小运算,具有计算简单、快速等优点,适用于滚动轴承的在线监测与故障诊断。
展开更多
关键词
滚动轴承
故障诊断
特征提取
形态非抽样小波分解
在线阅读
下载PDF
职称材料
一种基于WMUWD的液压泵振动信号预处理方法
被引量：
6
2
作者
孙健
李洪儒
+1 位作者
王卫国
许葆华
《振动与冲击》
EI
CSCD
北大核心
2015年第21期93-99,共7页
针对轴向柱塞液压泵故障引起的振动信号非线性强、故障信息湮灭在噪声干扰的问题,提出一种基于加权形态非抽样小波分解(WMUWD)的振动信号预处理方法。首先,在形态非抽样小波分解的一般框架下,提出WMUWD方法,利用特征能量因子表征形态非...
针对轴向柱塞液压泵故障引起的振动信号非线性强、故障信息湮灭在噪声干扰的问题,提出一种基于加权形态非抽样小波分解(WMUWD)的振动信号预处理方法。首先,在形态非抽样小波分解的一般框架下,提出WMUWD方法,利用特征能量因子表征形态非抽样各分解层近似信号对故障特征的贡献量,并以此为依据进行加权融合,以提高有用信息比重,便于特征提取;在此基础上,对WMUWD方法的初始参数设置进行了分析,给出了一套比较系统的优选组合方法;最后,利用仿真信号以及液压泵实测振动信号验证了该方法的有效性。
展开更多
关键词
信号预处理
形态非抽样小波分解
加权融合
液压泵
在线阅读
下载PDF
职称材料
基于MUDW的多测点齿轮故障信号融合处理
被引量：
2
3
作者
仝蕊
康建设
+1 位作者
李宝晨
陈疆萍
《空军工程大学学报（自然科学版）》
CSCD
北大核心
2020年第4期7-14,共8页
针对传统齿轮故障信号处理中,对单一信号进行处理造成的敏感特征信息遗失问题,提出形态非抽样小波(MUDW)的多测点齿轮故障振动信号融合预处理方法,以充分利用各信号所蕴含的特征信息,减少噪声及干扰成分的影响。该方法首先应用时域同步...
针对传统齿轮故障信号处理中,对单一信号进行处理造成的敏感特征信息遗失问题,提出形态非抽样小波(MUDW)的多测点齿轮故障振动信号融合预处理方法,以充分利用各信号所蕴含的特征信息,减少噪声及干扰成分的影响。该方法首先应用时域同步平均(TSA)对各通道信号进行预处理;然后,根据形态非抽样小波的基础框架将信号分解,并采用相关峭度(CK)和加权运算的方式,表征各分解层近似信号对故障特征的贡献量,提高有用近似信号的比重;在此基础上,建立融合准则将各分解层信号进行融合,改善重构信号的特征信息;最后,齿轮裂纹故障实验证明:该方法能够较好地抑制噪声,明显突出故障齿轮啮合频率及其倍频,融合效果理想。
展开更多
关键词
信号预处理
多测点信息融合
形态非抽样小波分解
相关峭度
加权融合
在线阅读
下载PDF
职称材料
题名
基于形态非抽样小波分解的滚动轴承故障特征提取
被引量：
9
1
作者
黄兵锋
沈路
周晓军
刘莉
机构
湖北汽车工业学院汽车工程系
浙江大学现代制造工程研究所
内蒙古一机集团大地工程机械有限公司
出处
《农业机械学报》
EI
CAS
CSCD
北大核心
2010年第2期203-207,共5页
基金
国家自然科学基金资助项目(50675194)
文摘
针对滚动轴承故障特征信息往往被强背景噪声淹没的问题,提出采用基于多尺度差值形态滤波的形态非抽样小波分解方法提取故障特征。形态非抽样小波分解具有形态学的形态滤波特性与小波分解的多分辨率特性,通过非抽样方式对信号进行分解,克服了传统形态小波分解信息丢失的问题。结合差值形态滤波能够提取信号冲击成分的特点,构造了一种基于多尺度差值形态滤波的形态非抽样小波分解方法,并将其应用于滚动轴承故障特征的提取。仿真与实例证明,该方法可有效提取信号中的故障特征,比传统小波包分解效果更好。形态非抽样小波分解算法只包含加减和极大、极小运算,具有计算简单、快速等优点,适用于滚动轴承的在线监测与故障诊断。
关键词
滚动轴承
故障诊断
特征提取
形态非抽样小波分解
Keywords
Rolling element bearing
Fault diagnosis
Feature extraction
Morphological undecimated wavelet decomposition
分类号
TH165.3 [机械工程—机械制造及自动化]
TN911.6 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
一种基于WMUWD的液压泵振动信号预处理方法
被引量：
6
2
作者
孙健
李洪儒
王卫国
许葆华
机构
军械工程学院
出处
《振动与冲击》
EI
CSCD
北大核心
2015年第21期93-99,共7页
基金
国家自然科学基金资助项目(51275524)
文摘
针对轴向柱塞液压泵故障引起的振动信号非线性强、故障信息湮灭在噪声干扰的问题,提出一种基于加权形态非抽样小波分解(WMUWD)的振动信号预处理方法。首先,在形态非抽样小波分解的一般框架下,提出WMUWD方法,利用特征能量因子表征形态非抽样各分解层近似信号对故障特征的贡献量,并以此为依据进行加权融合,以提高有用信息比重,便于特征提取;在此基础上,对WMUWD方法的初始参数设置进行了分析,给出了一套比较系统的优选组合方法;最后,利用仿真信号以及液压泵实测振动信号验证了该方法的有效性。
关键词
信号预处理
形态非抽样小波分解
加权融合
液压泵
Keywords
signal preprocessing
morphological un-decimated wavelet decomposition
weighted fusion
hydraulic pump
分类号
TH212 [机械工程—机械制造及自动化]
TH213.3 [机械工程—机械制造及自动化]
在线阅读
下载PDF
职称材料
题名
基于MUDW的多测点齿轮故障信号融合处理
被引量：
2
3
作者
仝蕊
康建设
李宝晨
陈疆萍
机构
[
陆军工程大学石家庄校区
[
出处
《空军工程大学学报（自然科学版）》
CSCD
北大核心
2020年第4期7-14,共8页
文摘
针对传统齿轮故障信号处理中,对单一信号进行处理造成的敏感特征信息遗失问题,提出形态非抽样小波(MUDW)的多测点齿轮故障振动信号融合预处理方法,以充分利用各信号所蕴含的特征信息,减少噪声及干扰成分的影响。该方法首先应用时域同步平均(TSA)对各通道信号进行预处理;然后,根据形态非抽样小波的基础框架将信号分解,并采用相关峭度(CK)和加权运算的方式,表征各分解层近似信号对故障特征的贡献量,提高有用近似信号的比重;在此基础上,建立融合准则将各分解层信号进行融合,改善重构信号的特征信息;最后,齿轮裂纹故障实验证明:该方法能够较好地抑制噪声,明显突出故障齿轮啮合频率及其倍频,融合效果理想。
关键词
信号预处理
多测点信息融合
形态非抽样小波分解
相关峭度
加权融合
Keywords
signal preprocessing
muliti-point information fusion
morphological un-decimated wavelet decomposition
correlated kurtosis
weighted fusion
分类号
TH212 [机械工程—机械制造及自动化]
TH213.3 [机械工程—机械制造及自动化]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于形态非抽样小波分解的滚动轴承故障特征提取
黄兵锋
沈路
周晓军
刘莉
《农业机械学报》
EI
CAS
CSCD
北大核心
2010
9
在线阅读
下载PDF
职称材料
2
一种基于WMUWD的液压泵振动信号预处理方法
孙健
李洪儒
王卫国
许葆华
《振动与冲击》
EI
CSCD
北大核心
2015
6
在线阅读
下载PDF
职称材料
3
基于MUDW的多测点齿轮故障信号融合处理
仝蕊
康建设
李宝晨
陈疆萍
《空军工程大学学报（自然科学版）》
CSCD
北大核心
2020
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
