排序方式: 共有7条查询结果,搜索用时 0 毫秒
1
1.
2.
针对微分局部均值分解(Differential local mean decomposition,DLMD)方法中微分次数计算缺乏理论指导以及传统性能退化指标无法准确表示滚动轴承在全寿命阶段上当前状态的问题,提出了一种基于HDLMD(Hilbert-differential local mean decomposition,HDLMD)和JRD(Jensen-Renyi divergence)的滚动轴承性能评估方法.该方法首先对原始振动信号进行HDLMD分解,提取乘积函数(Product function,PF)矩阵;然后,基于拉普拉斯分值(Laplacian score,LS)选择包含最多故障信息的PF分量;再计算筛选之后的有效PF分量的概率分布,得到有效PF分量的Renyi熵值;最后,计算正常信号与不同故障程度信号之间的JRD距离,并判断滚动轴承的退化状态.通过凯西斯储大学(Case western reserve university,CWRU)滚动轴承实验数据和NASA(National aeronautics and space administration)全寿命周期数据实验表明,本文所提方法可以准确、有效地评估轴承性能的退化状态. 相似文献
3.
针对变分模态分解(variational mode decomposition,VMD)中模态数K和惩罚因子α无法自适应确定的问题,提出了基于快速变分模态分解(fast VMD,FVMD)的滚动轴承故障特征提取方法。首先,利用频谱趋势分割方法对滚动轴承振动信号进行分析,确定频谱趋势分割边界,进而自适应确定VMD的分解模态数K和惩罚因子α、模态初始中心频率ω;其次,根据参数K、α、ω,完成原始振动信号的自适应分解,并基于有效权重峭度准则提取有效本征模态函数(intrinsic mode function,IMF)分量;最后,利用希尔伯特包络解调计算有效IMF分量重构信号的包络频谱图,完成滚动轴承故障特征的提取。使用仿真信号、美国凯斯西储大学(Case Western Reserve University,CWRU)和美国航空航天局(National Aeronautics and Space Administration,NASA)的滚动轴承数据完成所提方法与传统VMD方法的对比试验。结果表明,所提方法能够自适应确定VMD的分解模态数K和惩罚因子α,提高VMD的计算效率,同时有效提取到滚动轴承的故障特征频率,证明了所提方法的有效性和可行性。 相似文献
4.
5.
针对强背景噪声下轴承复合故障特征难以分离提取的问题,提出了一种基于快速独立成分分析-天牛须-最大相关峭度
解卷积算法(FastICA-BAS-MCKD)的滚动轴承复合故障特征提取方法。 首先,引入 FastICA 对滚动轴承多通道故障信号进行盲
源分离;其次,利用 BAS 算法同步优化 MCKD 算法的解卷积周期 T、滤波器长度 L 和移位数 M,构建基于 BAS-MCKD 的滚动轴
承振动信号自适应分析方法;然后,应用 BAS-MCKD 方法处理分离后的信号,实现分离信号的降噪和特征增强;最后,应用希尔
伯特解调方法对 MCKD 处理后的信号进行包络谱分析,实现滚动轴承不同类型故障的识别。 仿真和实测信号的分析结果表
明,所提方法能清晰地从复合故障信号中提取出单一故障特征频率,为滚动轴承复合故障特征提取提供了一种有效的解决
方案。 相似文献
6.
针对滚动轴承振动信号的非线性动态特性及可靠度评估精度不高的问题,提出了基于改进的交叉模糊熵( improved
cross fuzzy entropy,ICFE)和威布尔比例故障率模型(Weibull proportional hazards model,WPHM)的滚动轴承健康状态评估方法。
该方法首先对原始振动信号进行改进的微分局部均值分解(Crt-differential local meandecomposition,Crt-DLMD),选取包含故障
信息最多的有效分量进行重构;然后,利用滑动均值取代原有粗粒化过程,计算重构信号的 ICFE;最后,将 ICFE 作为 WPHM 的
协变量进行健康状态评估。 通过美国国家航空航天局(NASA)和西安交通大学-长兴昇阳科技有限公司的滚动轴承全寿命周期
数据实验表明,所提方法可以准确、有效地评估滚动轴承的健康状态。 相似文献
7.
1