排序方式: 共有43条查询结果,搜索用时 90 毫秒
1.
针对齿轮箱的滚动轴承故障信号因噪声干扰,难以进行有效提取的问题,提出了基于变分模态分解与快速谱峭图相结合的轴承故障特征提取方法。首先,利用变分模态分解(Variational Mode Decomposition,VMD)将振动信号分解成若干个本征模态分量(Intrinsic Mode Function,IMF),通过相关峭度计算选取故障信息最突出的分量信号;然后,利用快速谱峭图自适应地确定带通滤波;最后,对滤波后的信号进行平方包络谱分析,提取出故障信息。通过公开数据分析和齿轮箱轴承故障实验,证明了该方法的有效性和可行性。 相似文献
3.
针对齿轮性能退化过程中振动信号复杂、特征提取困难等问题,提出采用基于局部特征尺度分解与复合谱的退化特征提取方法。改进复合谱分析法,利用离散余弦变换代替复合谱分析法的傅里叶变换,以减少特征信息的遗漏,提高特征信息敏感度;利用局部特征尺度分解法对振动信号进行分解,并采用贝叶斯信息准则与峭度时间序列互相关系数相结合对内禀尺度分量进行筛选,以剔除不必要分量的影响,有效地提取特征信息;利用改进的复合谱分析法对所选取的内禀尺度分量进行融合,提取复合谱熵作为特征向量。该退化特征提取方法运用于齿轮全寿命退化试验中,对实测信号进行特征提取和退化状态识别,结果表明改进后的复合谱熵对齿轮退化状态具有较好的表征能力。 相似文献
4.
5.
6.
基于信息神经网络的状态维修 总被引:2,自引:0,他引:2
基于状态的维修(CBM, condition based maintenance)是设备(武器系统)预报初始故障的主动维修的一种形式[1],是装备或设备维修的重要发展方向,也是本世纪初国内外维修领域研究的热点课题.为进一步推进CBM理论的研究与应用,这里提出一种基于信息神经网络的状态维修.在分析CBM所包括内容基础上,介绍了信息神经网络的故障诊断原理,并针对自行火炮发动机进行了CBM的案例研究.通过实验表明,基于信息神经网络的故障方法对于状态维修具有良好的效果. 相似文献
7.
随着装备(设备)维修理论和相关技术的发展,基于状态的维修(CBM)和预先维修(PaM)等维修新技术正在迅速发展,这也使得有关装备维修的观念正在发生深刻地变化.本文针对当前装备维修的主要方式,论述了包括CBM与PaM在内的以可靠性为中心的维修(RCM)分析决策过程,分析了装备维修工作确定与实施的基本流程,探讨了装备维修信息综合管理的主要内容,讨论了CBM与PaM技术中有关装备故障诊断与故障预测的若干重要问题. 相似文献
8.
9.
针对变转速工况下齿轮箱齿轮阶比信号互相干扰故障特征难以提取的问题,提出了基于VMD(Variational Mode Decomposition)和阶比跟踪技术结合的齿轮箱齿轮故障特征提取方法。该方法通过计算阶比跟踪技术对振动信号进行角域重采样;获得重采样信号后,利用VMD按照中心阶比不同,自适应地将重采样信号分解,再利用峭度准则从IMF(Intrinsic Mode Function)分量中选取出故障信号;最后对故障信号进行快速谱峭图处理和滤波平方包络解调。通过变转速下齿轮箱的齿轮故障试验和对比分析,表明该方法能有效提取出变转速下齿轮箱的齿轮故障特征,且降噪效果明显,特征突出,适用于变转速齿轮箱的齿轮故障特征提取。 相似文献