基于VMD分解和多域信息融合的轴承故障诊断方法

1

作者 李刚强 徐昌健 +2 位作者 杨斌 徐增丙 丁改革 《建设机械技术与管理》 2025年第2期14-17,20,共5页

针对利用单一传感器原始信号进行诊断分析时易导致轴承故障诊断精度不高的问题,提出了一种基于VMD分解和多域信息融合的轴承故障诊断方法。首先利用变分模态分解算法(VMD)将轴承时域振动信号分解为多阶固有模态函数(IMF)后,然后将多个IM... 针对利用单一传感器原始信号进行诊断分析时易导致轴承故障诊断精度不高的问题,提出了一种基于VMD分解和多域信息融合的轴承故障诊断方法。首先利用变分模态分解算法(VMD)将轴承时域振动信号分解为多阶固有模态函数(IMF)后,然后将多个IMF时域分量及其对应的频域分量分别输入至多个深度信念网络(DBN)子模型中进行初步识别,之后以单个IMF测试集对应的故障类别精确率作为局部可信度,利用D-S证据推理法则对每个DBN的分类结果进行决策层融合,从而获取最终诊断结果。最后通过对不同类型和严重程度的轴承故障的诊断分析验证了该方法的有效性,且性能优于单一传感器原始信号的诊断结果。 展开更多

关键词 深度信念网络 VMD D-S证据推理 信息融合 故障诊断

在线阅读 下载PDF 职称材料

基于多域信息融合的深度学习轴承故障诊断方法 被引量：1

2

作者 葛卓 夏华猛 +2 位作者 王凯亮 徐增丙 丁改革 《振动与冲击》 EI CSCD 北大核心 2024年第23期47-55,共9页

针对单一振动信号包含故障信息易被隐藏以及单一深度学习模型诊断能力不强导致轴承故障诊断精度低的问题,提出了一种基于多域信息融合的深度学习故障诊断方法。利用变分模态分解方法(variational mode decomposition,VMD)将原始振动信... 针对单一振动信号包含故障信息易被隐藏以及单一深度学习模型诊断能力不强导致轴承故障诊断精度低的问题,提出了一种基于多域信息融合的深度学习故障诊断方法。利用变分模态分解方法(variational mode decomposition,VMD)将原始振动信号分解为多个本征模态函数(intrinsic mode function,IMF)分量,同时对每个IMF分量进行快速傅里叶变换(fast Fourier transformation,FFT)转化为频域样本;然后将多个IMF分量和其对应频域样本分别输入至多个深度度量学习(deep metric learning,DML)模型和深度置信网络(deep belief network,DBN)模型分别进行初步诊断分析,并利用简单软投票法对这些初步诊断结果进行融合从而获取最终诊断结果。最后通过对不同轴承故障的诊断试验分析,结果表明,该研究提出的方法不仅具有较好的诊断效果,而且诊断性能分别优于基于时域和基于频域的信息融合诊断方法。 展开更多

关键词 信息融合 深度度量学习(DML) 深度置信网络(DBN) 软投票法

在线阅读 下载PDF 职称材料

欠定盲解卷积用于滚动轴承复合故障声学诊断 被引量：9

3

作者 潘楠 伍星 +2 位作者 迟毅林 柳小勤 刘畅 《振动．测试与诊断》 EI CSCD 北大核心 2013年第2期284-289,341-342,共6页

针对旋转机械复杂声场中强噪声干扰及故障源未知等难题,提出一种基于盲解卷积的声学诊断方法。该方法采用包络谱余弦测度作为独立分量间距离测度,结合冲击信号峭度指标优选独立分量,进而通过频域稀疏分量分析对估计信号做进一步的分离,... 针对旋转机械复杂声场中强噪声干扰及故障源未知等难题,提出一种基于盲解卷积的声学诊断方法。该方法采用包络谱余弦测度作为独立分量间距离测度,结合冲击信号峭度指标优选独立分量,进而通过频域稀疏分量分析对估计信号做进一步的分离,最终实现在欠定条件下对滚动轴承复合故障信号的可靠提取。实际声场环境中的滚动轴承复合故障声信号提取试验验证了该方法的有效性。 展开更多

关键词 欠定盲解卷积 频域稀疏分量分析 复合故障 声学诊断

在线阅读 下载PDF 职称材料

面向多工位制造系统可诊断性的传感器布置优化 被引量：5

4

作者 孙继文 奚立峰 杜世昌 《计算机集成制造系统》 EI CSCD 北大核心 2007年第12期2441-2445,共5页

为获得足够和有效的测量信息,提高系统的可诊断性,应采用合适的测量策略并对传感器布置进行优化。为此,提出了量化描述系统可诊断性的三个测度(可检测性/可分离性/可预测性),并将多工位制造系统测量信息处理分为工位间传递和工位内检测... 为获得足够和有效的测量信息,提高系统的可诊断性,应采用合适的测量策略并对传感器布置进行优化。为此,提出了量化描述系统可诊断性的三个测度(可检测性/可分离性/可预测性),并将多工位制造系统测量信息处理分为工位间传递和工位内检测。在保障可诊断性的前提下,提出了传感器布置优化方法,降低了测量费用和诊断时间。通过具体加工实例,验证了该方法的正确性和有效性,为传感器布置优化提供了新的理论依据和实践参考。 展开更多

关键词 传感器布置 可诊断性 偏差诊断 分布式测量

在线阅读 下载PDF 职称材料

基于ITD-AR模型的故障诊断方法研究 被引量：4

5

作者 范玉刚 王之宏 黄国勇 《昆明理工大学学报（自然科学版）》 CAS 2017年第6期44-50,共7页

消减噪声干扰,提取振动信号故障特征是旋转机械设备故障诊断的关键问题,为此本文提出了基于固有时间尺度分解(Intrinsic Time Scale Decomposition,ITD)-自回归(Auto Regressive,AR)模型的故障诊断方法.首先用ITD将振动信号分解成一系... 消减噪声干扰,提取振动信号故障特征是旋转机械设备故障诊断的关键问题,为此本文提出了基于固有时间尺度分解(Intrinsic Time Scale Decomposition,ITD)-自回归(Auto Regressive,AR)模型的故障诊断方法.首先用ITD将振动信号分解成一系列的固有旋转(Proper Rotation,PR)分量;然后通过峭度准则对PR分量进行筛选,并对峭度值大的PR分量建立AR模型;最后对AR模型进行Teager能量算子(Teager-Kaiser Energy Operator,TKEO)分析,绘制Teager能量频谱,提取振动信号的冲击特征.将该方法应用于滚动轴承的故障诊断,实验结果表明,该方法能够准确地提取故障特征信息. 展开更多

关键词 滚动轴承 固有时间尺度分解 自回归模型 TEAGER能量算子 故障诊断

原文传递

机电设备红外故障诊断的可诊性研究 被引量：7

6

作者 李大鹏 孙丰瑞 《机电工程》 CAS 2004年第7期44-48,共5页

讨论了机电设备红外故障诊断的可诊性及其影响因素,给出了红外故障诊断可诊性的评价指标体系,研究了影响因素之间的相关性问题,并将其归类为不同可诊性的模式识别或分类问题。通过协方差和均值计算方法讨论了样本数目的影响。这对于红... 讨论了机电设备红外故障诊断的可诊性及其影响因素,给出了红外故障诊断可诊性的评价指标体系,研究了影响因素之间的相关性问题,并将其归类为不同可诊性的模式识别或分类问题。通过协方差和均值计算方法讨论了样本数目的影响。这对于红外技术在机电设备故障诊断上的应用具有一定的参考价值。 展开更多

关键词 红外 故障诊断 可诊性 模式识别

在线阅读 下载PDF 职称材料

基于频段能量特征的低速滚动轴承故障诊断 被引量：2

7

作者 熊邦书 吴强镪 +2 位作者 李新民 莫燕 黄建萍 《应用科学学报》 CSCD 北大核心 2017年第3期366-372,共7页

直升机自动倾斜器滚动轴承通常在低速环境下工作,其故障特征频率易淹没在各种干扰频率中,因此以特征频率处的谱峰作为故障特征的传统诊断方法效果不佳.为此提出一种基于频段能量特征的低速滚动轴承故障诊断方法.计算振动信号的FFT和功率... 直升机自动倾斜器滚动轴承通常在低速环境下工作,其故障特征频率易淹没在各种干扰频率中,因此以特征频率处的谱峰作为故障特征的传统诊断方法效果不佳.为此提出一种基于频段能量特征的低速滚动轴承故障诊断方法.计算振动信号的FFT和功率谱,利用轴承正常、内圈故障、外圈故障和滚珠故障4种状态的振动信号在功率谱上能量分布不同的特点,构建故障特征向量.利用具有小样本优势的支持向量机构建分类器,进行故障类型诊断.在实验台上模拟直升机自动倾斜器滚动轴承的低速工作环境,进行了故障模拟实验,采集振动数据,与传统LMD包络谱特征方法进行对比,验证了该方法在低速滚动轴承故障诊断方面的适应性和优越性. 展开更多

关键词 低速滚动轴承 故障诊断 自动倾斜器 支持向量机 频段能量特征

在线阅读 下载PDF 职称材料

基于EEMD-FSK的滚动轴承故障诊断 被引量：8

8

作者 金志浩 陈广东 +1 位作者 汪红 韩林洋 《机床与液压》 北大核心 2023年第4期180-183,共4页

为了解决轴承故障特征提取中经验模态分解(EMD)出现的模态混叠现象,提出一种集合经验模态分解(EEMD)、快速谱峭度选频和共振解调技术相结合的滚动轴承故障诊断方法。对原始振动信号进行EEMD处理,分解为多个本征模态函数(IMF);将符合峭... 为了解决轴承故障特征提取中经验模态分解(EMD)出现的模态混叠现象,提出一种集合经验模态分解(EEMD)、快速谱峭度选频和共振解调技术相结合的滚动轴承故障诊断方法。对原始振动信号进行EEMD处理,分解为多个本征模态函数(IMF);将符合峭度准则的IMF分量筛选出来,对其进行信号重构,对重构信号进行快速谱峭度计算得出快速谱峭度图,从图中选出最优频带中心和带宽,确定FIR带通滤波器设计参数;最后通过共振解调技术对滤波信号进行包络分析,得出包络谱确定滚动轴承故障特征信息。通过滚动轴承实验分析,验证了此方法的可行性。 展开更多

关键词 滚动轴承 集合经验模态分解 快速谱峭度 峭度准则 故障诊断

在线阅读 下载PDF 职称材料

基于频域盲信号处理的汽车制动异响定位方法研究 被引量：4

9

作者 潘楠 羿泽光 《河北科技大学学报》 CAS 2014年第5期410-416,共7页

汽车基础制动器在汽车刹车过程中会产生剧烈的振动和噪声,影响乘员的舒适性,降低有关汽车零部件的寿命;同时,尖锐的制动噪声(尖叫)还会严重干扰人们的正常生活。针对汽车制动异响噪声的治理工作非常重要。总结了汽车制动噪声的产生机理... 汽车基础制动器在汽车刹车过程中会产生剧烈的振动和噪声,影响乘员的舒适性,降低有关汽车零部件的寿命;同时,尖锐的制动噪声(尖叫)还会严重干扰人们的正常生活。针对汽车制动异响噪声的治理工作非常重要。总结了汽车制动噪声的产生机理、噪声特点和影响因素,回顾并分析了抑制和防治制动噪声的理论与工程研究进展。针对传统汽车制动异响检测分析方法手段单一、数据处理不便、灵活性差等突出性问题,提出了一种基于声信号频域盲处理的制动异响定位方法,详细介绍了其关键技术:利用动态粒子群优化形态滤波抑制路试背景噪声、使用峭度最大化复数单元固定点算法分离提取复分量、利用改进KL距离解决次序不确定性等。通过实际刹车制动声信号故障提取,验证了该方法的有效性和可靠性。 展开更多

关键词 汽车制动 异响定位 频域盲信号处理 次序不确定性

在线阅读 下载PDF 职称材料

PBC模式下单部件加速退化系统的视情维修策略优化

10

作者 莫亲鑫 沈瑾 苌道方 《制造业自动化》 2024年第2期68-75,共8页

随着制造业向高质量服务型制造方向的转化,售后保障服务收入在企业收益中的比重不断增大,近年来PBC(Performance-BasedContract,PBC)模式在国外逐渐兴起,成为资本密集型企业的主要售后保障模式。针对一个单部件退化系统,提出了一种新的... 随着制造业向高质量服务型制造方向的转化,售后保障服务收入在企业收益中的比重不断增大,近年来PBC(Performance-BasedContract,PBC)模式在国外逐渐兴起,成为资本密集型企业的主要售后保障模式。针对一个单部件退化系统,提出了一种新的基于服务性能合同(PBC)的视情维修策略。首先,以Gamma分布对退化过程建模,考虑系统退化速度会随役龄或维修次数的增加而逐渐加快的情况,采用完美维修和不完美维修两种维修操作,不完美维修的维修时间会随着系统的退化水平和维修次数而随机改变。在此基础上,以利润最大化为目标,通过评估系统的长期维修成本率和平均可用性,基于改进的粒子群算法得到了最优视情维修策略。最后,通过数值算例和模型参数敏感性分析,验证了模型的适用性,相比传统成本模型,绩效模型在利润收入上提高了11.6%,在系统可用度上提高了2.4%。 展开更多

关键词 视情维修 绩效合同 不完美维修 加速退化系统 优化

在线阅读 下载PDF 职称材料

基于WTD-AR谱和MEA-BPNN的轴承故障诊断方法 被引量：2

11

作者 金志浩 汪红 +1 位作者 陈广东 韩林洋 《机床与液压》 北大核心 2023年第11期188-193,共6页

针对滚动轴承故障诊断模型在噪声干扰下鲁棒性能差的问题,提出一种基于小波阈值去噪(WTD)、AR谱和思维进化算法(MEA)优化反向传播神经网络(BPNN)的轴承故障诊断方法。以原始振动信号为输入,采用小波方法分解重构原始信号滤除高频噪声,... 针对滚动轴承故障诊断模型在噪声干扰下鲁棒性能差的问题,提出一种基于小波阈值去噪(WTD)、AR谱和思维进化算法(MEA)优化反向传播神经网络(BPNN)的轴承故障诊断方法。以原始振动信号为输入,采用小波方法分解重构原始信号滤除高频噪声,然后采用Burg算法估计AR模型参数提取降噪信号功率谱特征,最后将特征向量与对应标签分别作为MEA-BPNN神经网络的输入、输出进行训练,最终实现诊断。将该方法与一些先进的人工神经网络诊断方法作比较,测试该诊断模型的性能。研究结果表明:WTD-AR谱-MEA-BPNN诊断模型能够有效降低轴承振动信号的噪声干扰,实现特征增强,分辨率更高;相较于传统神经网络训练速度更快,在更短时间内甄别故障类型且识别率高。 展开更多

关键词 小波阈值去噪 思维进化算法 Burg算法 特征提取 神经网络 故障诊断

在线阅读 下载PDF 职称材料

基于二叉树的支持向量机旋转机械故障诊断方法 被引量：2

12

作者 孙林 付静 《机械》 2008年第3期1-4,共4页

支持向量机理论最初是针对两类模式识别问题而提出的。在故障诊断领域,多类故障诊断问题更为普遍。针对支持向量机常用的多类分类算法进行了分析,在此基础上提出了一种基于聚类思想的二叉树多类分类算法,并运用该算法对转子模拟试验台... 支持向量机理论最初是针对两类模式识别问题而提出的。在故障诊断领域,多类故障诊断问题更为普遍。针对支持向量机常用的多类分类算法进行了分析,在此基础上提出了一种基于聚类思想的二叉树多类分类算法,并运用该算法对转子模拟试验台几种典型的故障进行了模式识别,实验结果表明新方法能有效地、准确地识别故障模式,比较符合实际工程要求,具有较高的推广性能。 展开更多

关键词 支持向量机 多类分类 故障诊断

在线阅读 下载PDF 职称材料

设备状态信号长数据记录管理系统研究

13

作者 潘楠 伍星 +1 位作者 刘畅 刘凤 《昆明理工大学学报（自然科学版）》 CAS 2015年第3期58-63,共6页

针对状态监测过程中通过较高采样率采集的机械声振信号数据量大、处理易造成内存溢出、远程协助诊断难以实施等突出性问题,基于Lab VIEW平台设计开发了一种能够有效处理较大数据量机械设备状态信号的长数据记录管理系统.详细介绍了该系... 针对状态监测过程中通过较高采样率采集的机械声振信号数据量大、处理易造成内存溢出、远程协助诊断难以实施等突出性问题,基于Lab VIEW平台设计开发了一种能够有效处理较大数据量机械设备状态信号的长数据记录管理系统.详细介绍了该系统的设计思路,并对呈现数据压缩、异步加载、远程数据传输等关键技术逐一进行细致阐述.最终配合采集仪器,通过长数据分析处理过程验证了该系统的有效性和可靠性. 展开更多

关键词 设备状态监测 呈现数据压缩 异步加载 远程数据传输

原文传递

基于深度信念网络的滚动轴承特征迁移诊断 被引量：6

14

作者 张建宇 任成功 《振动．测试与诊断》 EI CSCD 北大核心 2022年第2期277-284,407,共9页

滚动轴承的故障智能诊断研究多是针对同源数据进行,而不同型号、不同工况下的滚动轴承,由于时、频特征差异,加之背景噪声的影响,导致识别准确率偏低。为了解决这一问题,笔者以6307和6205两类深沟球轴承为研究对象,建立了以深度信念网络(... 滚动轴承的故障智能诊断研究多是针对同源数据进行,而不同型号、不同工况下的滚动轴承,由于时、频特征差异,加之背景噪声的影响,导致识别准确率偏低。为了解决这一问题,笔者以6307和6205两类深沟球轴承为研究对象,建立了以深度信念网络(deep belief network,简称DBN)为核心的迁移诊断模型,构造了以波形指标、峭度指标、近似熵及分散熵为代表的特征识别参数。为了抑制信号传递路径(共振频带差异)和背景噪声的影响,引入最大相关峭度反卷积(maximum correlated kurtosis deconvolution,简称MCKD)方法,并对其关键参数实施了自适应选取。结果表明,由MCKD与DBN联合组成的迁移诊断模型,在3类不同数据源之间的诊断准确率均超过了95%,为滚动轴承的迁移特征诊断提供了一条可行的途径。 展开更多

关键词 滚动轴承 深度信念网络 自适应最大相关峭度反卷积 迁移特征 智能诊断

在线阅读 下载PDF 职称材料

基于Hilbert-Huang变换方法的滚动轴承故障分析 被引量：2

15

作者 李方忠 马文生 +1 位作者 陈溪 陈平伟 《兵器装备工程学报》 CAS 北大核心 2018年第12期207-211,共5页

针对滚动轴承在发生故障时产生的非平稳信号,采用Hilbert-Huang方法对滚动轴承的非平稳信号进行分析。同时针对Hilbert-Huang变换中出现的端点效应问题,提出一种改进端点极值延拓方法。在对发生故障的滚动轴承的振动信号进行采集后,利用... 针对滚动轴承在发生故障时产生的非平稳信号,采用Hilbert-Huang方法对滚动轴承的非平稳信号进行分析。同时针对Hilbert-Huang变换中出现的端点效应问题,提出一种改进端点极值延拓方法。在对发生故障的滚动轴承的振动信号进行采集后,利用MATLAB软件进行分析,通过Hilbert谱及Hilbert边际谱的特征分析判断该滚动轴承内圈故障。Hilbert-Huang方法在处理滚动轴承故障的非平稳信号时,可以根据频谱特征准确判断故障类型。 展开更多

关键词 滚动轴承 故障分析 希尔伯特-黄变换 端点极值延拓

在线阅读 下载PDF 职称材料

多源信息深度融合的行星齿轮箱故障诊断方法 被引量：10

16

作者 陈仁祥 黄鑫 +3 位作者 胡小林 徐向阳 黄钰 朱孙科 《振动工程学报》 EI CSCD 北大核心 2020年第5期1094-1102,共9页

行星齿轮箱运行工况复杂,振动激励源多,仅依靠单一征兆域会导致故障诊断结果不确定性高。为此,对行星齿轮箱多通道多征兆域深层特征信息进行融合,提出基于多源信息深度融合的行星齿轮箱故障诊断方法。首先构建多个深度残差卷积神经网络(... 行星齿轮箱运行工况复杂,振动激励源多,仅依靠单一征兆域会导致故障诊断结果不确定性高。为此,对行星齿轮箱多通道多征兆域深层特征信息进行融合,提出基于多源信息深度融合的行星齿轮箱故障诊断方法。首先构建多个深度残差卷积神经网络(Deep Residual Convolution Neural Network,DRCNN)分别对行星齿轮箱多通道多征兆域信息进行特征学习以建立局部特征空间与故障空间的映射;其次提取各子DRCNN所学习到的各征兆域深层故障特征以构建全局特征空间的证据体集;最后利用随机森林(Random Forest,RF)对证据体集进行融合以从不同角度充分利用多源故障特征信息,建立起全局特征空间与故障空间的映射,得到诊断结果。所提方法将特征自动提取与信息融合有效统一为整体,增强了方法的智能化与自适应能力。多工况下行星齿轮箱故障诊断实验结果表明所提方法诊断不确定度小、精确度高,能够有效对行星齿轮箱故障进行诊断。 展开更多

关键词 故障诊断 行星齿轮箱 深度残差卷积神经网络 随机森林 多源信息深度融合

在线阅读 下载PDF 职称材料

基于同步提取变换的滚动轴承微弱特征增强与提取方法 被引量：8

17

作者 胡志峰 李志农 +1 位作者 朱彤 王成军 《兵器装备工程学报》 CAS CSCD 北大核心 2021年第2期234-238,共5页

传统线性时频分析所处理的信号特征模糊、时频能量发散,不能较好的处理微弱信号的特征提取问题。为了能准确识别轴承故障的微弱特征,本文将同步提取变换(Synchroextracting Transform,SET)引入到轴承振动信号的微弱特征增强与提取中,探... 传统线性时频分析所处理的信号特征模糊、时频能量发散,不能较好的处理微弱信号的特征提取问题。为了能准确识别轴承故障的微弱特征,本文将同步提取变换(Synchroextracting Transform,SET)引入到轴承振动信号的微弱特征增强与提取中,探讨了如何利用同步提取变换提取滚动轴承微弱特征信息,并与短时傅里叶提取变换、同步挤压短时傅里叶变换进行对分析。仿真表明,该方法明显优于短时傅里叶和同步挤压短时傅里叶变换,能够改善时频聚集性并具有一定的抗干扰能力。最后,将该方法应用到滚动轴承微弱特征增强和提取中,实验结果表明,该方法能较好的识别出信号的微弱特征,有效地诊断出微弱故障信号。 展开更多

关键词 同步提取变换 故障诊断 滚动轴承 特征提取 弱信号

在线阅读 下载PDF 职称材料

神经网络在机械故障诊断中的应用

18

作者 黄国健 王俊峰 张钰 《轻工科技》 2014年第9期62-63,共2页

对BP神经网络进行数学推导及详细论述,提出神经网络用于机械故障诊断的前提条件,对轴承神经网络故障诊断系统进行仿真。

关键词 BP神经网络 故障诊断 轴承

原文传递

基于SVD-MEEMD与Teager能量谱的滚动轴承微弱故障特征提取 被引量：8

19

作者 杨超 赵荣珍 孙泽金 《噪声与振动控制》 CSCD 2020年第4期92-97,共6页

针对滚动轴承早期微弱故障特征难以提取的问题,提出一种基于奇异值分解(Singular Value Decomposition,SVD)、改进的集总经验模态分解(Modified Ensemble EMD,MEEMD)和Teager能量谱的滚动轴承微弱故障特征提取方法。该方法首先采用Hanke... 针对滚动轴承早期微弱故障特征难以提取的问题,提出一种基于奇异值分解(Singular Value Decomposition,SVD)、改进的集总经验模态分解(Modified Ensemble EMD,MEEMD)和Teager能量谱的滚动轴承微弱故障特征提取方法。该方法首先采用Hankel矩阵理论对滚动轴承的故障信号进行相空间重构得到重构矩阵,并根据奇异值差分谱理论对重构矩阵进行SVD处理,实现信号的初步降噪;其次,对降噪后的信号进行MEEMD分解得到一组本征模态分量(Intrinsic Mode Function,IMF)和一个余量,依据峭度-相关系数规则选取出一个冲击特征敏感的IMF分量,计算其Teager能量算子;最后,通过分析能量谱图实现对滚动轴承微弱故障的模式辨识。采用美国西储大学的滚动轴承故障数据对所提方法进行验证,并与其它模式的组合方法进行比较。结果表明,该方法具有良好的降噪效果和敏感特征筛选能力,从而能更准确提取出滚动轴承早期故障频率,实现故障类型的准确辨识。 展开更多

关键词 故障诊断 微弱故障 特征提取 奇异值分解 改进的集总经验模态分解 Teager能量谱

在线阅读 下载PDF 职称材料

CEEMDAN和改进多尺度熵的声音信号故障诊断 被引量：11

20

作者 付国梓 吕勇 《机械设计与制造》 北大核心 2022年第5期185-190,共6页

声音信号采集具有非接触测量的优点,但易受到附近声源的影响而含有较大噪声,不利于故障特征识别。为此,提出一种自适应噪声的完全集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)和改... 声音信号采集具有非接触测量的优点,但易受到附近声源的影响而含有较大噪声,不利于故障特征识别。为此,提出一种自适应噪声的完全集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)和改进多尺度熵的声音信号故障诊断方法。该方法中CEEMDAN改善了EEMD(Ensemble Empirical Mode Decomposition,EEMD)的模态混叠,针对传统多尺度熵中粗粒时间序列长度不同和数据丢失的情况,提出一种平滑粗粒化处理的改进多尺度熵。将该方法应用于行星齿轮箱故障诊断中,可以对不同状态下的声音信号进行识别分类。通过数值仿真和实验数据分析,表明了提出的方法相对于其他方法的有效性和优越性。 展开更多

关键词 自适应噪声的完全集成经验模态分解 改进多尺度熵 平滑粗粒化 故障诊断

在线阅读 下载PDF 职称材料