基于VMD和MED的滚动轴承微弱故障特征提取 被引量：3

1

作者 任学平 李攀 王朝阁 《现代制造工程》 CSCD 北大核心 2018年第3期143-148,共6页

针对强噪声环境下滚动轴承故障特征信息非常微弱且难以提取的问题,提出基于变分模态分解(Variational Mode Decomposition,VMD)和最小熵解卷积(Minimum Entropy Deconvolution,MED)的滚动轴承微弱故障特征提取方法。基于VMD和MED的滚动... 针对强噪声环境下滚动轴承故障特征信息非常微弱且难以提取的问题,提出基于变分模态分解(Variational Mode Decomposition,VMD)和最小熵解卷积(Minimum Entropy Deconvolution,MED)的滚动轴承微弱故障特征提取方法。基于VMD和MED的滚动轴承微弱故障特征提取方法首先采用VMD对滚动轴承故障信号进行分解,得到多个模态分量,由于噪声的干扰,很难从各个模态分量中提取有效的故障特征信息;然后根据相关系数准则,选取与原始信号相关系数较大的模态分量进行重构,再对重构后的信号进行MED降噪处理;最后对降噪处理后的信号进行Hilbert包络解调,从得出的包络谱中即可准确地提取到故障特征信息。轴承故障实验信号处理结果表明,该方法可以有效地降低噪声的影响,精确地提取滚动轴承微弱的故障特征信息。 展开更多

关键词 变分模态分解 最小熵解卷积 轴承故障 包络解调

在线阅读 下载PDF 职称材料

基于MED-权重包络谱的轮对轴承故障特征增强 被引量：2

2

作者 倪昀 胡俊锋 张龙 《噪声与振动控制》 CSCD 2019年第6期194-199,共6页

NLM权重包络谱方法的诊断效果取决于信号中故障冲击点和噪声点之间的相异性,其在处理低信噪比信号时效果并不理想。针对该问题,提出将最小熵解卷积方法引入到权重包络谱方法的预处理中。首先对信号进行最小熵解卷积(Minimum-entropy dec... NLM权重包络谱方法的诊断效果取决于信号中故障冲击点和噪声点之间的相异性,其在处理低信噪比信号时效果并不理想。针对该问题,提出将最小熵解卷积方法引入到权重包络谱方法的预处理中。首先对信号进行最小熵解卷积(Minimum-entropy deconvolution,MED)处理以初步消除信号中的传递噪声干扰,增大信号中故障冲击点和噪声点的相异性;而后对滤波后的信号进行加权运算,获得权重包络曲线,从权重的角度分离故障点与噪声点,使故障冲击特征得到二次增强;最后通过分析权重包络曲线包络谱得到诊断结果。应用仿真、实验数据和工程数据分析验证了该方法的有效性。分析结果表明,所提方法能够改善NLM权重包络谱方法的应用效果,在消除背景噪声、挖掘故障信息、保证故障诊断准确性方面有较大优势。 展开更多

关键词 故障诊断 最小熵解卷积 非局部均值算法 权重包络谱 特征增强

在线阅读 下载PDF 职称材料

基于MED与自相关谱峭度图的滚动轴承故障诊断方法 被引量：21

3

作者 王兴龙 郑近德 +3 位作者 潘海洋 童靳于 刘庆运 丁克勤 《振动与冲击》 EI CSCD 北大核心 2020年第18期118-124,131,共8页

滚动轴承振动信号往往信噪比较低,且具有较强的非高斯噪声,如何选择合适的解调频带一直是故障诊断的难点。自相关谱峭度图(Autogram)是新提出的一种最优频带选择方法,通过计算解调信号的平方包络的无偏自相关的峭度,能够有效地检测到解... 滚动轴承振动信号往往信噪比较低,且具有较强的非高斯噪声,如何选择合适的解调频带一直是故障诊断的难点。自相关谱峭度图(Autogram)是新提出的一种最优频带选择方法,通过计算解调信号的平方包络的无偏自相关的峭度,能够有效地检测到解调频带及其故障频率;但此方法易受到噪声干扰,故障特征识别不明显;基于此,提出了一种基于最小熵解卷积(MED)与Autogram的滚动轴承故障诊断方法;该方法通过MED去除噪声,在得到最佳频带的同时,能够有效地突显故障特征。通过分析仿真信号及实验数据,将所提方法与快速谱峭度及现有方法进行了对比,结果表明,所提故障诊断方法能够准确地检测到解调频带及故障频率,突出故障特征和提高故障检测效果。 展开更多

关键词 最小熵解卷积(med) 自相关谱峭度图 快速谱峭度 解调频带 滚动轴承

在线阅读 下载PDF 职称材料

基于MED-EEMD和ELM的轴向柱塞泵松靴故障诊断研究 被引量：14

4

作者 刘生政 张琳 +3 位作者 曾祥辉 兰媛 王志坚 程珩 《机电工程》 CAS 北大核心 2020年第3期241-246,252,共7页

针对轴向柱塞泵松靴故障在强噪声干扰下故障信号微弱、故障特征提取困难和故障诊断识别精度低等一系列问题,提出了基于最小熵反褶积、集合经验模态分解和超限学习机相结合的轴向柱塞泵松靴故障诊断的方法。首先采集了轴向柱塞泵在正常... 针对轴向柱塞泵松靴故障在强噪声干扰下故障信号微弱、故障特征提取困难和故障诊断识别精度低等一系列问题,提出了基于最小熵反褶积、集合经验模态分解和超限学习机相结合的轴向柱塞泵松靴故障诊断的方法。首先采集了轴向柱塞泵在正常和松靴故障两种状态下的振动信号;然后对振动信号进行了最小熵反褶积降噪,排除了噪声干扰,增强了冲击特性;之后利用集合经验模态分解将去噪后的信号分解成了若干个本征模态函数分量,并通过奇异值分解获得了特征矩阵;最后将得到的特征矩阵输入超限学习机、反向传播神经网络和支持向量机等3类分类器,并将识别结果与集合经验模态分解特征提取方法的识别结果进行了对比。研究结果表明:最小熵反褶积和集合经验模态分解结合的方法弥补了最小熵反褶积在强背景噪声下提取特征的局限性,克服了经验模态分解对微弱故障特征不敏感的缺陷;以最小熵反褶积-集合经验模态分解特征提取方法为输入的超限学习机分类模型,在少量样本的情况下可以有效地对轴向柱塞泵松靴故障进行检测与诊断。 展开更多

关键词 最小熵反褶积 集合经验模态分解 超限学习机 故障诊断

在线阅读 下载PDF 职称材料

基于MED和自适应VMD的行星齿轮箱故障诊断方法 被引量：9

5

作者 朱静 邓艾东 +2 位作者 邓敏强 程强 刘洋 《东南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2020年第4期698-704,共7页

为解决变分模态分解(VMD)在行星齿轮箱故障特征频率提取过程出现的鲁棒性低及分解个数不确定的问题,提出一种基于最小熵反褶积(MED)和自适应变分模态分解(AVMD)的齿轮箱故障诊断方法.首先通过MED对信号进行降噪,突出故障信号特征;采用... 为解决变分模态分解(VMD)在行星齿轮箱故障特征频率提取过程出现的鲁棒性低及分解个数不确定的问题,提出一种基于最小熵反褶积(MED)和自适应变分模态分解(AVMD)的齿轮箱故障诊断方法.首先通过MED对信号进行降噪,突出故障信号特征;采用瞬时频率的新定义及变差概念,自适应选择VMD的级数;使用VMD方法将行星齿轮箱的断齿故障信号分解为若干个本征模态函数(IMF)分量;根据相关系数分析选取带有故障信号的IMF分量,对其进行包络谱分析,以提取故障特征频率.仿真信号和试验信号分析结果表明,使用MED去噪后信号的峰值信噪比提高了10%,解决了传统VMD个数经验选择出现的误差问题,从而实现此过程自适应化,解决了VMD在强噪声下针对非线性非平稳信号鲁棒性低的问题,准确提取了风电齿轮箱的故障特征频率. 展开更多

关键词 行星齿轮箱 最小熵反褶积 变分模态分解 故障诊断

在线阅读 下载PDF 职称材料

基于MED的探地雷达信号处理研究 被引量：2

6

作者 邹明阳 阎长虹 +2 位作者 段成龙 吴焕然 徐杨 《高校地质学报》 CAS CSCD 北大核心 2014年第3期482-487,共6页

文中运用改进的最小熵反褶积(MED)理论,采用MATLAB编写程序,实现了改进的MED计算机自动处理功能。将其应用到在建中的某地铁4号线某区间的探地雷达资料处理中,较准确地确定了岩溶的位置和尺寸。将处理结果与钻孔岩芯资料进行比照,发现... 文中运用改进的最小熵反褶积(MED)理论,采用MATLAB编写程序,实现了改进的MED计算机自动处理功能。将其应用到在建中的某地铁4号线某区间的探地雷达资料处理中,较准确地确定了岩溶的位置和尺寸。将处理结果与钻孔岩芯资料进行比照,发现雷达探测结果与钻探结果具有较好的一致性,表明MED方法能在雷达剖面上有效显示溶洞位置,该项研究成果对类似工程具有重要借鉴意义。 展开更多

关键词 最小熵反褶积 探地雷达 岩溶探测

在线阅读 下载PDF 职称材料

基于LMD和MOMEDA的滚动轴承早期故障特征提取研究 被引量：9

7

作者 金京 刘畅 +1 位作者 兰雨涛 王衍学 《机电工程》 CAS 北大核心 2021年第3期276-285,共10页

采用局域均值分解(LMD)提取强噪声背景下的滚动轴承的故障特征效果并不理想,针对该问题,将多点优化最小熵解卷积(MOMEDA)与局域均值分解(LMD)相结合,进行了滚动轴承微弱故障信号处理研究。首先,利用局域均值分解(LMD)对外圈故障轴承的... 采用局域均值分解(LMD)提取强噪声背景下的滚动轴承的故障特征效果并不理想,针对该问题,将多点优化最小熵解卷积(MOMEDA)与局域均值分解(LMD)相结合,进行了滚动轴承微弱故障信号处理研究。首先,利用局域均值分解(LMD)对外圈故障轴承的振动信号进行了信号重构;其次,利用多点优化最小熵解卷积(MOMEDA)滤波,进行了包络分析来提取故障特征;最后,将所提出的方法与局域均值分解(LMD)重构后,用最小熵解卷积(MED)滤波故障特征提取方法进行了对比;此外,采用所提方法分析了内圈故障。研究结果表明:所提出的方法对微弱故障特征提取有更好的适用性,能在包络谱中看到多倍频峰值,且峰值附近干扰很少;仿真与试验结果验证了方法的有效性。 展开更多

关键词 局域均值分解 多点优化最小熵解卷积 最小熵解卷积 滚动轴承 故障诊断

在线阅读 下载PDF 职称材料

基于AR-MED的阔叶材原木声信号特征参数提取及原木质量分等

8

作者 瞿玉莹 杨扬 徐锋 《振动与冲击》 EI CSCD 北大核心 2019年第14期181-188,共8页

阔叶材原木的内部缺陷检测和质量分等是提高其利用率和经济效益的有效手段,然而因缺陷声信号的非平稳性和缺陷类型特征的重叠现象,有效的质量评估声参数非常有限。基于此,提出一种基于自回归(AR)和最小熵反褶积(MED)相结合的特征声参数... 阔叶材原木的内部缺陷检测和质量分等是提高其利用率和经济效益的有效手段,然而因缺陷声信号的非平稳性和缺陷类型特征的重叠现象,有效的质量评估声参数非常有限。基于此,提出一种基于自回归(AR)和最小熵反褶积(MED)相结合的特征声参数提取与分等方法。基于赤池信息量准则(AIC)应用AR线性滤波器滤除声信号的周期平稳成分,对包含缺陷信息的残差信号进行MED增强,并将计算所得的峭度值作为表征声信号的特征参数,由峭度值对样本原木进行质量分等,并与传统的速度分等进行比较。数值仿真与阔叶材原木实测结果表明,该方法能够显著提高缺陷信号的峭度值并对原木质量进行有效地分等。 展开更多

关键词 阔叶材原木 质量分等 峭度 最小熵反褶积(med) 自回归模型

在线阅读 下载PDF 职称材料

基于MED和1.5维能量谱的滚动轴承故障诊断 被引量：1

9

作者 刘晶 《机床与液压》 北大核心 2021年第12期196-200,共5页

1.5维谱因具有抗高斯白噪声的优异性能而被广泛应用于故障诊断领域,能量算子解调与1.5维谱相结合形成的1.5维能量谱用于轴承故障诊断效果更佳,然而该方法处理低信噪比信号效果不佳。针对强背景噪声下微弱故障特征提取难的问题,提出最小... 1.5维谱因具有抗高斯白噪声的优异性能而被广泛应用于故障诊断领域,能量算子解调与1.5维谱相结合形成的1.5维能量谱用于轴承故障诊断效果更佳,然而该方法处理低信噪比信号效果不佳。针对强背景噪声下微弱故障特征提取难的问题,提出最小熵解卷积(MED)与1.5维能量谱相结合的诊断方法。先用MED对原始振动信号进行消噪,再对处理后的信号做1.5维能量谱;分析包络谱中的频率成分并与对应故障特征频率相比较,得出诊断结果。仿真数据和多组实测数据均证实了所提方法的有效性和优越性。 展开更多

关键词 滚动轴承 最小熵解卷积 1.5维能量谱 故障诊断

在线阅读 下载PDF 职称材料

基于最大相关峭度解卷积算法的发电机特征振动信号增强检测 被引量：9

10

作者 何玉灵 王珂 +3 位作者 仲昊 蒙玉超 王晓龙 唐贵基 《华北电力大学学报（自然科学版）》 CAS 北大核心 2017年第3期67-73,89,共8页

采用最大相关峭度解卷积算法(MCKD)对发电机定子的振动信号进行处理,得到信号处理后的时域波形与频谱,并根据提取得到的故障特征信息实现了对发电机运行状态的识别。为了排除偶然性,用最大相关峭度解卷积算法对发电机定子的正常信号和... 采用最大相关峭度解卷积算法(MCKD)对发电机定子的振动信号进行处理,得到信号处理后的时域波形与频谱,并根据提取得到的故障特征信息实现了对发电机运行状态的识别。为了排除偶然性,用最大相关峭度解卷积算法对发电机定子的正常信号和定子匝间短路故障信号都进行了处理,从而证明了这一算法用于振动信号故障特征提取的有效性。通过和当前主流算法之一的最小熵解卷积算法(MED)的处理结果进行对比,分析发现本文算法比最小熵解卷积算法的故障特征信息提取更加明显和准确。结果表明,最大相关峭度解卷积对故障信号特征频率的提取有良好的效果,并与当前主流算法相比有一定的优越性。 展开更多

关键词 发电机 定子匝间短路 振动信号 最小熵解卷积(med) 最大相关峭度解卷积(MCKD)

在线阅读 下载PDF 职称材料

MCKD最佳故障周期搜索的齿轮箱故障特征提取 被引量：6

11

作者 冷军发 荆双喜 +1 位作者 王志阳 华伟 《机械科学与技术》 CSCD 北大核心 2018年第1期36-42,共7页

针对最小解熵解卷积(Minimum entropy deconvolution,MED)算法易受强噪声和野值的影响,引出了最大相关峭度解卷积(Maximum correlated kurtosis deconvolution,MCKD)的齿轮箱故障特征提取方法,克服了MED算法的不足。然而凭先验信息选取... 针对最小解熵解卷积(Minimum entropy deconvolution,MED)算法易受强噪声和野值的影响,引出了最大相关峭度解卷积(Maximum correlated kurtosis deconvolution,MCKD)的齿轮箱故障特征提取方法,克服了MED算法的不足。然而凭先验信息选取的故障周期,可能导致MCKD解卷积效果很差,因此提出了MCKD算法的最佳故障周期搜索思路,即在合适的滤波器阶数L下,最佳故障周期的搜索可以限定于理论计算周期左右的某一范围内,使不同步距M关于最佳周期的最大相关峭度达到全局最优,以确保了MCKD算法具有良好的解卷积效果。断齿与局部断齿故障特征提取试验结果佐证了最佳故障周期搜索思路的可行性及其效果。 展开更多

关键词 齿轮箱 故障特征提取 最小熵解卷积 最大相关峭度解卷积

在线阅读 下载PDF 职称材料

基于最大相关峭度反褶积的齿轮箱复合故障特征提取 被引量：8

12

作者 王志坚 寇彦飞 +3 位作者 王俊元 张纪平 齐明思 赵志芳 《噪声与振动控制》 CSCD 2017年第3期173-176,共4页

提出一种基于最大相关峭度反褶积(Maximum correlated kurtosis deconvolution,MCKD)的复合故障特征提取方法,通过MCKD对原信号降噪,提取感兴趣的周期成分,同时将此方法与最小熵反褶积对比研究,验证该方法的强降噪效果。将该方法运用于... 提出一种基于最大相关峭度反褶积(Maximum correlated kurtosis deconvolution,MCKD)的复合故障特征提取方法,通过MCKD对原信号降噪,提取感兴趣的周期成分,同时将此方法与最小熵反褶积对比研究,验证该方法的强降噪效果。将该方法运用于齿轮箱复合故障诊断中,可成功提取出各个故障特征。 展开更多

关键词 振动与波 最大相关峭度反褶积 最小熵反褶积 复合故障 故障检测

在线阅读 下载PDF 职称材料

基于最小熵解卷积-变分模态分解和优化支持向量机的滚动轴承故障诊断方法 被引量：23

13

作者 姚成玉 来博文 +2 位作者 陈东宁 孙飞 吕世君 《中国机械工程》 EI CAS CSCD 北大核心 2017年第24期3001-3012,共12页

提出了一种基于最小熵解卷积和变分模态分解以及模糊近似熵的故障特征提取方法,并采用优化支持向量机对故障进行识别分类。首先利用最小熵解卷积方法降低噪声干扰并增强故障信号中故障特征信息,进而对降噪后的信号进行变分模态分解,并... 提出了一种基于最小熵解卷积和变分模态分解以及模糊近似熵的故障特征提取方法,并采用优化支持向量机对故障进行识别分类。首先利用最小熵解卷积方法降低噪声干扰并增强故障信号中故障特征信息,进而对降噪后的信号进行变分模态分解,并利用模糊近似熵量化变分模态分解后包含故障特征信息的模态分量以构建特征向量,之后通过采用扩展粒子群算法优化惩罚因子和核函数参数的支持向量机,对故障样本训练并完成故障识别分类。将所提方法应用于滚动轴承不同损伤程度、不同故障部位的实验数据,验证了该方法的有效性。与基于局部均值分解的特征提取方法相对比,结果表明所提方法可以更精确地提取出滚动轴承故障特征,并能够更准确地完成不同故障的识别;通过与基于网格寻优算法优化的支持向量机方法和基于扩展粒子群优化的最小二乘支持向量机方法相对比,结果表明所提方法具有更好的分类性能,能达到更好的诊断效果。 展开更多

关键词 故障诊断 变分模态分解 最小熵解卷积 模糊近似熵 支持向量机

在线阅读 下载PDF 职称材料

基于最小熵解卷积的带式输送机传动滚筒轴承故障诊断 被引量：8

14

作者 冷军发 郭松涛 +1 位作者 荆双喜 李新华 《河南理工大学学报（自然科学版）》 CAS 北大核心 2015年第4期514-519,共6页

带式输送机传动滚筒轴承发生故障时,特别是早期故障,其振动信号中隐含的脉冲故障信息很微弱,且常被淹没在强烈的噪音中,直接做频谱分析或包络分析,很难提取其故障特征。最小熵解卷积(Minimum Entropy Deconvolution,MED)通过最优滤波器... 带式输送机传动滚筒轴承发生故障时,特别是早期故障,其振动信号中隐含的脉冲故障信息很微弱,且常被淹没在强烈的噪音中,直接做频谱分析或包络分析,很难提取其故障特征。最小熵解卷积(Minimum Entropy Deconvolution,MED)通过最优滤波器对轴承微弱故障信号进行最优滤波,提高了信号的信噪比,然后对滤波后的信号进行包络解调分析,能够提取出信号中隐含的故障特征。将该方法应用于带式输送机传动滚筒中的滚动轴承故障诊断,成功提取出了轴承内圈的早期微弱点蚀故障特征。对FIR滤波器阶数L的选择进行了分析,以确保最优的MED解卷积效果。仿真与应用验证了最小熵解卷积方法在滚动轴承故障诊断的有效性和优点。 展开更多

关键词 带式输送机传动滚筒 滚动轴承 最小熵解卷积 故障诊断

在线阅读 下载PDF 职称材料

最小熵反褶积的数学形态法在滚动轴承故障特征提取中的应用 被引量：6

15

作者 龚廷恺 袁晓辉 王细洋 《中国机械工程》 EI CAS CSCD 北大核心 2016年第18期2467-2471,共5页

针对强噪声背景下滚动轴承故障特征提取,提出了基于最小熵反褶积的数学形态法。该方法先应用最小熵反褶积算法加强信号中的冲击特性,再利用数学形态法进行故障特征提取,其中选取具有双向脉冲提取能力的DIF滤波器作为形态算子,并以峭度... 针对强噪声背景下滚动轴承故障特征提取,提出了基于最小熵反褶积的数学形态法。该方法先应用最小熵反褶积算法加强信号中的冲击特性,再利用数学形态法进行故障特征提取,其中选取具有双向脉冲提取能力的DIF滤波器作为形态算子,并以峭度值作为结构元素长度选取依据。仿真信号和滚动轴承的内外故障实例分析表明该方法具有较好的特征提取效果。通过对比发现:最小熵反褶积算法能够增大信号中峭度值,有效加强信号脉冲特性。 展开更多

关键词 最小熵反褶积 数学形态 故障诊断 滚动轴承

在线阅读 下载PDF 职称材料

基于最小熵解卷积的齿轮箱早期故障诊断 被引量：13

16

作者 冷军发 荆双喜 禹建功 《机械科学与技术》 CSCD 北大核心 2015年第3期445-448,共4页

齿轮箱发生早期故障时,其振动信号一般很微弱,且隐含的能反应出齿轮箱运转状态的冲击成分常被淹没在强烈的噪声中,直接做频谱分析或包络谱分析,很难提取其故障特征。论文将最小解卷积方法应用于炼胶机的齿轮箱故障诊断。首先利用该方法... 齿轮箱发生早期故障时,其振动信号一般很微弱,且隐含的能反应出齿轮箱运转状态的冲击成分常被淹没在强烈的噪声中,直接做频谱分析或包络谱分析,很难提取其故障特征。论文将最小解卷积方法应用于炼胶机的齿轮箱故障诊断。首先利用该方法对齿轮箱振动信号进行解卷积滤波处理,然后对滤波后的信号进行包络解调分析,最后提取出了该齿轮箱轴5上齿轮8(z8=28)齿根轻微裂纹的故障特征,实现了该齿轮箱的早期诊断。应用实例验证了最小熵解卷积方法的有效性和优点。 展开更多

关键词 齿轮箱 故障诊断 最小熵解卷积 包络分析

在线阅读 下载PDF 职称材料

一种用于滚动轴承故障诊断的脉冲增强提取方法 被引量：7

17

作者 冯坤 李业政 胡明辉 《振动工程学报》 EI CSCD 北大核心 2023年第2期582-592,共11页

针对齿轮箱滚动轴承发生故障时,其故障脉冲被强烈干扰信号湮没而导致故障特征难以提取的难题,提出了基于脉冲增强提取的滚动轴承故障诊断方法。基于表征故障脉冲周期性的包络谱,构建了能指示振动信号中故障脉冲强度的脉冲提取算子(PEO)... 针对齿轮箱滚动轴承发生故障时,其故障脉冲被强烈干扰信号湮没而导致故障特征难以提取的难题,提出了基于脉冲增强提取的滚动轴承故障诊断方法。基于表征故障脉冲周期性的包络谱,构建了能指示振动信号中故障脉冲强度的脉冲提取算子(PEO);考虑到微弱故障信号特征增强的需求,结合最小熵解卷积(MED)构造了脉冲增强提取算子指标(PEEO),用于评价MED不同滤波长度对故障脉冲增强的效果;构建基于MED滤波长度、脉冲频率以及PEEO的三维滤波模型,利用三维滤波谱PEEO峰值定位MED最优滤波长度并指示脉冲增强信号特征频率,获取最优脉冲增强信号的同时实现齿轮箱滚动轴承故障特征的提取。仿真分析和实验验证结果表明,该方法可以有效增强轴承故障脉冲,并在最优脉冲增强信号PEEO幅值谱中呈现显著的轴承故障特征,实现了齿轮箱滚动轴承微弱故障的诊断,且与典型方法相比具有明显优势。 展开更多

关键词 故障诊断 滚动轴承 脉冲增强提取 最小熵解卷积(med) 最优滤波

在线阅读 下载PDF 职称材料

加窗插值快速傅里叶变换在滚动轴承故障诊断中的应用 被引量：12

18

作者 李心一 谢志江 罗久飞 《中国机械工程》 EI CAS CSCD 北大核心 2018年第10期1166-1172,共7页

针对滚动轴承故障信号强噪声背景和非线性等特点,为精确识别滚动轴承的故障特征频率,在最小熵解卷积和Teager能量算子解调基础上,提出了一种基于Hanning窗插值快速傅里叶变换的滚动轴承故障诊断新方法。该方法首先利用最小熵解卷积对轴... 针对滚动轴承故障信号强噪声背景和非线性等特点,为精确识别滚动轴承的故障特征频率,在最小熵解卷积和Teager能量算子解调基础上,提出了一种基于Hanning窗插值快速傅里叶变换的滚动轴承故障诊断新方法。该方法首先利用最小熵解卷积对轴承故障信号进行降噪,再结合Teager能量算子对降噪后的故障振动信号进行解调,经傅里叶变换后得到信号的Teager解调谱;然后采用Hanning窗对解调谱进行加权处理;最后利用信号频点附近三根离散频谱的幅值做插值处理,从而得到精确的故障特征频率。轴承实测振动信号的分析结果表明:与传统的Teager能量算子解调方法相比,在选取较少分析点的基础上,大多数情况下所提方法仍能精确识别轴承故障特征频率。 展开更多

关键词 滚动轴承 TEAGER能量算子 最小熵解卷积 故障诊断 插值

在线阅读 下载PDF 职称材料

基于改进ACCUGRAM的滚动轴承故障诊断方法 被引量：2

19

作者 于李鹏 吕勇 +1 位作者 易灿灿 潘兵奇 《机床与液压》 北大核心 2020年第22期172-177,共6页

滚动轴承故障信号的特征容易被强噪声淹没,难以提取信号中的冲击成分。针对这一问题,提出多点最优调整的最小熵解卷积(MOMEDA)优化的ACCUGRAM算法,并应用于滚动轴承故障诊断。首先利用MED算法对原始信号进行滤波预处理,突显信号中的有... 滚动轴承故障信号的特征容易被强噪声淹没,难以提取信号中的冲击成分。针对这一问题,提出多点最优调整的最小熵解卷积(MOMEDA)优化的ACCUGRAM算法,并应用于滚动轴承故障诊断。首先利用MED算法对原始信号进行滤波预处理,突显信号中的有效循环冲击成分,提高MOMEDA优化ACCUGRAM算法中频带选择的分类精度,选择最佳的带宽和中心频率,最后对获得包含信息量最大的频带进行故障特征频率的提取和轴承的故障诊断。仿真和试验数据分析结果表明:该方法能够有效提取信号中的周期性冲击特征,具有一定的实用性。 展开更多

关键词 med滤波 MOmedA ACCUGRAM算法 故障诊断 滚动轴承

在线阅读 下载PDF 职称材料

一种基于奇异值分解和最小熵反褶积的后向投影改进方法

20

作者 牛岩 聂伟 +1 位作者 周牧 杨小龙 《电讯技术》 2025年第11期1912-1920,共9页

针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像易受环境噪声影响,导致目标处信噪比降低的问题,提出了将奇异值分解(Singular Value Decomposition,SVD)和最小熵反褶积(Minimum Entropy Deconvolution,MED)结合并用于改进后向投影... 针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像易受环境噪声影响,导致目标处信噪比降低的问题,提出了将奇异值分解(Singular Value Decomposition,SVD)和最小熵反褶积(Minimum Entropy Deconvolution,MED)结合并用于改进后向投影(Back-Projection,BP)的方法。首先,将实测采集的回波信号进行奇异值分解得到奇异值矩阵,只保留前5个奇异值后重构回波信号矩阵实现初步降噪。然后再将信号进行最小熵反褶积滤波处理,通过利用信号不断迭代更新滤波器的系数最小化信号的熵,以使输出信号的峰度最小化从而实现噪声抑制。再利用零相位滤波器(Zero-Phase Filter,ZPF)对信号进行滤波恢复信号的相位延迟。最后,利用后向投影算法得到SAR图像。实验结果证明,该方法使得大小两个角反射器的信噪比分别提升了7.9 dB和9.1 dB,显著提高了SAR图像中目标处的信噪比。 展开更多

关键词 合成孔径雷达(SAR) 后向投影 奇异值分解 最小熵反褶积(med) 零相位滤波器(ZPF)

在线阅读 下载PDF 职称材料