共查询到19条相似文献,搜索用时 343 毫秒
1.
2.
基于EMD平均能量法的滚动轴承故障诊断 总被引:3,自引:0,他引:3
文中提出了一种用于滚动轴承故障诊断的系统一基于EMD和BP神经网络相结合的诊断系统。该方法首先对原始振动信号进行小波包预处理,提高信噪比,从而得到更适合研究的故障振动信号。然后再对信号进行EMD,分解得到IMF分量,对几个感兴趣的IMF进行分析,获得每个IMF分量的平均能量,作为BP神经网络的输入向量,由此训练神经网络,实现了对滚动轴承故障的智能诊断,并用实际的滚动轴承故障数据进行了验证。图6表2参12 相似文献
3.
本研究针对轴承早期故障信号微弱不易检测的缺陷,提出了一种基于谱峭度Morlet小波变换法和经验模态分解的轴承早期故障信号检测与增强的方法.该方法把谱峭度引入到Morlet小波中,根据谱峭度变化寻找Morlet小波的最佳匹配参数,最大限度地增强故障弱信号;然后对信号进行经验模态分解,以信号相关系数大小确定重构信号的基本模态分量,对重构信号进行包络分析完成故障诊断.实验结果验证了此方法在滚动轴承早期故障诊断中的良好应用效果. 相似文献
4.
纱线束振动噪声是簇绒地毯织机噪声源之一,为了识别纱线束振动噪声信号,实现地毯生产空间的噪声控制,研究了簇绒地毯织机纱线束横向动态振动特性。应用Burger四元件本构模型建立粘弹性纱线束轴向运动的横向振动方程。采用Galerkin方法离散横向振动偏微分方程,然后使用Runge-Kutta法对该方程数值求解。设置不同的提花轮转速,分别求解振动方程得到不同的纱线束横向振动频率。设置与仿真求解相同的条件下,采用激光测振仪测试纱线束横向振动特性。测试结果显示仿真结果和实验结果存在倍频关系且频率较低。结果表明:该振动方程适用于研究纱线束横向动态振动特性,且仿真信号为纱线束振动的基频信号;同时,纱线束横向动态振动特性属于低频振动。 相似文献
5.
6.
为有效抑制簇绒地毯织机高频噪声,提出了基于统计能量分析(SEA)的簇绒地毯织机高频噪声降噪方法,并运用三聚氰胺多孔吸声材料实现了高频噪声的抑制。首先建立了包含13个结构子系统和10个声腔的簇绒地毯织机高频噪声SEA模型,随后采用理论计算方法确定了各子系统的模态密度、内损耗因子以及耦合损耗因子。实验测量了簇绒地毯织机工作时振动加速度信号从而获取SEA模型高频噪声声压级,并通过与簇绒地毯织机工作时实际声压级情况对比验证了SEA模型的有效性。最后在簇绒地毯织机表面粘附了不同厚度的三聚氰胺多孔吸声泡沫板实现降噪。结果表明:该方法能够满足工程上对簇绒地毯织机高频噪声抑制的要求,且噪声频率和三聚氰胺多孔吸声材料的厚度均对结果有影响。 相似文献
7.
8.
为解决集合经验模态(EEMD)存在分量重构误差大和提取的故障特征不明显问题,课题组提出一种自适应噪声完备集合经验模态分解(CEEMDAN)辅助快速谱峭度的故障诊断方法。首先采用CEEMDAN将故障信号分解为多个IMF分量,计算分量的谱峭度值,选择峭度和相关度最大的分量进行重构;然后通过快速谱峭度图确定最大共振频带,进行带通滤波分析,获得故障信息;最后采用某滚动轴承实验数据分别对内圈故障和外圈故障进行实验分析。结果表明:与原始故障信号相比,该方法获得的包络谱更清晰,故障频率更明显,内圈故障频率为162 Hz,外圈故障频率为107 Hz。该方法提取故障特征突出,可以得到有效的故障频带。 相似文献
9.
针对簇绒地毯中存在的跳纱类疵点提出了一种基于小波能量的疵点检测方法。该方法首先使用CCD相机对地毯图像进行采集,然后将采集到的地毯图像进行滤波处理,并用三层小波对其进行分解,通过提取分解得到的细节子图的能量值和正常地毯图像细节子图的能量值的比较来判断正在测试的图像中是否含有疵点;对于有疵点的地毯图像使用Otsu法进行阈值分割二值化,并进一步使用闭运算消除二值化图像中存在的噪点,突出疵点部分。最后通过实验验证了此方法的可行性,所提出的方法可以有效地将地毯图像中的跳纱类疵点检测出来。 相似文献
10.
11.
针对某型高速经编机在高转速下结构振动过大以及机构运动信号与结构振动信号相混叠,故障特征难以分离的问题,提出基于快速自适应经验模态分解(FAEMD)算法的经编机振动故障诊断方法。首先运用FAEMD算法将原始振动信号分解成有限个本征模态函数(IMF),然后计算各IMF分量与原信号的相关性,结合经编机运动特点,判断其中相关性最大的本征模态函数为机构运动分量并去除,最后将剩余分量重组实现结构振动信号的提取。将该方法应用于经编机振动故障诊断中,对动态振动数据进行处理,结合静态固有频率测试,成功提取出与实际故障现象相同的信号频率特征,判断出经编机在高转速下振动过大的原因,为后续经编机振动优化提供了参考。 相似文献
12.
13.
14.
针对纤维拉伸断裂声发射信号的非平稳性、信号特征间高度重叠等问题,提出一种声发射信号特征提取及纤维种类诊断的模型。该模型可用于识别拉伸断裂的纤维种类。首先,通过小波变换、增强经验模态分解方法(EEMD)对不同种纤维的拉伸断裂声发射信号进行预处理、分解;然后,结合主成分分析方法(PCA)提取频率特征;最后,运用最小二乘支持向量机(LSSVM)对纤维拉伸断裂的特征频率进行分类识别。结果表明,主成分分析方法能将信号特征降维,并降低不同纤维频率特征之间相关性,提高了对纤维拉伸断裂声发射信号的准确识别。针对芳纶1313、高性能维纶纤维拉伸断裂的声发射信号,EEMD-PCA-LSSVM模型总识别率达96%。 相似文献
15.
16.
This paper describes a machine vision system for the detection of weft‐knitted fabric defects based on an adaptive pulse‐coupled neural network (PCNN) and Ridgelet transform. In order to classify defects according to their different texture features, two methods are implemented: an improved PCNN method to segment the defects such as hole and dropped stitch from background image and a Ridgelet transform method based on wavelet analysis to identify the defect such as course mark. In implementing the PCNN model, necessary parameters of PCNN model such as linking coefficient, connection weight, and iteration number are automatically calculated in accordance with the spatial distance of neurons, mean, and variance value of whole image, and the cross‐entropy criterion. The function of Ridgelet transform is to identify the straight line marks and fit the regression equation for simulating the course mark in the image. The Ridgelet transform model can be simplified as the combination of Radon and wavelet transforms. The parameters of detected line are acquired by wavelet analysis in Fourier semicircle region. The experiment materials were several plain and interlocked weft‐knitted fabrics with hole, dropped stitch, and course mark defects. The fabric images were captured by an area‐scan camera with a resolution of 600 × 800 pixels, and signal processing was controlled by a digital signal processing multiprocessor on the inspection machine. The validation tests proved that the system performed well. 相似文献
17.
An image analysis method was developed with higher detection accuracy for rice fissures compared with using the classical
Canny and Sobel methods. The rice images are obtained using a common scanning machine with resolution of 600 dpi. The scanning
images are enhanced by the gamma correction and smoothed using the anisotropic nonlinear diffusion PDEs. The diffusion process
is stopped when the peak signal to noise ratio is lower than 30 dB or changes slowly. After that the wavelet coefficients
of the smoothed images are calculated using continuous wavelet transform with the biorthogonal B-spline wavelets bior1.5 in
multi-resolution spaces. The wavelet coefficients in y forward direction are used as the magnitudes. Finally, the magnitudes are standardized and used for the judgment of the fissures
as the local maxima. Two different kinds of rice kernels are used for the test of the effectiveness of the proposed algorithm,
including 30 long- and 20 medium-cracked grains with 1, 2, 3, or 4 fissures. The results demonstrate a satisfying performance
of the fissure detecting systems, and even the faint lines of the fissures can also be detected. 相似文献
18.