注册会员 | 设为首页 | 加入收藏夹
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. 基于级联奇异值分解和Hilbert变换的滚动轴承故障诊断

  2. 针对Hilbert变换包络解调法在强噪声影响下不能有效提取轴承故障信息的问题,研究了级联奇异值分解降噪的方法,并采用简便方法对重构矩阵的时间延迟和奇异值降噪阶次进行选择。应用结合后的方法分析含故障信息的滚动轴承实验信号,结果表明该方法能有效降低噪声并突显故障特征频率。

  3. 所属分类：其它

    • 发布日期：2020-05-23
    • 文件大小：741376
    • 提供者：weixin_38665093

  1. 一种基于MED和希尔伯特变换的滚动轴承早期故障诊断方法

  2. 滚动轴承的早期故障诊断对于设备预测和健康管理具有重要意义,然而受环境噪声、传递路径、信号衰减及源信号本身比较微弱的影响,滚动轴承故障的初期微弱信号特征往往难以提取。为了解决这一问题,提出了一种基于最小熵解卷积(minimum entropy deconvolution,MED)与希尔伯特变换(Hilbert transform,HT)相结合的滚动轴承故障特征提取方法(MED-Hilbert),该方法首先应用MED算法对传感器信号进行处理以提高信号的信噪比,然后通过希尔伯变换提取冲击能量信号,最后

  3. 所属分类：其它

    • 发布日期：2020-06-13
    • 文件大小：1048576
    • 提供者：weixin_38634323

  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HHT时域边际谱的滚动轴承故障诊断

  2. HHT(Hilbert-Huang变换)是一种适合处理非平稳和非线性过程的信号处理方法。提出了一种基于HHT的时域边际谱方法。该方法与传统Hilbert边际谱不同,代表单位时间内幅度的累加,体现信号时域特性。在滚动轴承的实验中,能够成功辨识滚动轴承内圈和外圈的故障特征,验证了该方法处理滚动轴承故障的可行性。

  3. 所属分类：其它

    • 发布日期：2020-07-01
    • 文件大小：1048576
    • 提供者：weixin_38622849

  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EMD和Hilbert包络解调的滚动轴承故障诊断方法研究

  2. 滚动轴承的运行状态会直接影响到整个旋转机械的性能,提出一种将经验模态分解和Hilbert包络分析相结合的方法对滚动轴承进行故障诊断。经验模态分解具有自适应性,能有效地将携带故障信息的高频调制信号从原信号中分离出来;利用Hilbert变换对包含滚动轴承故障所在的高频段进行包络谱分析,提取故障特征频率。将提取的特征频率与根据轴承型号参数和转速所得的滚动轴承的故障特征频率进行对比,能够辨识出滚动轴承的故障。通过对实验采集的滚动轴承振动信号进行分析,证明了该方法有效性和准确性。

  3. 所属分类：其它

    • 发布日期：2020-07-01
    • 文件大小：789504
    • 提供者：weixin_38738511

  1. 基于Hilbert变换的滚动轴承故障诊断

  2. 滚动轴承是工业应用系统中的重要部件,其引发的故障是引起机器设备失效的重要原因。Hilbert变换基于滚动轴承故障引发的高频固有振动,提取包络信号。通过包络信号进行频谱分析从而提取滚动轴承的故障特征信息。通过采集内圈故障、外圈故障的滚动轴承振动信号,采用Hilbert变换对轴承的振动信号进行了分析,验证了Hilbert包络解调技术在滚动轴承故障诊断中的有效性。

  3. 所属分类：其它

    • 发布日期：2020-07-01
    • 文件大小：206848
    • 提供者：weixin_38504687

  1. 基于EMD细化包络谱分析在轴承故障诊断中的应用

  2. 将经验模式分解(empirical mode decomposition,EMD)、Hilbert变换和细化(ZOOM)技术结合在一起。通过EMD分解的自适应滤波算法,避免了依靠经验来设置带通滤波器的中心频率和带宽,或者用小波方法对信号进行分解时,需要预先确定基函数和分解尺度的缺点,从而为计算包络谱的细化提供了一种简易算法。结果表明,基于经验模式分解自适应滤波的滚动轴承振动信号解调方法能够有效地突出故障特征频率成分,避免误诊断。

  3. 所属分类：其它

    • 发布日期：2020-06-29
    • 文件大小：331776
    • 提供者：weixin_38621897

  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. 基于小波包和HHT的轴承故障诊断研究

  2. 采用一种处理非平稳信号的新方法—希尔伯特-黄变换HHT（Hilbert-Huang Transform）来进行滚动轴承故障特征的提取。将信号先进行小波包降噪处理，然后用HHT进行信号故障特征提取。通过实验仿真和轴承故障诊断实例，对比没有进行小波包降噪而直接进行HHT的结果，证明了此方法在轴承故障诊断中的有效性。

  3. 所属分类：其它

    • 发布日期：2020-10-17
    • 文件大小：403456
    • 提供者：weixin_38642897