排序方式: 共有4条查询结果,搜索用时 93 毫秒
1
1.
2.
针对机械早期故障引起的冲击特征微弱,易受强背景信号和噪声的干扰而难以提取的问题,提出一种奇异值分解(Singular Value Decomposition,SVD)差分谱与S变换相结合的微弱冲击特征提取方法。将原始信号构造成Hankel矩阵,采用SVD对重构矩阵进行分解;利用奇异值差分谱确定降噪阶次进行降噪;采用S变换对降噪后的信号进行时频分析,提取信号中的微弱冲击特征信息。通过数值仿真和实际轴承故障数据的对比,表明该方法可有效辨别轴承振动信号中故障引起的早期微弱冲击特征,为轴承故障诊断提供先验信息。 相似文献
3.
4.
为深入研究变工况下滚动轴承故障特征信息提取及状态识别方法,分别以圆柱滚子轴承三种典型状态件(轴承正常、外圈磨损、滚动体磨损)为研究对象,开展变工况下的圆柱滚子轴承振动信号特性分析。搭建了某型特种车辆变速箱圆柱滚子轴承实验台架,通过实验台架采集了不同输入转速作用下的圆柱滚子轴承故障振动信号。在此基础上,采用广义S变换(Generalized Stockwell Transform,GST)对原始振动信号进行时频域转换,将获得的二维时频矩阵作为特征矩阵;对特征矩阵进行奇异值分解(Singular Value Decomposition,SVD),获得表征圆柱滚子轴承典型状态件特征信息的奇异值向量组;将提取的奇异值向量组输入支持向量机(Support Vector Machine,SVM),利用SVM实现圆柱滚子轴承不同状态类型识别。结果表明:该方法可有效实现变工况下圆柱滚子轴承振动信号特征信息提取及状态识别,为旋转机械设备在线监测提供了一种有效手段。 相似文献
1