首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 172 毫秒

1.  随机共振降噪下的齿轮微弱故障特征提取  被引次数:1
   赵军  崔颖  赖欣欢  孔明  林敏《中国机械工程》,2014年第4期
   针对强背景噪声下的齿轮微弱故障特征提取问题,提出了一种将级联单稳随机共振与经验模式分解(EMD)-Teager能量算子解调方法相结合的特征提取方法。首先对含噪故障信号进行随机共振输出,降噪后再进行经验模式分解,分解得到具有不同特征时间尺度的固有模态函数(IMFs),最后通过Teager能量算子解调方法求取每个有效IMF分量的幅频信息,从而提取齿轮微弱故障特征。仿真分析和实际测试结果均表明,通过随机共振降噪后,该方法能有效检测出齿轮局部损伤故障特征频率。    

2.  随机共振消噪和EMD分解在轴承故障诊断中的应用  
   张超  陈建军《机械设计与研究》,2013年第29卷第1期
   针对实际机械故障诊断中强噪声背景下难以提取故障特征的情况,提出了一种基于随机共振消噪(stochastic resonance,SR)和经验模态分解(Empirical Mode Decomposition,EMD)的轴承故障诊断方法.首先,将轴承振动信号进行随机共振消噪,利用噪声增强振动信号的信噪比;然后,将消噪的信号再进行EMD分解,通过求取本征模函数(Intrinsic Mode Function,IMF)幅值谱,从而发现轴承故障频率.实验结果表明,该方法可以提高信噪比,实现微弱信号检测,更有效地应用于轴承的故障诊断.    

3.  经验模态分解中虚假模态分量消除法  被引次数:2
   黄迪山《振动、测试与诊断》,2011年第31卷第3期
   基于能量原理,提出经验模态分解(EMD)中虚假模态分量消除方法.在正常采样的条件下,分析信号EMD分解误差与虚假模态分量的关系,讨论虚假模态分量的性质.从EMD分解的完备性角度考虑在虚假模态存在情况下能量不守恒,给出模态函数消除法,从EMD分解结果中剔出虚假模态分量,消除信号经验模态分解误差.其有效性在所给例子中得到证实.    

4.  基于包络解调随机共振和 CEEMD 的机械早期微弱故障诊断方法研究  
   王栋  丁雪娟《计量学报》,2016年第2期
   针对噪声背景下机械振动信号早期故障特征提取难题,提出一种基于包络解调随机共振和互补总体经验模态分解的机械早期微弱故障提取及诊断新方法。首先对含噪声机械故障信号进行包络解调处理,然后对包络信号进行变尺度随机共振输出,使故障特征信号得到增强,最后对处理后的信号进行互补总体经验模态分解(CEEMD),得到机械振动信号故障特征分量,实现故障特征提取及诊断。对机械故障诊断实例表明,该方法不仅能增强信号幅值,同时减少了虚假分量,提高了 CEEMD 算法的精度,有效提取出被噪声淹没的微弱故障信号,提高了机械早期故障诊断效果。    

5.  经验模态分解滤波器组特性及轴承异音识别  
   黄迪山  刘玉霞《振动、测试与诊断》,2012年第32卷第2期
   利用经验模态分解滤波器组特性可调整性,结合短时傅里叶变换(STFT)技术识别轴承异音。在研究高斯随机噪声经验模态分解(EMD)的基础上,运用数值方法证实EMD滤波器组特性随判别参数SD改变,指出类似于二进制小波滤波器组特性只是一种特殊条件下的分解现象。根据轴承振动加速度的广谱性质,利用参数SD对EMD滤波器组特性可调性,对滚动轴承振动加速度信号按异音测量要求进行EMD自动频段分解。对前3阶本征模态进行STFT变换,用三维图刻画轴承振动的幅值大小、频率大小、周期和随机分布冲击特性,设定阈值,在时频域上刻画轴承的异音。该方法揭示了轴承异音分布模式,能通过异音识别控制轴承加工质量。    

6.  levy噪声背景下级联系统中弱信号的提取  
   刘运江  王辅忠  刘露《计算机测量与控制》,2019年第27卷第1期
   针对冲击噪声背景下弱周期信号难以提取的问题,提出了以levy噪声作为背景噪声的级联随机共振方法。首先,在数值上分析了随机共振系统最佳参数区间与levy噪声参数的关系;其次,总结了系统输出的微弱信号频谱值跟随系统参数的变化规律;最后,利用级联系统对levy噪声背景下微弱信号的提取进行了研究。实验结果表明,随机共振参数的最佳区间不随噪声参数 α、β 的变化而变化;系统输出信号的频谱幅值会随噪声参数 α、β 的改变而改变,但浮动不大;在级联系统中,二级系统输出的待检测信号频谱值是一级系统的1.4倍。该系统对冲击环境中弱信号的提取具有很强的实用性。    

7.  经验模态分解与EOSA方法的滚动轴承故障诊断  
   《计算机测量与控制》,2014年第4期
   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。    

8.  基于经验模态分解和离散小波能量特征的地毯织机噪声源识别  
   徐洋  盛晓伟  李昂昂  钱如峰  孙志军《纺织学报》,2018年第8期
   为识别和定位地毯织机主要噪声源,提出一种基于经验模态分解(EMD)和离散小波能量特征的地毯织机噪声源识别方法。首先应用EMD对地毯织机噪声信号进行分解,获得若干本征模态分量,根据互相关系数剔除虚假分量并重构信号;其次使用db20小波对重构信号进行离散小波变换,分解得到各小波分量并计算各分量的能量占比;然后提取能量占比较大的分量,分析其时频特性;最后采用激光测振仪依次测量地毯织机各主要部件的振动信号,对比分析得到主要噪声源所在位置,从而完成识别。研究结果表明,该方法可有效地识别和定位地毯织机主要噪声源。    

9.  指数型随机共振微弱振动信号检测方法  
   《振动与冲击》,2019年第9期
   在实际工程故障诊断中特征频率信号经常淹没在噪声中,信息提取非常困难。为了提取强噪声背景中的微弱信号,将简谐势阱与Gaussian Potential模型相结合,提出一种作用在Duffing方程下的新型指数型双稳随机共振系统。首先,推导逃逸率并研究系统参数对输出信噪比影响;其次,基于指数型双稳随机共振系统对冲击衰减信号以及谐波振动信号进行检测;最后为检测大噪声下多频信号提出指数型双稳随机共振和经验模态分解的微弱信号联合检测方法并应用于轴承故障信号检测中。实验分析及仿真结果表明,指数型双稳随机共振模型在信号检测中是可行的,并且对于多频谐波信号通过随机共振后进行经验模态分解可使检测更加准确,联合检测不仅能识别故障信号,还能识别故障倍频信号。    

10.  基于能量聚集性的轴承复合故障诊断  被引次数:1
   陈彦龙  张培林  李兵  徐超《噪声与振动控制》,2013年第1期
   轴承复合故障类型多样,且部分故障的特征频率相近噪声污染严重。采用经验模态分解(EMD)的方法,在强噪声背景下会引起相近频率故障成分的无法识别,同时也难以提取微弱的故障信号。由此,提出一种基于能量聚集性的轴承复合故障诊断方法。首先借助离散余弦变换(DCT)的频域能量聚集性和奇异值分解(SVD)的时域能量聚集性,对轴承复合故障信号进行预处理,实现降噪并分离频率相近的微弱故障信号。然后对分离出来的不同故障信号进行经验模态分解,去除伪分量,对剩余的本征模态函数进行频谱分析。最后,根据本征模态函数的频谱诊断故障。仿真信号和实测轴承故障诊断信号分析表明,与直接使用EMD进行轴承复合故障诊断相比,该方法能够在强背景噪声下准确分离频率相近的微弱故障分量,改善复合故障诊断的准确性。    

11.  阵列调制随机共振在微弱信号特征提取方面的应用  
   涂水林  邬正义  吴正阳《计算机测量与控制》,2012年第20卷第6期
   论述了阵列调制随机共振方法在强噪声背景下多频微弱信号特征提取中的工作原理和实现步骤;采用预先设定系统参数的多个并联非耦合随机共振单元形成阵列,将被测强噪声背景下的多频微弱信号分别与不同频率的载波进行调制,生成多个差频均为0.01Hz的信号作为各对应随机共振单元的激励信号,采用龙格-库塔算法求取各单元输出并进行频谱分析,根据0.01Hz处的信噪比判断在微弱信号中是否存在载波频率与差频值之和大小的频率分量,最后综合各个随机共振单元的检测结果生成微弱信号的频率特征向量;仿真结果表明,阵列调制随机共振在微弱信号特征提取方面效果明显,具有很好的应用前景。    

12.  基于频域的EMD中虚假模态的消除  
   孔祥龙  黄迪山《工业控制计算机》,2015年第28卷第6期
   针对经验模态分解(EMD)分量中存在的虚假模态分量,提出一种新的消除方法——在频域中消除虚假模态.通过模态分量频域能量守恒原理,对虚假模态分量进行分析,研究其能量关系,给出真假模态及模态混叠判别规则.编制MATLAB程序,对仿真数据进行虚假模态消除仿真.    

13.  小波-EMD和随机共振级联微弱信号检测  
   张刚  李红威《电子测量与仪器学报》,2018年第1期
   针对低信噪比下微弱信号检测困难问题,提出了一种三级级联微弱信号联合检测系统;首先将含噪信号通过小波阈值降噪,然后将降噪后的信号进行经验模态分解(EMD),利用信噪比定位模态法选取信噪比较高模态分量,对选取的模态进行合成使其待测特征得到突出;最后将其送入欠阻尼三稳态系统,使用果蝇智能参数寻优算法将稳态系统达到最佳随机共振状态,便于检测结果精确可靠。经过单频小信号及混频大信号仿真分析和滚动轴承内外圈故障诊断表明,该系统能够使-30 dB左右微弱信号的信噪比至少增加20 dB,扩大了微弱信号的检测范围,提高了检测的有效性。    

14.  Teager Huang变换在齿轮裂纹故障诊断中的应用  被引次数:3
   李辉  郑海起  唐力伟《振动、测试与诊断》,2010年第30卷第1期
   提出了一种基于Teager—Huang变换的齿轮箱故障诊断方法,该方法综合利用了经验模态分解(empirical moded ecomposition,简称EMD)和Teager能量算子分析技术。由于EMD方法具有自适应的分析能力,首先利用EMD把时间序列信号分解成不同特征时间尺度的固有模态函数,然后用Teager能量算子计算各固有模态函数的瞬时幅值和瞬时频率,得到Teager—Huang变换时频谱。齿轮箱齿轮裂纹故障振动试验信号的研究结果表明:Teager—Huang变换时频谱优于Hilbert—Huang变换时频谱,能有效地识别齿轮的裂纹故障。    

15.  强噪声背景下微弱冲击信号的检测  
   刘运江  王辅忠  刘露《振动、测试与诊断》,2019年第39卷第1期
   针对机械环境噪声具有随机脉冲性以及传统测量指标对机械故障冲击信号识别不足的问题,提出了利用Levy噪声作为背景噪声,以峭度指标和互关联系数构造的峭度-互关联(kurtosis-intercorrelation,简称KI)联合指标作为冲击信号检测的新衡量标准,对非对称双稳态系统中冲击信号的检测进行了研究。首先,在理论上分析了Levy噪声驱动下非对称双稳态系统中粒子的跃迁密度函数和KI的构造方法;其次,研究了Levy噪声特征指数α为1.5时,系统输出KI值分别跟随系统参数a和非对称因子C的变化趋势;最后,将该方法应用到了工程实际机械故障冲击信号的检测之中。仿真与实验研究结果表明,与峭度指标作为冲击信号检测依据相比,KI可使系统输出的信号特征幅值提高一倍以上;系统输出KI值随C呈现先增大后减小的趋势,非对称因子C为0.54时,系统输出KI值比C为0时提高了7.02%。工程实例数据证明,该方法能够有效提取故障信号的时域和频域特征信息,可应用到实际机械故障的检测中去。    

16.  装载机载重动态测量信号处理的EMD方法  
   王伟  徐淑彦《现代制造工程》,2010年第11期
   为了从受强干扰影响的装载机载重动态测量信号中提取有效信息,采用经验模分解(EMD)方法对实测油压信号进行分解,将分解所得残余量,即去除液压惯性冲击和工作装置共振等随机干扰信号的稳态值作为载重测量的稳态信号.同时,为进一步验证EMD方法的有效性及降噪能力,在考虑实际工况的前提下及实测信号基础上加入10%和1%白噪声,分别进行EMD分解和误差对比分析.结果表明,EMD方法具有很强的噪声处理能力和信号组分分析能力,非常适合作为装载机载重动态测量信号的处理方法.    

17.  炉膛压力管道微弱泄漏信号检测方法研究  
   安连锁  冯强  沈国清  姜根山  张世平  王鹏  周鑫《动力工程学报》,2015年第35卷第5期
   对电站锅炉压力管道初始泄漏进行微弱信号检测,提出经验模态分解(EMD)联合自相关差分Duffing振子(CD-EMD)方法.将0.6 MPa气动声源加入炉膛背景噪声信号,控制信噪比,对比EMD方法与小波变换的结果.降低信噪比,并将EMD联合Duffing振子(D-EMD)与CD-EMD方法的检测结果进行对比.结果表明:EMD方法能够在-5dB信噪比下从炉膛背景噪声中识别出待检测信号,效果明显优于小波变换;在-24dB信噪比下,D-EMD方法受初始相位的干扰严重,无法正常判别,CD-EMD方法能够有效地克服初始相位引起的误判,同时CD-EMD方法可通过设定经验阈值进行判别,提高了系统检测的实时性.    

18.  基于EEMD和TLS-ESPRIT的谐波间谐波检测方法  被引次数:3
   于兴林  李慧敏  李天云《继电器》,2014年第42卷第4期
   总体平均经验模态分解(EEMD)可以在噪声环境下对信号进行准确的分解,克服了EMD分解过程中产生频率混叠和虚假模态的缺陷。总体最小二成旋转不变技术(TLS-ESPRIT)算法本身具有很好的消噪能力,用TLS-ESPRIT算法可以准确地辨识出信号的参数。结合两者的优点,提出了基于EEMD和TLS-ESPRIT的谐波、间谐波检测方法,结合EEMD分解后的各阶分量的能量来确定电网中真实的谐波、间谐波分量。仿真结果验证了所提方法的可行性和有效性。    

19.  基于EMD/HHT的齿轮箱齿轮不对中故障信号分析  
   田华亭  李涛  桂文胜《新技术新工艺》,2014年第6期
   研究了经验模态分解(简称EMD)技术在齿轮箱故障诊断中的应用,并详细论述了EMD原理,对齿轮故障振动信号(简称故障信号)进行EMD,获取固有模态函数(简称IMF)分量,并通过HHT(Hilbert-Huang)变换,对IMF分量进行解调,对解调信号进行频谱分析,提取故障特征频率。研究结果表明,EMD方法能够有效降低信号的噪声,提高信噪比,突出信号的故障特征。    

20.  表面肌电信号的降噪处理  
   李佳妮  王云峰《传感器与微系统》,2017年第36卷第7期
   表面肌电信号是一种易受多种噪声影响的生物电信号,其中以工频干扰、基线漂移、白噪声等干扰尤为严重.通过分析噪声干扰的特点,结合表面肌电信号特征,选取频谱插值法在频域内消除了工频干扰;利用形态学滤波的开闭运算得到基线漂移特征,从而滤除了基线漂移;基于经验模态分解(EMD)得到的本质模态函数分析消除了白噪声.实验结果表明:上述滤波方法在不损坏有用信号的前提下,可以实现较为满意的滤波效果.    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号