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
基于改进TVF-EMD与SVD的轴承故障特征提取
被引量：
5
1
作者
石渡江
王文波
《机床与液压》
北大核心
2024年第18期218-229,共12页
滚动轴承早期故障信号微弱,故障特征难以提取。针对此问题,提出一种基于时变滤波经验模态分解(TVF-EMD)模态分量自适应融合与奇异值分解(SVD)降噪的轴承早期故障特征提取方法。为了降低故障信号的非线性和非平稳性,通过TVF-EMD将轴承信...
滚动轴承早期故障信号微弱,故障特征难以提取。针对此问题,提出一种基于时变滤波经验模态分解(TVF-EMD)模态分量自适应融合与奇异值分解(SVD)降噪的轴承早期故障特征提取方法。为了降低故障信号的非线性和非平稳性,通过TVF-EMD将轴承信号分解为一系列本征模态函数(IMF)。为了克服TVF-EMD分解后IMF分量过多的不足,构造包络故障信息能量占比(EREFI)指标,通过EREFI对IMF分量进行降序排列,并依据包络故障信息能量占比递增原则对IMF分量依次进行融合,直至找到最优融合分量。最后,通过SVD对最优融合分量降噪,并提取故障特征。通过仿真信号以及2个实测轴承故障信号对所提方法性能进行了实验验证。实验结果表明:所提方法具有良好的敏感特征筛选融合能力和降噪能力,能更准确提取出轴承早期故障特征,实现故障类型的准确识别。
展开更多
关键词
时变滤波经验模态分解(TVF-EMD)
奇异值降噪(SVD)
包络故障信息能量占比(
erefi
)
故障诊断
滚动轴承
在线阅读
下载PDF
职称材料
基于参数自适应特征模态分解的滚动轴承故障诊断方法
被引量：
21
2
作者
鄢小安
贾民平
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2022年第10期252-259,共8页
针对强背景噪声下轴承故障信息难以有效提取的问题,提出一种基于参数自适应特征模态分解的滚动轴承故障诊断方法。首先,为了克服原始特征模态分解(FMD)需要依赖人为经验设定关键参数而不具有自适应性的缺点,提出基于平方包络谱特征能量...
针对强背景噪声下轴承故障信息难以有效提取的问题,提出一种基于参数自适应特征模态分解的滚动轴承故障诊断方法。首先,为了克服原始特征模态分解(FMD)需要依赖人为经验设定关键参数而不具有自适应性的缺点,提出基于平方包络谱特征能量比(FER-SES)的网格搜索方法自动地确定FMD的模态个数n和滤波器长度L;随后,采用参数优化的FMD将原轴承振动信号划分为n个模态分量,并选取具有最大FER-SES的模态分量为敏感模态分量;最后,通过计算敏感模态分量的平方包络谱来提取故障特征频率,从而判别轴承故障类型。通过仿真信号和工程案例分析验证了提出方法的有效性。与变分模态分解(VMD)和谱峭度方法(SK)相比,提出方法具有更好的故障特征提取性能。
展开更多
关键词
特征模态分解
平方包络谱特征能量比
滚动轴承
故障诊断
在线阅读
下载PDF
职称材料
K-VMD融合包络熵与SVM滚动轴承故障识别方法研究
被引量：
15
3
作者
刘强
赵荣珍
杨泽本
《噪声与振动控制》
CSCD
北大核心
2022年第3期92-97,121,共7页
针对滚动轴承振动信号非平稳、非线性导致的故障特征难以提取和类别难以辨识问题,提出一种基于能量占比优化变分模态分解(Variational Mode Decomposition,VMD)并融合包络熵与支持向量机(Support Vector Machine,SVM)的滚动轴承故障辨...
针对滚动轴承振动信号非平稳、非线性导致的故障特征难以提取和类别难以辨识问题,提出一种基于能量占比优化变分模态分解(Variational Mode Decomposition,VMD)并融合包络熵与支持向量机(Support Vector Machine,SVM)的滚动轴承故障辨识方法。首先,设定VMD预分解层数K的范围,对振动信号进行分解;其次,分别计算出在不同K值下对应的各模态能量和,根据各模态能量之和与原始信号的能量之间的比值,确定最佳分解层数;然后,依据峭度准则筛选出有效的模态分量,同时计算其对应的包络熵值并组成特征向量;最后,将所构建的特征向量输入SVM中进行轴承故障类别的辨识。通过对转子综合实验台所采集的滚动轴承信号进行分析,结果表明,该方法可以对滚动轴承故障进行准确地辨别,为提高故障辨识准确率提供了一种新途径。
展开更多
关键词
故障诊断
变分模态分解
能量占比
包络熵
支持向量机
峭度准则
在线阅读
下载PDF
职称材料
题名
基于改进TVF-EMD与SVD的轴承故障特征提取
被引量：
5
1
作者
石渡江
王文波
机构
武汉科技大学理学院
出处
《机床与液压》
北大核心
2024年第18期218-229,共12页
文摘
滚动轴承早期故障信号微弱,故障特征难以提取。针对此问题,提出一种基于时变滤波经验模态分解(TVF-EMD)模态分量自适应融合与奇异值分解(SVD)降噪的轴承早期故障特征提取方法。为了降低故障信号的非线性和非平稳性,通过TVF-EMD将轴承信号分解为一系列本征模态函数(IMF)。为了克服TVF-EMD分解后IMF分量过多的不足,构造包络故障信息能量占比(EREFI)指标,通过EREFI对IMF分量进行降序排列,并依据包络故障信息能量占比递增原则对IMF分量依次进行融合,直至找到最优融合分量。最后,通过SVD对最优融合分量降噪,并提取故障特征。通过仿真信号以及2个实测轴承故障信号对所提方法性能进行了实验验证。实验结果表明:所提方法具有良好的敏感特征筛选融合能力和降噪能力,能更准确提取出轴承早期故障特征,实现故障类型的准确识别。
关键词
时变滤波经验模态分解(TVF-EMD)
奇异值降噪(SVD)
包络故障信息能量占比(
erefi
)
故障诊断
滚动轴承
Keywords
time-varying filtering empirical mode decomposition(TVF-EMD)
singular value denoising(SVD)
energy
ratio
of
envelope
fault
information
(
erefi
)
fault
diagnosis
rolling bearing
分类号
TH133.33 [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
基于参数自适应特征模态分解的滚动轴承故障诊断方法
被引量：
21
2
作者
鄢小安
贾民平
机构
南京林业大学机械电子工程学院
东南大学机械工程学院
出处
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2022年第10期252-259,共8页
基金
国家自然科学基金(52005265)
江苏省高等学校自然科学研究面上项目(20KJB460002)
澳门青年学者计划项目(AM2021002)资助。
文摘
针对强背景噪声下轴承故障信息难以有效提取的问题,提出一种基于参数自适应特征模态分解的滚动轴承故障诊断方法。首先,为了克服原始特征模态分解(FMD)需要依赖人为经验设定关键参数而不具有自适应性的缺点,提出基于平方包络谱特征能量比(FER-SES)的网格搜索方法自动地确定FMD的模态个数n和滤波器长度L;随后,采用参数优化的FMD将原轴承振动信号划分为n个模态分量,并选取具有最大FER-SES的模态分量为敏感模态分量;最后,通过计算敏感模态分量的平方包络谱来提取故障特征频率,从而判别轴承故障类型。通过仿真信号和工程案例分析验证了提出方法的有效性。与变分模态分解(VMD)和谱峭度方法(SK)相比,提出方法具有更好的故障特征提取性能。
关键词
特征模态分解
平方包络谱特征能量比
滚动轴承
故障诊断
Keywords
feature mode decomposition
feature
energy
ratio
of
squared
envelope
spectrum
rolling bearing
fault
diagnosis
分类号
TH17 [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
K-VMD融合包络熵与SVM滚动轴承故障识别方法研究
被引量：
15
3
作者
刘强
赵荣珍
杨泽本
机构
兰州理工大学机电工程学院
出处
《噪声与振动控制》
CSCD
北大核心
2022年第3期92-97,121,共7页
基金
国家自然科学基金资助项目(51675253)。
文摘
针对滚动轴承振动信号非平稳、非线性导致的故障特征难以提取和类别难以辨识问题,提出一种基于能量占比优化变分模态分解(Variational Mode Decomposition,VMD)并融合包络熵与支持向量机(Support Vector Machine,SVM)的滚动轴承故障辨识方法。首先,设定VMD预分解层数K的范围,对振动信号进行分解;其次,分别计算出在不同K值下对应的各模态能量和,根据各模态能量之和与原始信号的能量之间的比值,确定最佳分解层数;然后,依据峭度准则筛选出有效的模态分量,同时计算其对应的包络熵值并组成特征向量;最后,将所构建的特征向量输入SVM中进行轴承故障类别的辨识。通过对转子综合实验台所采集的滚动轴承信号进行分析,结果表明,该方法可以对滚动轴承故障进行准确地辨别,为提高故障辨识准确率提供了一种新途径。
关键词
故障诊断
变分模态分解
能量占比
包络熵
支持向量机
峭度准则
Keywords
fault
diagnosis
variational mode decomposition
energy
ratio
envelope
entropy
support vector machine
kurtosis criterion
分类号
TH165 [机械工程—机械制造及自动化]
TH133.33 [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
基于改进TVF-EMD与SVD的轴承故障特征提取
石渡江
王文波
《机床与液压》
北大核心
2024
5
在线阅读
下载PDF
职称材料
2
基于参数自适应特征模态分解的滚动轴承故障诊断方法
鄢小安
贾民平
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2022
21
在线阅读
下载PDF
职称材料
3
K-VMD融合包络熵与SVM滚动轴承故障识别方法研究
刘强
赵荣珍
杨泽本
《噪声与振动控制》
CSCD
北大核心
2022
15
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
