排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
船舶旋转机械往往在多振源的环境中运转,如何对其振动信号进行有效的特征提取和降噪处理是研究热点。时域同步平均方法对振动信号的噪声抑制有较好的效果,但是该方法需要的键相信号难以获取,特定频率以外的故障信息会丢失且倍频信号波形会互相混叠,以上问题限制了该方法的适用性。提出了一种多尺度时域平均分解法,有效地克服了传统时域平均法存在的问题,并结合模糊熵特征选择对船舶风机进行了故障诊断,准确率与计算速度均优于EMD、EEMD和VMD方法。仿真数据分析与故障模拟试验证明了该方法的有效性。 相似文献
2.
基于小波包特征提取和模糊熵特征选择的柴油机故障分析 总被引:1,自引:0,他引:1
船舶动力设备因故障监测信号样本少、变化缓慢、数据特征呈非线性,使得设备故障模式的准确识别和状态预测比较难。尤其是柴油机振动信号的故障诊断,由于柴油机振动信号噪声多,诊断信号难以进行特征选择的问题,提出了基于小波包能量谱特征提取和模糊熵特征择的柴油机故障诊断方法。利用模糊熵对小波包能量谱提取出的特征集进行特征选择,将选择后的特征参数输入LS-SVM进行故障模式识别。试验结果表明,该方法可以提高故障识别准确率。在该试验中,故障识别准确率达到了99.36%,相比于未进行特征选择的特征集,识别准确率提高了0.72%。 相似文献
3.
1