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
2
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EMD-AR谱频带能量特征的故障特征提取方法研究
被引量：
3
1
作者
秦志英
杨航港
赵月静
《机床与液压》
北大核心
2023年第11期219-223,共5页
通过将经验模态分解(EMD)和AR功率谱参数估计模型相结合,提出一种基于EMD-AR谱估计提取频带能量特征的方法。对振动信号进行经验模态分解,并将分解后能量占比较大的前几组固有模态函数分别进行AR谱估计得到EMD-AR谱曲线;按照频带对EMD-A...
通过将经验模态分解(EMD)和AR功率谱参数估计模型相结合,提出一种基于EMD-AR谱估计提取频带能量特征的方法。对振动信号进行经验模态分解,并将分解后能量占比较大的前几组固有模态函数分别进行AR谱估计得到EMD-AR谱曲线;按照频带对EMD-AR谱曲线分段并分别对每一段的能量进行求和,归一化后作为特征值。搭建齿轮箱故障试验平台,采集振动信号进行EMD-AR谱频带能量特征提取,并将所得特征值输入到SVM中进行训练和诊断。结果表明:该特征提取方法结合SVM所得到的故障诊断模型具有较高的识别准确率,能够有效、准确地进行诊断识别。
展开更多
关键词
经验模态分解
ar功率谱估计
频带能量
支持向量机
齿轮故障
在线阅读
下载PDF
职称材料
基于改进的经验模态分解的后视镜驱动器故障诊断方法
被引量：
3
2
作者
高丰
朱少成
罗石
《河南科技大学学报（自然科学版）》
CAS
北大核心
2021年第6期39-45,M0004,M0005,共9页
针对电动后视镜驱动器振动信号非平稳非线性及信噪比低,提取传统特征难以有效识别样本故障状态的问题,提出了一种改进的集成经验模态分解算法(EEMD)。使用EEMD对振动信号进行了分解,利用相关系数与峭度系数筛选有效本征模态函数(IMF)分...
针对电动后视镜驱动器振动信号非平稳非线性及信噪比低,提取传统特征难以有效识别样本故障状态的问题,提出了一种改进的集成经验模态分解算法(EEMD)。使用EEMD对振动信号进行了分解,利用相关系数与峭度系数筛选有效本征模态函数(IMF)分量。应用自回归模型(AR)功率谱估计方法,建立最佳阶次的AR模型,对有效IMF分量进行谱估计,并得到有效IMF分量的AR谱与AR累加谱。将AR累加谱的特征频率点与振幅作为特征向量,使用支持向量机(SVM)进行机器学习与分类。研究结果表明:EEMD-AR-SVM模型在实验中的分类准确率达到了93.9%,平均耗时46.1 s,达到了工业中自动检测的标准。
展开更多
关键词
机械故障诊断
集成经验模态分解算法
IMF筛选
ar功率谱估计
支持向量机
在线阅读
下载PDF
职称材料
题名
基于EMD-AR谱频带能量特征的故障特征提取方法研究
被引量：
3
1
作者
秦志英
杨航港
赵月静
机构
河北科技大学机械工程学院
出处
《机床与液压》
北大核心
2023年第11期219-223,共5页
基金
河北省省级科技计划资助项目(20310803D)。
文摘
通过将经验模态分解(EMD)和AR功率谱参数估计模型相结合,提出一种基于EMD-AR谱估计提取频带能量特征的方法。对振动信号进行经验模态分解,并将分解后能量占比较大的前几组固有模态函数分别进行AR谱估计得到EMD-AR谱曲线;按照频带对EMD-AR谱曲线分段并分别对每一段的能量进行求和,归一化后作为特征值。搭建齿轮箱故障试验平台,采集振动信号进行EMD-AR谱频带能量特征提取,并将所得特征值输入到SVM中进行训练和诊断。结果表明:该特征提取方法结合SVM所得到的故障诊断模型具有较高的识别准确率,能够有效、准确地进行诊断识别。
关键词
经验模态分解
ar功率谱估计
频带能量
支持向量机
齿轮故障
Keywords
Empirical mode decomposition
ar
power spectrum estimation
Frequency band energy
Support vector machine
Ge
ar
fault
分类号
TH165.3 [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
基于改进的经验模态分解的后视镜驱动器故障诊断方法
被引量：
3
2
作者
高丰
朱少成
罗石
机构
江苏大学汽车与交通工程学院
出处
《河南科技大学学报（自然科学版）》
CAS
北大核心
2021年第6期39-45,M0004,M0005,共9页
基金
国家重点研发计划基金项目(2019YFB1600500)。
文摘
针对电动后视镜驱动器振动信号非平稳非线性及信噪比低,提取传统特征难以有效识别样本故障状态的问题,提出了一种改进的集成经验模态分解算法(EEMD)。使用EEMD对振动信号进行了分解,利用相关系数与峭度系数筛选有效本征模态函数(IMF)分量。应用自回归模型(AR)功率谱估计方法,建立最佳阶次的AR模型,对有效IMF分量进行谱估计,并得到有效IMF分量的AR谱与AR累加谱。将AR累加谱的特征频率点与振幅作为特征向量,使用支持向量机(SVM)进行机器学习与分类。研究结果表明:EEMD-AR-SVM模型在实验中的分类准确率达到了93.9%,平均耗时46.1 s,达到了工业中自动检测的标准。
关键词
机械故障诊断
集成经验模态分解算法
IMF筛选
ar功率谱估计
支持向量机
Keywords
mechanical fault diagnosis
ensemble empirical mode decomposition
IMF filtering
ar
spectrum estimation
support vector machines
分类号
TP206.3 [自动化与计算机技术—检测技术与自动化装置]
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EMD-AR谱频带能量特征的故障特征提取方法研究
秦志英
杨航港
赵月静
《机床与液压》
北大核心
2023
3
在线阅读
下载PDF
职称材料
2
基于改进的经验模态分解的后视镜驱动器故障诊断方法
高丰
朱少成
罗石
《河南科技大学学报（自然科学版）》
CAS
北大核心
2021
3
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
