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MRSVD-SVD与VPMCD的交叉滚子轴承故障诊断研究
被引量：
8
1
作者
何冬康
甘霖
+2 位作者
类志杰
邓其贵
和杰
《机电工程》
CAS
北大核心
2023年第1期47-54,共8页
针对奇异值分解(SVD)提取工业机器人交叉滚子轴承振动信号微弱故障特征分量时,出现奇异值分辨率不足的问题,提出了一种基于最大分辨率奇异值分解(MRSVD)-奇异值分解(SVD)与变量预测模型模式识别(VPMCD)的工业机器人交叉滚子轴承的故障...
针对奇异值分解(SVD)提取工业机器人交叉滚子轴承振动信号微弱故障特征分量时,出现奇异值分辨率不足的问题,提出了一种基于最大分辨率奇异值分解(MRSVD)-奇异值分解(SVD)与变量预测模型模式识别(VPMCD)的工业机器人交叉滚子轴承的故障诊断方法。首先,以最大奇异值分辨率原则将一维振动信号构造成了Hankel矩阵,采用奇异值分解方法对Hankel矩阵进行了分解,得到了其奇异值序列,根据奇异值曲率谱理论选择有效奇异值,并进行了重构,得到了经降噪后的高信噪比信号,以重构信号构建了相空间矩阵,进行了二次奇异值分解,得到了其故障特征分量;然后,计算了故障特征分量的特征参数,构建了其特征向量;最后,采用了VPMCD分析了特征向量,完成了对交叉滚子轴承故障类型的识别,并与其它方法进行了识别准确率对比。研究结果表明:采用该方法对工业机器人交叉滚子轴承进行故障诊断,得到的故障类型识别准确率为98.66%,比SVD与共振解调相结合方法提高了9%;该方法通过构建最大奇异值分辨率矩阵提高了奇异值分辨率,可完整提取出工业机器人交叉滚子轴承振动信号的微弱故障特征分量,获得了更高的故障类型识别准确率。
展开更多
关键词
滚动轴承
圆柱滚子轴承
最大分辨率奇异值分解
奇异值分解
变量预测模型模式识别
HANKEL矩阵
在线阅读
下载PDF
职称材料
基于MRSVD与LMD的工业机器人交叉滚子轴承故障特征提取
被引量：
5
2
作者
何冬康
刘方平
+2 位作者
谭顺学
和杰
舒凡
《机床与液压》
北大核心
2023年第4期191-196,共6页
针对奇异值分解(SVD)优化局部均值分解(LMD)方法提取工业机器人交叉滚子轴承振动信号微弱故障特征分量时出现的模态混淆现象,提出一种基于最大分辨率SVD与LMD的工业机器人交叉滚子轴承故障特征提取方法。以最大奇异值分辨率原则将一维...
针对奇异值分解(SVD)优化局部均值分解(LMD)方法提取工业机器人交叉滚子轴承振动信号微弱故障特征分量时出现的模态混淆现象,提出一种基于最大分辨率SVD与LMD的工业机器人交叉滚子轴承故障特征提取方法。以最大奇异值分辨率原则将一维振动信号构造成Hankel矩阵,采用SVD对Hankel矩阵进行分解得到奇异值序列;按照奇异值曲率谱原则及非目标值抑制原则对奇异值序列进行重构,将包含故障突变信息的重构奇异值序列进行SVD逆运算得到重构振动信号;最后利用LMD方法对重构振动信号进行故障特征提取,得到能够表征原始振动信号振动特征的故障特征分量。通过与SVD优化LMD方法对比可知,该方法完整地提取了工业机器人交叉滚子轴承振动信号的微弱故障特征分量,改善了模态混淆现象。
展开更多
关键词
交叉滚子轴承
奇异值分解
局部均值分解
特征提取
在线阅读
下载PDF
职称材料
基于SSWD优化LMD的高速电梯滚动导靴振动信号特征提取
被引量：
6
3
作者
陶然
许有才
+6 位作者
和杰
鲁云波
乔王治
杨春宇
张俊喃
李珺
王华
《振动与冲击》
EI
CSCD
北大核心
2021年第10期196-203,共8页
针对奇异值分解(SVD)优化局部均值分解(LMD)方法提取高速电梯滚动导靴振动信号故障特征分量的模态混淆现象,提出一种基于自适应增强小波分解(SSWD)优化LMD的高速电梯滚动导靴振动信号特征提取方法。该方法构建低通滤波器、高通滤波器、...
针对奇异值分解(SVD)优化局部均值分解(LMD)方法提取高速电梯滚动导靴振动信号故障特征分量的模态混淆现象,提出一种基于自适应增强小波分解(SSWD)优化LMD的高速电梯滚动导靴振动信号特征提取方法。该方法构建低通滤波器、高通滤波器、小波基函数、尺度函数,利用小波分解(WD)的多分辨率滤波特性将原始信号分解为高频细节特征信号和低频近似信号;对高频细节特征信号进行信号增强、将增强后的高频细节特征信号与低频近似信号进行重构;采用LMD从重构信号中提取能够表征滚动导靴故障特征PF分量,求取PF分量的瞬时Teager能量波形进行对比分析。通过对实际工况信号处理、分析,实验结果表明,相比于SVD优化LMD方法,该方法完整地提取了滚动导靴振动信号的故障特征分量,避免了模态混淆现象出现。
展开更多
关键词
高速电梯
滚动导靴
局部均值分解(LMD)
自适应增强小波分解(SSWD)
小波分解(WD)
在线阅读
下载PDF
职称材料
题名
基于MRSVD-SVD与VPMCD的交叉滚子轴承故障诊断研究
被引量：
8
1
作者
何冬康
甘霖
类志杰
邓其贵
和杰
机构
柳州职业技术学院机电工程学院
云南
省特种设备安全检测研究院
云南惠民劳务服务有限公司
出处
《机电工程》
CAS
北大核心
2023年第1期47-54,共8页
基金
广西高校中青年教师基础能力提升项目(2022KY1036,2018KY0986)
柳州职业技术学院校级科研课题(2022KB04)。
文摘
针对奇异值分解(SVD)提取工业机器人交叉滚子轴承振动信号微弱故障特征分量时,出现奇异值分辨率不足的问题,提出了一种基于最大分辨率奇异值分解(MRSVD)-奇异值分解(SVD)与变量预测模型模式识别(VPMCD)的工业机器人交叉滚子轴承的故障诊断方法。首先,以最大奇异值分辨率原则将一维振动信号构造成了Hankel矩阵,采用奇异值分解方法对Hankel矩阵进行了分解,得到了其奇异值序列,根据奇异值曲率谱理论选择有效奇异值,并进行了重构,得到了经降噪后的高信噪比信号,以重构信号构建了相空间矩阵,进行了二次奇异值分解,得到了其故障特征分量;然后,计算了故障特征分量的特征参数,构建了其特征向量;最后,采用了VPMCD分析了特征向量,完成了对交叉滚子轴承故障类型的识别,并与其它方法进行了识别准确率对比。研究结果表明:采用该方法对工业机器人交叉滚子轴承进行故障诊断,得到的故障类型识别准确率为98.66%,比SVD与共振解调相结合方法提高了9%;该方法通过构建最大奇异值分辨率矩阵提高了奇异值分辨率,可完整提取出工业机器人交叉滚子轴承振动信号的微弱故障特征分量,获得了更高的故障类型识别准确率。
关键词
滚动轴承
圆柱滚子轴承
最大分辨率奇异值分解
奇异值分解
变量预测模型模式识别
HANKEL矩阵
Keywords
rolling bearing
cylindrical roller bearings
maximum resolution singular value decomposition(MRSVD)
singular value decomposition(SVD)
variable predictive model class discriminate(VPMCD)
Hankel matrix
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MRSVD与LMD的工业机器人交叉滚子轴承故障特征提取
被引量：
5
2
作者
何冬康
刘方平
谭顺学
和杰
舒凡
机构
柳州职业技术学院
云南
省特种设备安全检测研究院
云南惠民劳务服务有限公司
出处
《机床与液压》
北大核心
2023年第4期191-196,共6页
基金
广西高校中青年教师基础能力提升项目(2018KY0986)
柳州职业技术学院2022年校级科研项目(2022KB04)。
文摘
针对奇异值分解(SVD)优化局部均值分解(LMD)方法提取工业机器人交叉滚子轴承振动信号微弱故障特征分量时出现的模态混淆现象,提出一种基于最大分辨率SVD与LMD的工业机器人交叉滚子轴承故障特征提取方法。以最大奇异值分辨率原则将一维振动信号构造成Hankel矩阵,采用SVD对Hankel矩阵进行分解得到奇异值序列;按照奇异值曲率谱原则及非目标值抑制原则对奇异值序列进行重构,将包含故障突变信息的重构奇异值序列进行SVD逆运算得到重构振动信号;最后利用LMD方法对重构振动信号进行故障特征提取,得到能够表征原始振动信号振动特征的故障特征分量。通过与SVD优化LMD方法对比可知,该方法完整地提取了工业机器人交叉滚子轴承振动信号的微弱故障特征分量,改善了模态混淆现象。
关键词
交叉滚子轴承
奇异值分解
局部均值分解
特征提取
Keywords
Cross roller bearing
Singular value decomposition
Local mean decomposition
Feature extraction
分类号
TH277 [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SSWD优化LMD的高速电梯滚动导靴振动信号特征提取
被引量：
6
3
作者
陶然
许有才
和杰
鲁云波
乔王治
杨春宇
张俊喃
李珺
王华
机构
昆明理工大学质量发展研究院
云南
省特种设备安全检测研究院
云南惠民劳务服务有限公司
出处
《振动与冲击》
EI
CSCD
北大核心
2021年第10期196-203,共8页
基金
云南省特种设备安全检测研究院科技计划项目资助(YNTJKJ2019-01)。
文摘
针对奇异值分解(SVD)优化局部均值分解(LMD)方法提取高速电梯滚动导靴振动信号故障特征分量的模态混淆现象,提出一种基于自适应增强小波分解(SSWD)优化LMD的高速电梯滚动导靴振动信号特征提取方法。该方法构建低通滤波器、高通滤波器、小波基函数、尺度函数,利用小波分解(WD)的多分辨率滤波特性将原始信号分解为高频细节特征信号和低频近似信号;对高频细节特征信号进行信号增强、将增强后的高频细节特征信号与低频近似信号进行重构;采用LMD从重构信号中提取能够表征滚动导靴故障特征PF分量,求取PF分量的瞬时Teager能量波形进行对比分析。通过对实际工况信号处理、分析,实验结果表明,相比于SVD优化LMD方法,该方法完整地提取了滚动导靴振动信号的故障特征分量,避免了模态混淆现象出现。
关键词
高速电梯
滚动导靴
局部均值分解(LMD)
自适应增强小波分解(SSWD)
小波分解(WD)
Keywords
high speed elevator
rolling guide shoe
local mean decomposition(LMD)
self-adaptive sharpening wavelet decomposition(SSWD)
wavelet decomposition(WD)
分类号
TH277 [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MRSVD-SVD与VPMCD的交叉滚子轴承故障诊断研究
何冬康
甘霖
类志杰
邓其贵
和杰
《机电工程》
CAS
北大核心
2023
8
在线阅读
下载PDF
职称材料
2
基于MRSVD与LMD的工业机器人交叉滚子轴承故障特征提取
何冬康
刘方平
谭顺学
和杰
舒凡
《机床与液压》
北大核心
2023
5
在线阅读
下载PDF
职称材料
3
基于SSWD优化LMD的高速电梯滚动导靴振动信号特征提取
陶然
许有才
和杰
鲁云波
乔王治
杨春宇
张俊喃
李珺
王华
《振动与冲击》
EI
CSCD
北大核心
2021
6
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
