共查询到18条相似文献,搜索用时 46 毫秒
1.
2.
基于EEMD的齿轮箱故障诊断 总被引:2,自引:0,他引:2
主要介绍了集合经验模态分解方法(EEMD),利用EEMD的自适应恒比例带通滤波器特性,以及分解后的噪声信号与故障信号在各阶IMFS中的不同特性,将齿轮箱故障信号进行整体的EMD分解,解决了EMD的频谱混叠问题,提取出了齿轮箱的故障特征。研究结果表明EEMD优越于EMD方法,是一种很有效的齿轮箱故障诊断方法。 相似文献
3.
4.
5.
提出了一种基于EEMD的提升机天轮轴承故障诊断方法,该方法可以有效抑制经验模态分解过程中出现的模态混叠现象,从而提高轴承故障诊断的准确性。该方法的实现过程为:通过时域参数确定天轮轴承是否出现故障,如果出现故障,应用EEMD方法对故障信号进行处理,进而得到能够提取故障频率的Hilbert谱和边际谱,通过故障频率判断轴承故障发生的位置。通过实验验证了该方法的有效性,结果表明,该方法可以消除外界噪声和间歇性冲击的影响,准确提取轴承故障频率从而判断轴承故障的类型,为天轮轴承的检修维护提供依据,保证提升系统的运行安全。 相似文献
6.
齿轮传动的运行稳定性对保障采煤机的工作效率具有重要的作用。应用循环自相关函数解调基本原理建立齿轮传递故障诊断的采样模型,并针对循环自相关解调分析在强噪声背景下、多调制源、多载波频率共存的振动信号运用中的局限性,提取感兴趣的周期成分,来验证循环自相关解调信号在齿轮传动故障诊断中具有很强自适应性,在强背景噪声环境中依然能提取微弱的特征频率,有效地抑制了多调制源、多载波对循环平稳结果带来的交叉项干扰,提高了分析的可靠性。 相似文献
7.
针对滚动轴承早期故障特征难以识别的问题,提出了一种基于EEMD和改进OMP算法的滚动轴承故障诊断新方法。该方法首先对故障信号进行EEMD分解得到一系列IMF分量,根据相关峭度准则选取IMF分量进行重构;然后在稀疏分解阶段对信号截断分块构造矩阵,利用KSVD自学习训练方法得到包含冲击成分的冗余字典,再用基于信号分块思想的OMP算法进行字典原子的选取和稀疏系数的求解,以重构信号包络谱峭度最大为迭代终止条件,自适应确定迭代次数;最后对重构信号进行频谱分析,获取轴承故障特征。通过实验台故障轴承外圈和内圈试验数据的检验,验证了本方法的有效性和可行性。 相似文献
8.
9.
《煤矿机械》2018,(1):127-130
针对滚动轴承早期故障特征十分微弱且易被强背景噪声淹没这一问题,引入零时滞4阶累积量(即峰态因数)用于描述信号中弱冲击成分偏离高斯分布的程度,从而提出一种基于EEMD降噪和滑动峰态解调的滚动轴承早期故障诊断方法。该方法首先将故障信号进行EEMD分解得到一组IMFs,根据度量因子和信息熵准则筛选出最能表征故障信息的IMF分量进行重构;然后,利用谱峭度方法自动确定带通滤波器参数进行带通滤波,对滤波后的信号采用滑动峰态算法计算峰态时间序列即峰态包络,并根据频谱分析结果诊断轴承故障发生部位。该方法解决了带通滤波器参数选择问题,同时可提取轴承早期故障振动信号中的微弱冲击成分。利用试验信号对新方法进行检验。结果表明:与传统方法相比,新方法能够有效解决强噪声背景下的早期微弱故障的特征提取问题。 相似文献
10.
11.
12.
13.
14.
15.
小波变换在齿轮故障诊断中的应用 总被引:1,自引:0,他引:1
在分析小波变换理论和齿轮振动信号特点的基础上,提出用小波分析法提取齿轮故障特征。齿轮振动信号具有非平稳性,并且受各种噪声干扰,小波分析法具有处理非平稳信号的突出优点。在MATLAB环境中,建立了齿轮振动仿真信号,采用小波函数对受噪声污染的信号进行软阖值消噪处理,通过功率谱分析提取特征频率。仿真表明,该方法可有效抑制噪声,提取特征频率,从而为齿轮故障诊断提供依据。 相似文献
16.
为了能够提高弧齿锥齿轮故障诊断的效率,使弧齿锥齿轮能够安全可靠地工作,深入地分析了小波包能量谱在弧齿锥齿轮中的应用。分析了弧齿锥齿轮故障的机理;研究了弧齿锥齿轮故障诊断的小波能量谱的机理;利用小波包能量谱对弧齿锥齿轮进行了故障诊断,结果表明该方法具有较好诊断精度。 相似文献
17.
齿轮故障常常是导致设备失效的主要原因,因此,对其进行早期故障诊断显得尤为重要。在研究希尔伯特理论的基础上,对瞬态频率波动分析法应用在齿轮磨损故障诊断的可行性做了阐述,并通过具体实验进行了验证,证明了TFF(t)曲线与齿面磨损情况有良好的对应关系。 相似文献