排序方式: 共有21条查询结果,搜索用时 31 毫秒
1.
基于线调频小波路径追踪阶比循环平稳解调的齿轮故障诊断 总被引:5,自引:1,他引:5
为从变转速齿轮箱振动信号中提取齿轮故障特征,提出基于线调频小波路径追踪的阶比循环平稳解调方法。该方法利用线调频小波路径追踪算法估计振动信号中的转速信号,根据转速信号对信号进行等角度采样,获取角域周期平稳信号,求取角域信号的循环自相关函数,在特征循环阶比处对循环自相关函数进行切片,并对切片进行解调分析得到切片解调谱,依据切片解调谱进行齿轮故障诊断。由于线调频小波路径追踪算法具有精度高和抗噪能力强的优点,而循环平稳解调算法可以有效提取淹没在噪声中的周期性故障特征,因而,该方法结合了二者的优点,适合于变转速齿轮信号的故障特征提取。算法仿真和应用实例表明,该方法能有效地提取变转速齿轮箱振动信号中的齿轮故障特征。 相似文献
2.
为从机械故障信号中提取包含故障信息的特征频率,提出了基于EMD的多尺度形态学解调方法,该方法首先采用EMD方法将故障信号分解为有限个IMF分量,从中选取包含故障主要信息的IMF分量求和重构信号,再进行多尺度形态学解调,从而提取机械故障特征频率信息。将该方法用于滚动轴承、齿轮的故障诊断中,并与H ilbert包络方法比较,结果表明该方法能更好地提取故障特征频率,且对含噪故障信号也有较好的分析效果。 相似文献
4.
基于MCSSD的转子碰摩故障早期检测 总被引:1,自引:0,他引:1
提出了基于多尺度线调频基信号稀疏分解(Multi-scale Chirplet Sparse Signal Decomposition,简称MCSSD)的转子碰摩故障早期检测方法,该方法用MCSSD方法对转子碰摩故障振动信号进行单次分解,从原信号中分离出具有最大幅值的工频(或倍频)信号分量。由于MCSSD方法是采用线性直线逐段自适应逼近分析信号的各分量频率,分解得到的信号分量与真实信号分量具有很好的频率匹配特性,不会产生频率混叠现象,因此,与小波分解与EMD分解相比,MCSSD能更有效地从转子早期碰摩故障振动信号分离出最具最大幅值的工频(或倍频)信号分量。将该信号分量从原信号中去除,对残余信号分量做频谱分析,即可有效诊断转子早期碰摩故障。应用实例证明了该方法的有效性和优越性。 相似文献
5.
齿轮箱故障振动信号的阶比多尺度形态学解调 总被引:3,自引:0,他引:3
为从非平稳转速齿轮箱故障振动信号中提取包含故障信息的特征频率,提出阶比多尺度形态学解调方法,该方法采用线调频小波路径追踪算法获得齿轮箱转速信号,根据转速信号对时域振动信号进行等角度重采样,并用基于信号局部峰值的方法确定多尺度形态学分析的结构元素,用各结构元素对重采样信号进行形态学操作,对操作结果的平均值做频谱分析,以完成阶比多尺度形态学的解调过程。由于噪声与线调频基元函数的相似性很小,使得线调频小波路径追踪算法能从低信噪比的时域振动信号中准确获得转速信号,而多尺度形态学解调是对各尺度形态学分析结果的平均值进行频谱分析,能有效地抑制噪声,从而使得该方法具有很好的抗噪性能,适合用于工程实际中转速波动齿轮箱振动信号的分析,仿真分析和应用实例证明该方法的有效性和优越性。 相似文献
6.
为从机械故障信号中提取包含故障信息的特征频率,提出了基于EMD的多尺度形态学解调方法,该方法首先采用EMD方法将故障信号分解为有限个IMF分量,从中选取包含故障主要信息的IMF分量求和重构信号,再进行多尺度形态学解调,从而提取机械故障特征频率信息。将该方法用于滚动轴承、齿轮的故障诊断中,并与H ilbert包络方法比较,结果表明该方法能更好地提取故障特征频率,且对含噪故障信号也有较好的分析效果。 相似文献
7.
8.
直接将时域或者频域作为低层输入信息构建深度学习故障诊断模型,可以有效的削弱人为因素的干扰,进一步提高人工智能在故障诊断领域的发展。然而,低层输入的时域信号长度难以划定,而频域信号的数据长度较大,导致模型的计算效率降低。针对该问题,提出预先对低层频域信号提取包络线,得到表征频域变化态势的信息成分,接着再与稀疏自编码结合构建稀疏自编码的故障诊断模型。齿轮箱故障诊断实验证明,与原始频域输入相比,所提方法能够在保证诊断效果的同时,降低计算复杂度和所需要的存储空间。 相似文献
9.
为了落实卓越计划下创新创业人才的培养,以学生为主体,以培养学生的知识-能力-素质发展为目标,对学生的创新实验项目进行改革。学生自主选择感兴趣的题目,自我研制与工程实际紧密结合的实际产品。实践证明,这种模式能实现从知识传授向能力和素质培养的本质转型,真实地反映学生的创新创业能力,易于在实践中操作和推广。 相似文献
10.
提出了一种基于多尺度线调频基信号稀疏分解的多分量多项式相位信号分离和瞬时频率估计方法.该方法采用多尺度的线调频基函数对多分量多项式相位信号进行投影分解,通过从不同的时间支撑区内投影系数最大的基函数中寻找出使分解信号能量最大的基元函数组合,逐次获得信号包含的能量最大的多项式相位信号分量,从而实现多分量多项式相位信号的分离,而从基元函数连接形成的频率曲线则可获得多项式相位信号分量瞬时频率的估计.仿真信号分析表明,本文方法能在信噪比较低情况下有效分离多分量多项式相位信号中包含的多项式相位信号分量,准确地估计其瞬时频率. 相似文献