期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
经验小波变换及其在机械故障盲分离中的应用 被引量:4
1
作者 吴加福 吴安定 肖涵 《机械设计与制造》 北大核心 2020年第10期89-93,共5页
提出了一种基于经验小波变换针对非线性、非平稳混合信号的单通道盲源分离方法,并应用于机械设备故障诊断中。该方法拟采用EMD-SVD-BIC估计源数,以确定经验小波变换中频谱分割边界的个数N,再将经验小波变换用于单通道盲源分离,从而进行... 提出了一种基于经验小波变换针对非线性、非平稳混合信号的单通道盲源分离方法,并应用于机械设备故障诊断中。该方法拟采用EMD-SVD-BIC估计源数,以确定经验小波变换中频谱分割边界的个数N,再将经验小波变换用于单通道盲源分离,从而进行欠定条件下多故障的分离与诊断。利用该方法对仿真信号和单通道轴承振动信号进行了分析,结果表明,该方法能够有效地将不同故障的源信号分离出来,并准确提取出机械的故障特征。 展开更多
关键词 经验小波变换 盲源分离 源数估计 频谱边界个数
在线阅读 下载PDF
时空稀疏贝叶斯的多通道降噪方法及在机械故障诊断中的应用 被引量:3
2
作者 吴安定 吴加福 易灿灿 《机械设计与制造》 北大核心 2020年第9期28-31,共4页
压缩感知利用与稀疏基相独立的观测矩阵将具有稀疏结构的高维度信号投影到低维子空间,对于信号的压缩和降噪有很好的效果,但是稀疏基以及稀疏系数矩阵的获得对于分析的结果有决定性的影响。稀疏贝叶斯学习(sparse bayesian learning,SBL... 压缩感知利用与稀疏基相独立的观测矩阵将具有稀疏结构的高维度信号投影到低维子空间,对于信号的压缩和降噪有很好的效果,但是稀疏基以及稀疏系数矩阵的获得对于分析的结果有决定性的影响。稀疏贝叶斯学习(sparse bayesian learning,SBL)算法能极大地提高信号稀疏分解的精度,提出了一种改进的基于时空稀疏贝叶斯(Spatio-Temporal Sparse Bayesian Learning,STSBL)的多通道信号降噪算法。首先给出了多通道压缩感知理论模型,然后通过自适应过完备字典求取信号的稀疏基矩阵,最后提出基于STSBL的多通道理论模型获取多通道稀疏系数矩阵,从而实现多通道机械故障信号的有效降噪以及特征成分的精确重构。分别通过数值仿真实验和实测风力发电机轴承内圈故障信号进行分析,结果表明提出的方法有很好的降噪效果,同时能成功地提取信号的故障特征信息。 展开更多
关键词 多通道压缩感知 时空稀疏贝叶斯 自适应过完备字典 故障特征提取
在线阅读 下载PDF
局部鲁棒主成分分析及其在故障诊断中的应用 被引量:2
3
作者 苏立鹏 金樟民 +1 位作者 尤戈 易灿灿 《机械设计与制造》 北大核心 2021年第8期246-249,255,共5页
机械设备故障振动信号的分析一般需要经过特征提取,然而由于背景噪声或者环境干扰的存在使得信号的信息适用性下降,从而导致特征提取存在很大的困难。一种新的局部鲁棒主成分分析的降噪方法被提出,该方法假设数据矩阵在有限个局部区域... 机械设备故障振动信号的分析一般需要经过特征提取,然而由于背景噪声或者环境干扰的存在使得信号的信息适用性下降,从而导致特征提取存在很大的困难。一种新的局部鲁棒主成分分析的降噪方法被提出,该方法假设数据矩阵在有限个局部区域可以分解为表示信号特征信息的低秩成分和代表噪声的稀疏成分的加权和,且矩阵只需在局部区域具有低秩的属性而不必要满足全局低秩的强条件,并通过有限个局部低秩矩阵的平滑凸组合来全局逼近原始矩阵。通过仿真实验和实测的轴承外圈故障数据的分析,证明了提出的方法具有较强的降噪和特征提取效果。 展开更多
关键词 机械设备故障诊断 特征提取 局部鲁棒主成分分析 平滑核函数
在线阅读 下载PDF
改进的傅里叶分解算法及其在滚动轴承故障诊断的应用 被引量:2
4
作者 金樟民 苏立鹏 +2 位作者 尤戈 吕斯特 易灿灿 《机床与液压》 北大核心 2021年第6期163-169,共7页
针对滚动轴承早期微弱故障在噪声背景下难以提取的问题,提出一种改进的傅里叶分解(IFDM)与快速谱峭度相结合的新方法,用以准确、快速地识别故障特征成分。傅里叶分解法能将故障信号自适应地分解为一系列瞬时频率具有明确物理意义的固有... 针对滚动轴承早期微弱故障在噪声背景下难以提取的问题,提出一种改进的傅里叶分解(IFDM)与快速谱峭度相结合的新方法,用以准确、快速地识别故障特征成分。傅里叶分解法能将故障信号自适应地分解为一系列瞬时频率具有明确物理意义的固有频带函数(FIBFs),类似于经验模态分解产生的本征模态函数,但其缺点在于无法控制所生成的FIBFs数量,如信号本身调制成分太多或受噪声影响太大,则直接运用傅里叶分解算法(FDM)会产生大量无意义的FIBFs,造成大量计算时间浪费,增加数据处理难度。为此,提出一种改进的FDM方法,该方法使用快速谱峭度法对故障信号进行预处理,自适应地确定滤波器的最佳参数及故障所在频带,然后仅在该频带上使用改进的FDM分解,因此在准确提取出故障频率成分的同时极大地减少计算量。对仿真及轴承实际故障信号的分析结果表明,该方法能更准确识别故障特征。 展开更多
关键词 滚动轴承 故障诊断 傅里叶分解 固有频带函数 快速谱峭度
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部