您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 基于多尺度Hermitian小波包络谱的轴承故障诊断.pdf

  2. 基于Hermitian的小波包络谱的滚动轴承故障的识别诊断及分析中国机械工程第23卷第1期2012年1月上半月 2.1轴承内圈的故障诊断 4000 图2所示为轴承内圈存在局部故障的时域振 3000 邇2000 动信号。图3所示为采用传统方法计算得到的振 1000 动信号的包络谱,由于受背景噪声的影响和带通 滤波、带宽选择的限制,滚动轴承的内圈故障特征 频率f在图3中没用得到明显体现 10时 2004006008001000 频率f/Hz 图5轴承内圈故障的多尺度包络谱 20 4000 -10 3
  3. 所属分类:C

    • 发布日期:2019-07-27
    • 文件大小:2097152
    • 提供者:kkkwuwu
  1. 基于小波包分解和EMD的滚动轴承故障诊断方法研究

  2. 提出了一种基于小波包分解与EMD的故障诊断特征提取方法。对故障振动信号进行小波包分解,并将其高频部分节点信号进行重构,对2个节点的重构信号分别进行EMD分解,得到一系列的IMF分量;提取每个节点的各个IMF分量的能量值并归一化后作为轴承的故障特征量输入神经网络进行诊断。通过实验证明2种方法的结合具有良好的局部分析能力及自适应分解的特点,可以提取更加有效的特征值,因此在进行诊断时,具有更快的速度与更高的准确率。
  3. 所属分类:其它

    • 发布日期:2020-05-27
    • 文件大小:264192
    • 提供者:weixin_38680475
  1. 基于小波降噪和改进HHT的滚动轴承故障诊断方法研究

  2. 提出了一种基于小波域阈值降噪和改进Hilbert-Huang变换的滚动轴承的振动信号分析方法。利用小波域阈值消噪的方法对振动信号进行降噪,采用基于包络极值延拓和相关系数法的HHT方法得到信号的Hilbert谱和Hilbert边际谱,根据谱图幅值特性判断轴承的状态。该方法能够有效地提取信号特征,具有良好的诊断效果。
  3. 所属分类:其它

    • 发布日期:2020-05-25
    • 文件大小:742400
    • 提供者:weixin_38665193
  1. 基于小波频谱分析的滚动轴承故障诊断研究

  2. 提出了一种基于小波频谱分析的滚动轴承故障诊断方法。利用小波默认阈值方法进行数据消噪处理,并对消噪后振动数据进行了5层小波分解。根据轴承故障特征频率,对故障特征频率所在层进行小波重构,计算功率谱密度。对滚动轴承故障的振动信号的仿真结果表明,该方法能有效识别滚动轴承的内圈、外圈和滚动体故障。
  3. 所属分类:其它

    • 发布日期:2020-06-04
    • 文件大小:731136
    • 提供者:weixin_38610815
  1. 基于小波包包络分析的滚动轴承故障诊断

  2. 提出一种基于小波包、能量分析和包络分析相结合的滚动轴承故障诊断方法。对实测振动信号进行小波包去噪,提取出有用的振动信号。利用小波包将去噪后的信号分解,求出分解后各频带的能量,根据各频带内能量分布,确定故障所在频带,并以此作为特征分量。对特征分量进行Hilbert解调分析,将包络谱谱峰处的频率与理论计算的滚动轴承故障频率进行对比,诊断轴承故障并确定故障位置。
  3. 所属分类:其它

    • 发布日期:2020-06-02
    • 文件大小:871424
    • 提供者:weixin_38744526
  1. 基于小波包变换和极限学习机的滚动轴承故障诊断

  2. 采用基于小波包变换(WPT)和极限学习(ELM)的方法对轴承故障进行诊断和分类辨识。该方法首先采用小波包变换对采集到的振动信号进行分解,求得各频带的相对能量,并构建特征向量,接着利用极限学习机进行自动分类识别。经使用实验台实测电机滚动轴承不同状态的信号进行分析,研究结果表明,所建立的自动分类模型可以有效地对轴承的单一故障,以及不同程度故障有很好的辨识能力。
  3. 所属分类:其它

    • 发布日期:2020-06-15
    • 文件大小:766976
    • 提供者:weixin_38653691
  1. 基于小波包和EMD处理的滚动轴承故障诊断

  2. 为解决异步电机故障轴承振动信号易受噪音影响信噪比较小的缺点,提出了一种新的故障诊断方法。首先,采用小波分析方法对测得的原始信号进行去噪,并根据频率对原始信号进行频带划分;其次,用经验模式分解(EMD)方法对小波包分解重构得到的低频段信号进行分解,获得若干固有内在模函数(IMF);最后,采用傅里叶变换对各个IMF函数进行时频分析获得频谱图,进而提取故障频率,根据故障频率和故障类型的对应关系得出最后的诊断结果。实验表明,该方法能有效地提取出故障特征频率,方便地判断出故障类型。对比分析了傅里叶变换和小
  3. 所属分类:其它

    • 发布日期:2020-06-20
    • 文件大小:304128
    • 提供者:weixin_38739744
  1. 基于无量纲指标与小波变换的轴承故障诊断研究

  2. 鉴于滚动轴承在运转过程中能够产生冲击振动信号,将无量纲指标、小波变换与Hilbert包络分析相结合,实现对滚动轴承的故障诊断。将采集到的滚动轴承振动信号进行裕度指标、峭度指标等无量纲指标分析,来定性判断轴承是否存在故障,通过小波变换减小白噪声等干扰信号的影响,通过Hilbert包络谱解调分析,获取能够反映故障频率的振动信号。实例表明,该方法能够简单有效地实现滚动轴承的故障判断。
  3. 所属分类:其它

    • 发布日期:2020-07-03
    • 文件大小:300032
    • 提供者:weixin_38712548
  1. 基于小波去噪和MSE的滚动轴承故障诊断

  2. 介绍一种将小波去噪与多尺度熵方法相结合的滚动轴承故障诊断方法,通过采用小波去噪后信号进行多尺度熵分析,得到多尺度熵曲线分布,对滚动轴承的正常状态、内圈故障、滚动体故障和外圈故障4种故障类型下的振动信号分析表明,小波多尺度熵方法在合适的尺度因子下能够有效的区分4种故障类型,可以进行滚动轴承的故障识别,并且优于传统的多尺度熵方法。
  3. 所属分类:其它

    • 发布日期:2020-07-03
    • 文件大小:620544
    • 提供者:weixin_38705640
  1. 基于小波包分解的滚动轴承故障诊断方法的研究

  2. 介绍了小波包分析的基本理论,并以滚动轴承为研究对象,将小波包分析应用于轴承的故障诊断。首先用小波包分解的方法提取分解频带的能量在时间域上的分布,得到能量谱图,然后通过包络分析得到信号的功率谱,由此可判断出轴承的故障位置。
  3. 所属分类:其它

    • 发布日期:2020-07-02
    • 文件大小:666624
    • 提供者:weixin_38679277
  1. 基于KPCA-BP网络模型的滚动轴承故障诊断方法研究

  2. 针对滚动轴承信号的非线性、非平稳性特点及诊断中冗余与噪音的干扰,引入了核主元分析法和BP神经网络相结合的方法对轴承的故障信号进行诊断,以提高轴承故障诊断的性能。通过5个传感器采集轴承不同状态的故障信号,利用小波包提取能量特征值,同时提取轴承的时-频域特征量组成原始特征空间,利用核主元分析方法对原始特征空间降维,提取主元特征量输入到BP神经网络中进行故障模式识别。试验结果表明,KPCA-BP网络模型的性能优于未筛选-BP网络,具有更好的诊断效果和抗干扰能力。
  3. 所属分类:其它

    • 发布日期:2020-07-02
    • 文件大小:750592
    • 提供者:weixin_38675970
  1. 基于小波包与概率神经网络相结合的滚动轴承故障诊断

  2. 基于小波变换的滚动轴承故障诊断,振动信号中的高频部分对诊断结果有一定影响,为克服此影响,首先运用小波包对SKF型滚动轴承故障信号进行预处理,以此为特征向量结合概率神经网络去验证模型的实用性和可行性。分析结果表明,小波包与概率神经网络相结合的故障诊断方法可以有效的应用于滚动轴承故障诊断。
  3. 所属分类:其它

    • 发布日期:2020-07-02
    • 文件大小:860160
    • 提供者:weixin_38628429
  1. 小波分析和Hilbert谱分析在故障诊断中应用

  2. 为了能有效地识别滚动轴承故障信号的非平稳和调制特点,提出了一种基于小波分析和Hilbert谱分析的滚动轴承故障诊断的新方法。使用小波分析对包含故障信息的信号进行分解、重构。进一步应用Hilbert变换进行解调和细化频谱分析。结果表明,小波分析和Hilbert变换的联合能够有效地提取故障特征频率并判断故障类型,非常适合滚动轴承的故障诊断。
  3. 所属分类:其它

    • 发布日期:2020-07-01
    • 文件大小:882688
    • 提供者:weixin_38607195
  1. 基于振动的滚动轴承故障诊断技术研究

  2. 从振动信号处理角度阐述了滚动轴承故障诊断的诊断流程,总结了时域分析、频域分析(包括倒频谱分析、包络分析和谱峭度法)、小波分析、循环平稳信号分析4种主流的滚动轴承故障特征信号提取处理方法最新研究进展。并在此基础上,进一步指出了该技术的发展方向。
  3. 所属分类:其它

    • 发布日期:2020-07-01
    • 文件大小:173056
    • 提供者:weixin_38636655
  1. 基于小波包和距离判别法的滚动轴承故障诊断

  2. 将小波包分析与距离判别分析法相结合的方法应用于滚动轴承故障诊断问题中。利用小波包分析技术提取了滚动轴承典型故障的振动加速度信号的状态特征向量,选用此特征向量作为距离判别分析模型的判别因子,以滚动轴承故障实测模拟数据作为学习样本进行训练,通过分析计算,建立了相应线性判别函数,并利用回代估计方法进行检验。研究结果表明:这种新模型判别能力强,交叉确认估计的误判率为0,不需要优化网络结构,是解决滚动轴承故障诊断的一种有效方法。
  3. 所属分类:其它

    • 发布日期:2020-06-29
    • 文件大小:338944
    • 提供者:weixin_38518722
  1. 基于小波分析的滚动轴承故障诊断

  2. 通过典型信号的MATLAB仿真讨论了小波在检测信号突变点时的选取原则。针对滚动轴承故障振动信号,先进行小波消噪,再进行小波分解与重构,对重构后的细节信号作Hilbert包络并进行谱分析,从功率谱中可清晰地识别出滚动轴承故障特征频率。
  3. 所属分类:其它

    • 发布日期:2020-06-29
    • 文件大小:450560
    • 提供者:weixin_38663029
  1. 基于小波包和EMD的滚动轴承故障诊断

  2. 针对滚动轴承故障振动信号的非平稳特征,提出了一种基于小波包和经验模态分解(Empirical Mode Decomposition,简称EMD)的滚动轴承故障诊断方法。该方法用小波包对振动信号进行预处理,用Hilbert变换求重构信号的包络,采用EMD方法将包络信号分解为若干个IMF分量,让故障信息得到凸显,然后根据某个分量的频谱,判断滚动轴承的故障类型。实验结果表明,比传统的时频分析方法,该方法能够更有效地提取轴承故障特征,诊断轴承故障。
  3. 所属分类:其它

    • 发布日期:2020-06-28
    • 文件大小:243712
    • 提供者:weixin_38550146
  1. 基于频谱分离与小波包分析相结合的滚动轴承故障诊断

  2. 针对提取的滚动轴承故障振动信号中包含大量噪声,采用频域分离的方法,从故障轴承振动信号中分离出纯故障信号,通过对纯故障信号进行小波包分解和重构,对重构后的小波包系数进行Hilbert包络解调并求取解调后信号的功率谱,从而从功率谱中识别出滚动轴承的故障特征频率,达到滚动轴承故障诊断的目的,并结合实验数据对该方法进行验证,结果证明了该方法的有效性。
  3. 所属分类:其它

    • 发布日期:2020-06-28
    • 文件大小:447488
    • 提供者:weixin_38593823
  1. 基于包络谱分析的滚动轴承故障诊断方法研究

  2. 分别用小波分解、小波包分解和EMD分解处理滚动轴承故障数据,并结合Hilbert变换进行包络谱分析实现滚动轴承故障诊断。对滚动轴承故障数据进行小波阈值降噪。小波阈值降噪后分别进行小波分解、小波包分解和EMD分解。分别求出小波分解、小波包分解和EMD分解后各个频带的能量谱。再根据能量谱确定故障频带范围并对其进行信号重构。采用Hilbert变换对重构信号进行包络谱分析实现滚动轴承故障诊断。通过对滚动轴承内圈故障信号的分析验证了小波分解、小波包分解和EMD分解结合Hilbert变换进行包络谱分析的滚动
  3. 所属分类:其它

    • 发布日期:2020-07-04
    • 文件大小:458752
    • 提供者:weixin_38732519
  1. 基于小波神经网络的滚动轴承故障诊断方法研究

  2. 将小波分析技术与神经网络技术相结合,通过小波分析技术对振动信号进行滤波消噪,构建时频关联分析的信号特征表征轴承的故障信息,实现准确的故障特征提取。运用神经网络方法具有的网络自适应能力,自学习能力,在背景噪声统计特性未知的情况下,提高轴承故障诊断系统的鲁棒性和可靠性,构建低成本、高可靠的滚动轴承故障分析诊断系统,实验结果表明,系统在训练信号、检测信号采集位置不同,训练轴承受损程度、检测轴承受损程度不同的情况下,均具有良好的检测识别能力,说明系统具有良好的鲁棒性,该方法有效可行。
  3. 所属分类:其它

    • 发布日期:2021-01-27
    • 文件大小:1048576
    • 提供者:weixin_38687904
« 12 »