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 531 毫秒

1.  大型回转支承振动诊断技术应用研究  被引次数:6
   龚群协  刘稚钧  李华彪《噪声与振动控制》,2003年第23卷第4期
   本文通过对大型回转支承进行振动时域和频域的诊断研究,总结了测试技术、分析和诊断方法。    

2.  滚动轴承和齿轮故障的时频域识别  被引次数:6
   孟庆丰  蒋晓玲  何正嘉  赵纪元《重型机械》,1998年第1期
   本文描述了振动信号分析的时频域方法,证明了时频域方法是识别滚动轴承和齿轮故障的有效方法。研究表明短时Fourier谱和Wigner分布都能用于将时域信号变换到时频域,但是对于时变信号,应用Wigner分布更为适宜。    

3.  复杂机械结构非线性运行特征分析  
   熊晓燕  庞晓丽  陈冬冰《振动、测试与诊断》,2011年第31卷第2期
   提出一种适用于工程实测ICP振动加速度计信号的积分方法,该方法可由振动加速度信号得到较精确的振动速度和位移信号,实现了基于振动信号的相空间分析,有效识别了复杂机械结构的非线性时域运行特征.为了解复杂机械结构的非线性频域运行特征,还提出一种基于神经网络辨识模型的频域分析方法,该方法可用于大型振动筛的非线性运行特征分析.    

4.  风机叶片故障预测的振动方法研究  
   张保钦 雷保珍 赵林惠 李世刚 郑业明《电子测量与仪器学报》,2014年第3期
   风机工作中连续受到空气动力、惯性力等交变载荷的冲击,使得风轮桨叶产生不规则摆动和扭曲变形,异常振动和急剧变形将造成风机灾难性损毁,因此实时检测风机叶片整体运行状况显得尤其重要。提出基于三轴加速度传感器网络模型数据融合的风机叶片故障预测方法,通过对三维矢量分解、转换及提取技术反映风机整体运行模态,设计了数字信号处理技术的振动监控系统,对振幅超限的低频或超低频信号进行时域和频域分析,识别出了风机在4~30 Hz低频区域振动引起的故障率最高,并成功实现了风机叶片机械故障发生率75%的提前预测。    

5.  机械振动时域波形的识别  
   岳琦《有色矿山》,2002年第31卷第3期
   本文主要论述了机械故障诊断中,几类振动信号时域波形的分析与识别方法。    

6.  机械振动时域波形的识别  
   岳琦《中国矿山工程》,2002年第31卷第3期
   本文主要论述了机械故障诊断中 ,几类振动信号时域波形的分析与识别方法。    

7.  湖北电网低频振荡计算分析  
   余保东  孙建波  汤胜祥  吴欣然  梁虹《水电自动化与大坝监测》,2001年第25卷第15期
   采用小干扰频域分析方法对湖北电网发生的低频振荡现象进行计算,分析了湖北电网低频振荡发生的原因,并针对不同振荡模式计算了强相关机组和设计电力系统稳定器(PSS)的参数,提出了抑制振荡的具体措施,并通过时域仿真验证了投入PSS的效果。    

8.  基于PCI数据采集卡的旋转机械阶比跟踪算法与实现  被引次数:3
   文红举  孙涛  李爱先《机械与电子》,2006年第3期
   介绍了一种用于旋转机械振动信号分析的阶比跟踪方法,以及基于PCI数据采集卡的具体实现方法。由于旋转机械振动信号的振动频率和轴的转动频率有一定的比值关系,所以,采用时域同步滤波可消除与回转频率无关的噪声干扰,提取与转速直接相关的周期信号。    

9.  基于谱分析的低频阴影检测技术  被引次数:2
   牛聪  刘志斌《海洋石油》,2008年第28卷第2期
   基于小波变换的瞬时谱分析方法,克服了传统傅立叶时频转换时的时窗问题,提高了地震资料频域内的分辨能力。通过谱分析方法的比较,介绍了瞬时谱分析方法比传统傅立叶变换的改进效果,以及利用瞬时谱分析方法在分频数据体低频部分识别富气层下方的低频阴影来综合预测储层的横向展布特征和含气性异常的检测。研究实例表明低频阴影检测技术可以作为一种储层预测和油气检测的有效辅助方法。    

10.  基于BP神经网络的数控机床主轴性能评估模型  
   胡跃强  李苓  高宏力  章健  李文涛  钱士才《四川兵工学报》,2012年第33卷第6期
   通过采集长征718机床的振动数据,利用butterworth滤波器进行了数据滤波,将低频干扰滤去;之后对数据进行了时域分析和频域分析,提取了5个时域特征和5个频域特征;再将提取的特征值输入BP神经网络训练网络,建立了基于BP神经网络的数控机床主轴性能评估系统,对于解决机床主轴的主动维护具有重要的经济及战略意义。    

11.  柴油机缸盖振动信号的小波包分解与诊断方法研究  被引次数:13
   刘世元  杜润生  杨叔子《振动工程学报》,2000年第13卷第4期
   研究了柴油机缸盖表面振动信号的时域、频域和循环波动特性,揭示了它的非平稳时变特点,提出了从振动信号的小波包分解系数中实现整循环征兆提取和故障识别的方法。实际及分析结果表明了该方法的可行性和有效性,这对其它复杂机械的振动诊断同样具有参考价值。    

12.  基于时域特征识别微频差信号  
   陈茉莉  李舜酩  饶新阳《仪器仪表学报》,2012年第33卷第6期
   微频差现象广泛存在于机械振动领域,为弥补频谱分析的不足,提出了2种识别微频差信号的时域方法。将2个、3个微频差时域信号绘制在笛卡尔坐标上,发现了对微频差较敏感的笛卡尔坐标特征。结合笛卡尔坐标特征,利用微分方法,进一步提出可用于识别多个微频差信号的累积特征,给出了多维空间下离散信号的累积算法,利用仿真计算说明了累积特征在识别微频差信号方面的有效性和敏感性。将笛卡尔坐标特征应用于转子轴心轨迹噪声来源分析,为轴心轨迹提纯提供了简单途径。将累积特征应用于叶片加工质量评价,为叶片质量控制提供新方法。工程应用表明,时域特征进行微频差信号识别是有效的。    

13.  基于频域滤波的加速度信号处理  被引次数:2
   方新磊  郝伟  陈宏《仪表技术与传感器》,2012年第4期
   在工程实测信号中,振动加速度信号含有直流分量和干扰噪声,这些信号成分在积分后导致误差的累积,可能使得到的结果完全失真。在分析趋势项对软件积分的影响的基础上,提出了基于频域低通和带通滤波的频域积分算法。实例验证这种方法可以很好地去除低频趋势项和高频干扰噪声。    

14.  频谱分析在查找,消除干涉仪测速低频干扰中的应用  
   王志丹 杨国栋《导弹试验技术》,1998年第3期
   利用频谱分析技术,对干涉仪设备多种状态下的试验数据进行了处理,发现系统测速数据中存在低频干扰,并通过进一步分析和查找找到了引起低频干扰的主要原因在于发射机强放输出肥到工频干扰。为了降低和消除频干扰对测量数据的影响,本文提出了基于频域处理的干扰对消方法,可以基本上消除干扰对测速精度的影响。    

15.  齿轮泵的振动信号分析与特征提取  
   江四厚  王汉功  潘伟  陈中华《液压与气动》,2006年第2期
   针对高压齿轮泵CB—KP63泵壳的振动信号,采用时域同步平均和频域分析方法对其振动信号进行分析,提取故障信号的特征,可有效地进行故障模式识别。    

16.  基于EEMD_BP网络的滚珠丝杠副故障模式识别  
   李惠  陈蔚芳  商苏成《机械与电子》,2018年第4期
   针对在机械故障诊断领域,对信号的时频域处理分析提取特征值往往不能准确判断机械故障状态的问题。在对数控机床滚珠丝杠副振动信号研究中,提出了利用集合经验模态(EEMD)方法分析受到噪声干扰的3种不同状态的滚珠丝杠副振动信号。利用BP神经网络理论,以振动信号的时频域特征值及EEMD分解得到内禀模态函数(IFM)特征值作为输入,建立BP神经网络模型,并通过实验验证诊断网络模型的可靠性。    

17.  基于小波理论的RV减速器振动信号分析  
   陈李果  汪久根  张靖《机械传动》,2018年第5期
   RV减速器结构复杂、振动激励源多,运行过程中产生的振动信号会被大量噪声干扰,影响真实的振动信号被识别。介绍了小波变换理论及其信号识别和降噪分析原理,应用小波变换理论对国产SHPR-20E型RV减速器的振动信号进行分析,并对振动信号进行识别和降噪分析。通过测试分析,表明小波变换具有良好的多分辨率时频域识别特性,可以有效消除RV减速器振动信号中的噪声。为RV减速器的信号识别与分析、故障诊断和提取提供了参考。    

18.  基于神经网络心电图ST段形态识别  
   叶宇翔  郭文成  冯岷生《计算机仿真》,2014年第31卷第11期
   心电图ST段是心电图诊断中一项重要指标,ST段具体形态的识别对心血管疾病诊断意义重大.针对心电图ST段形态的多样性,传统时域方法对具体形态识别显得不足,心电信号是微弱信号,易受到低频和工频信号的干扰,有效地滤除基线漂移和工频干扰为ST段准确识别提供保证.通过零相位巴特沃斯有效滤除基线漂移和工频干扰,利用神经网络与时域分析相结合的方法实现ST段多种形态的快速识别,减少神经网络输出层的形态分类,能够准确识别出ST段形态,实验结果满意,为心电图ST段诊断提供了依据.    

19.  基于MSP430F149的低频窄脉冲周期信号频域识别方法  
   李周利  李雯  刘鹏《现代电子技术》,2014年第22期
   对某基于MSP430F149的传感器的低频窄脉冲周期信号识别时,若依据采样定律对该低频信号确定的采样率采样则会漏掉该窄脉冲;若提高采样率,频域处理时点数又太多。为此时域采样采用窗口内高采样率,对每个窗口用重采样作为一个采样点。采用快速傅里叶变换(FFT)将时域信号转换为频域信号,分析感兴趣频域范围内的信号。实验结果表明基于MSP430F149的频域识别方法,能准确地识别出与接收器相匹配的传感器信号,达到信号识别、排除干扰的目的。对其他需要处理低频窄脉冲周期信号的应用领域有一定的参考价值。    

20.  时、频域分析与神经网络的局部放电干扰识别  
   曹洁  谢希《自动化与仪器仪表》,2013年第3期
   针对目前难以建立全面的识别局部放电干扰信号的问题,本文主要是对变压器局部放电时域波形中的连续的周期窄带干扰信号和白噪声干扰信号,从时域、频域中提取6个特征量,设计了反向传播(BP)神经网络分类器,实现了局部放电连续的周期窄带干扰信号和白噪声干扰信号的类型识别。仿真结果表明,在干信比较高的情况下有较高的识别率,此方法能辅助提高识别局部放电干扰波形的能力。    

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