共查询到20条相似文献,搜索用时 421 毫秒
1.
为解决在轴箱轴承故障诊断中,原始振动信号带通滤波器参数选择依靠主观工作经验,EEMD分解技术中多个IMF分量分析效率及准确性较低等问题,提出一种改进的EEMD-Hilbert包络解调方法.该方法采用EEMD对原始信号进行分解,利用双相关系数法及阈值法选取有效本征模态分量,通过对本征模态分量进行Hilbert包络解调,获取包络信号幅值谱作为故障特征量进行轴箱轴承故障诊断.并通过轴箱轴承实验台测试验证了该方法的有效性. 相似文献
2.
3.
4.
针对工厂设备在工作过程中可能损坏的情况,设计了一套以STM32为主控的振动信号采集系统,并应用ZigBee无线通信模块进行数据传输,实现对设备滚动轴承的实时监测。首先通过加速度传感器获取振动数据,然后经过信号调理和A/D转换后存储,最后通过ZigBee组网无线传输的方式在数据处理终端对数据进行处理分析,实现机器故障监测功能。通过滚动轴承模拟试验台测试,该系统可以实现振动信号的采集;通过对数据以CEEMD与峭度系数分解重构后进行包络分析,提取故障特征频率。该系统可以应用于设备的异常振动监测。 相似文献
5.
具有非平稳特性的滚动轴承振动信号易受到外界噪声干扰,且传统的小波包硬、软阈值函数降噪方法无法根据信号中的噪声干扰情况自适应调节。因此,提出一种基于排列熵的改进小波包阈值降噪方法,并与自适应噪声的完整集成经验模态分解(CEEMDAN)相结合进行故障信号分析。首先,对采集的滚动轴承故障信号进行改进小波包阈值降噪处理,然后将降噪信号进行CEEMDAN处理,分解得到一系列固有模态分量(IMF),根据相关系数选择IMF,并作包络谱分析。最后对滚动轴承实际振动信号的故障分析,证明了此方法的有效性。 相似文献
6.
针对强背景噪声下齿轮微弱故障特征难以有效提取的问题,本文提出了一种基于自适应经验小波塔式分解的齿轮故障诊断方法 .首先,在齿轮故障信号傅立叶变换基础上,通过设定分解层数对信号频谱进行有效划分,进行经验小波变换;然后进一步提出时-频峭度指标,绘制信号在不同分解层数下各分量信号的时-频峭度图,确定所感兴趣的最优共振频段范围;最终得到最优单分量信号,利用包络解调分析提取齿轮微弱故障特征.采用所提方法对齿轮故障信号进行分析,结果表明该方法可以有效提取齿轮微弱故障特征,而传统经验小波方法因为受强背景噪声影响较大,无法准确提取齿轮微弱故障特征信息. 相似文献
7.
8.
9.
针对低速运行滚动轴承故障特征易被噪声湮没的问题,提出了一种基于可调品质因子小波分解的分层自适应阈值去噪方法,并将该方法与包络谱分析相结合,对低速轴承进行故障分析与诊断;首先,将采集到的轴承振动信号进行TQWT分解,得到分解后的各层小波系数;然后,利用Sigmoid函数构造分层自适应阈值函数,并利用该阈值函数对TQWT的高频系数进行阈值去噪处理;最后,结合去噪后的高频小波系数和低频小波系数对信号进行重构,得到去噪后的轴承振动信号;通过仿真故障信号,模拟故障实验信号和实测故障信号分别进行了去噪实验分析;实验结果表明,经典的软阈值函数和硬阈值函数相比,该方法能获得更好的去噪效果,在降低噪声干扰的同时,有效保留了轴承的故障特征信息,去噪后信号的包络谱,可以清晰地呈现故障的频谱特征,并观察到故障特征的多倍频峰值,且峰值附近干扰很少,有效提高了轴承早期故障的诊断精度;在仿真信号实验中,与软阈值、硬阈值函数相比,该方法去噪后,具有更高的信噪比(SNR)和更低的均方根误差(RMSE),与硬阈值函数相比,此方法的SNR平均增加了4.149 1,RMSE平均下降了0.132 9;与软阈值函数相比,该方法的... 相似文献
10.
针对滚动轴承故障诊断问题,提出了经验模态分解(EMD)包络谱分析结合最小二乘支持向量机(LSSVM)方法用于滚动轴承的故障诊断。EMD具有自适应性,可以有效分析非平稳,非线性信号。利用EMD将轴承信号分解为由高频到低频的固有模态函数(IMF),选取前4个主要包含轴承故障频率的IMF函数进行包络谱分析,采用每个分量函数的特征频率和轴承的时域特征作为轴承故障的识别特征,结合LSSVM方法建立轴承故障诊断定性识别模型。结果表明:单独采用频率特征的LSSVM判别模型无法实现轴承故障的准确识别,其正确识别率仅为82.5%;采用频率特征结合时域特征的LSSVM模型可以实现轴承故障类型的100%准确识别。EMD包络谱分析结合模式识别的方法可以实现轴承故障类型的有效识别。 相似文献
11.
12.
车辆经过减速带时与其在路面正常行驶时的声信号波形明显不同,其特征参数的提取对车辆数量、速度、类型等的自动判断至关重要,声信号包络曲线对其特征参数的提取相比原始信号有诸多优势,但传统包络提取算法在此类交通领域声信号包络提取方面存在毛刺多、特征参数难以真正体现信号性质和特征的问题。为解决此问题,结合车辆经过减速带时的声信号特点,提出一种基于变换步长的车辆压线声信号包络提取算法。该算法通过设置不同步长遍历信号,以每个步长内的最大值点绘制曲线并与原信号波形对比,以轮廓清晰度和特征点提取误差值为判断依据实现声信号包络的有效提取。实验结果表明,在相同采样点数条件下,所提算法比传统包络提取算法提取的包络曲线轮廓更清晰、毛刺少,且特征参数提取误差小。 相似文献
13.
故障检测是保证导航系统完好性的重要途径.针对接收机自主完好性监测算法RAIM需要至少5颗可见星时才能进行故障检测的问题,在惯性/卫星组合导航系统的框架下,通过构建能反映卫星故障特征的检验统计量,并根据检验统计量的分布确定相应的检测门限,提出了解分离和残差外推两种卫星故障检测方案.仿真结果表明:解分离算法能在存在RAIM漏洞时检测故障且易于进行系统重构,但其故障检测效率不高;残差外推法适用于检测慢变故障.仿真结果表明,改进方法故障检测效率有较大提高,甚至在只有三颗可见星时仍能较快地检测出慢变故障. 相似文献
14.
15.
16.
在正弦激励模型的线性预测(LP)残差转换的基础上,提出了一种改进语音特征转换性能的语音转换方法.基于线性预测分析和综合的构架,该方法一方面通过谱包络估计声码器提取源说话人的线性预测编码(LPC)倒谱包络,并使用双线性变换函数实现倒谱包络的转换;另一方面由谐波正弦模型对线性预测残差信号建模和分解,采用基音频率变换将源说话人的残差信号转换为近似目标说话人的残差信号.最后由修正后的残差信号激励时变滤波器得到转换语音,滤波器参数通过转换得到的LPC倒谱包络实时更新.实验结果表明,该方法在主观和客观测试中都具有良好的结果,能有效地转换说话人声音特征,获得高相似度的转换语音. 相似文献
17.
为了从复杂工况下获取滚动轴承故障信息,提出了一种基于广义形态滤波和多分辨奇异值分解(Multi-Resolution Singular Value Decomposition,MRSVD)相结合的方法。首先利用广义形态学滤波方法对振动信号进行降噪预处理;然后利用MRSVD对降噪后的振动信号进行分解;最后通过峭度准则选取故障特征最丰富的细节信号,并对其进行Hilbert包络谱分析。将提出的方法应用于滚动轴承的故障检测,实验结果表明该方法能清晰地提取故障特征信息。 相似文献
18.
《计算机测量与控制》2014,(4)
提出了一种利用经验模态分解(EMD)与Teager能量算子解调算法(EOSA)相结合的滚动轴承故障诊断方法;故障轴承振动信号往往是多分量AM-FM信号,首先对滚动轴承内圈故障调制信号进行EMD分解,得到若干个不同特征时间尺度的内禀模态信号(IMF),然后利用Teager能量算子解调法计算各个内禀模态信号的瞬时幅值,对主要内禀模态信号的瞬时幅值包络谱进行分析,可提取轴承故障信号特征信息;实验分析结果表明,利用经验模态分解与EOSA相结合的方法,可有效提取6205-2RS型深沟球滚动轴承的内圈特征频率fi=162.2Hz及其倍频。 相似文献
19.
20.
包络拟合是经验模态分解(Empirical Mode Decomposition, EMD)中非常关键的一步。针对经典EMD利用信号极值点的三次样条插值构成的包络经常会和信号相交从而破坏包络的定义,在分析包络的性质的基础上提出了一种新的EMD包络拟合方法。该方法可以根据经典EMD包络通过泰勒展开计算出具有相同一阶导的信号和包络的切点与原极值点的偏移量,然后用这些切点取代极值点并通过Hermite多项式插值得到新包络。数值实验结果表明该方法的正交性及能量保存度指标有明显的改善,其拟合的包络线更接近于理想包络线。 相似文献