共查询到20条相似文献,搜索用时 171 毫秒
1.
2.
3.
基于振动信号分析的采煤机摇臂轴承故障诊断研究 总被引:1,自引:0,他引:1
针对采煤机摇臂轴承故障频发,严重影响采煤工作面安全生产的现状,进行了基于振动信号分析的采煤机摇臂轴承故障诊断研究。为准确识别采煤机摇臂轴承故障,采用集合经验模态分解方法(EEMD)对原始振动信号进行分解,提取前8个本征模态函数的能量占信号总能量的比例作为故障特征信息,并输入到支持向量机(SVM)进行故障模式识别。试验结果表明,结合集合经验模态分解和支持向量机的故障诊断方法,适用于处理采煤机摇臂轴承产生的非平稳、非线性振动信号,总体故障识别率达到88.33%,可实现轴承故障的准确诊断。 相似文献
4.
5.
结合经验模态分解(Empirical Mode Decomposition,EMD)和隐Markov模型(HMM)各自的优点,提出了一种基于EMD-HMM的旋转机械故障诊断新方法,该方法是先对振动信号进行EMD分解,对分解后的本征模函数进行希尔伯特变换得到其边缘谱图,并用希尔伯特边缘幅值谱作为特征向量,输入到各种故障模式的HMM中进行识别:该方法非常适合旋转机械设备非平稳运行过程中的故障诊断,实验结果表明该方法是有效的。 相似文献
6.
滚动轴承故障的发生不仅影响机械设备运行效率,甚至引发安全事故,对其开展故障诊断研究对提高机械设备可靠性、避免突发故障、保障安全生产具有重要的现实意义。提出基于变分模态分解(VMD)混合特征提取和自适应模糊推理系统(ANFIS)的滚动轴承故障诊断方法,其适用于处理滚动轴承产生的非平稳振动信号,将故障激发的特征信息自适应地分解到一系列本征模态函数(IMF)中。然后从不同物理角度出发,结合信息熵和均方根构建每个IMF的混合特征向量,实现滚动轴承故障特征信息提取量化;最后结合ANFIS实现了滚动轴承故障类型的准确识别,总体识别率达到94.2%,证明了该方法的有效性。 相似文献
7.
基于CEEMDAN和ELM的风机故障诊断研究 总被引:1,自引:0,他引:1
《煤炭技术》2017,(8):211-213
针对通风机轴承信号非平稳和故障样本稀少的问题,提出基于完备集合经验模态分解(CEEMDAN)和极限学习机(ELM)的轴承故障诊断方法。首先,利用CEEMDAN分解故障信号得到本征模态分量(IMF);然后,使用极限学习机学习IMF能量特征;最后,将极限学习机用于故障诊断。 相似文献
8.
9.
10.
11.
12.
13.
14.
15.
简要介绍了经验模态分解(Emepirical Mode Decomposition,EMD)方法的基本思想,并对放顶煤过程中产生的声波信号进行EMD分解和频谱分析。EMD方法能把1个复杂的非平稳信号分解为有限个固有模态函数分量(In-trinsic Mode Function,IMF)之和,分解出的各个IMF分量是平稳的,具有实际的物理意义。根据各IMF的频谱,可获得顶煤放落过程中产生的声波信号的频率组成,进行煤岩界面识别。 相似文献
16.
17.
18.
19.
提出一种基于改进的经验模态分解(EMD)锚固动测信号处理方法。EMD法能将信号中不同尺度的波动和趋势项逐级分解开来,具有自调节自适应的特征,能在时频域内描述非平稳非线性信号的局部特性。基于改进的EMD算法,实现应力波反射法锚固动测缺陷信号的分离与诊断,消除了由实测信号直接读取反射波特性所存在的误差,具有较好的准确性和灵活性。模型试验结果表明,该法简单、有效,并具有较高的分析精度。 相似文献
20.
针对焊接钢板内部的残余应力,由于采集振动信号的非线性和非平稳性,采用希尔伯特-黄变换(HHT)对振动信号分析处理。在对得到的信号进行分析时,选择镜像延拓(ME)以及改进的集总平均经验模态分解(MEEMD)相结合的方式,目的是防止在经验模态分解时产生模态混叠以及端点效应等对最终的实验结果产生影响。求解出各阶固有模态函数的模态能量,与正常信号分析对比,从能量角度实现对构件残余应力的检测,得出信号能量与残余应力之间的关系。 相似文献