排序方式: 共有12条查询结果,搜索用时 46 毫秒
1.
2.
在多尺度线调频基稀疏信号分解的基础上,提出一种时变系统的模态参数识别方法。该方法先采用多尺度线调频基稀疏信号分解方法对多自由度线性时变振动系统响应信号进行分解,将其分解成多个单模态振动响应信号并得到单模态振动响应信号的瞬时频率;再根据单模态振动响应信号的包络和瞬时频率识别系统的模态频率与模态阻尼比。多自由度线性时变振动系统模态参数的识别算例表明,与经验模态分解等时频分析方法比较,该方法能有效克服系统振动响应信号分解时的模态混淆问题,识别精度高,抗噪性能好,是一种有较大工程应用前景的多自由度线性时变振动系统模态参数识别方法。 相似文献
3.
4.
针对玻璃生产线退火窑辊道轴承振动信号存在强噪声污染,故障诊断准确率低,效率差等问题,提出了一种基于灰关联熵分析和敏感特征评估的辊道轴承故障智能诊断方法。首先,将原故障信号用经验模态分解为多个IMF分量,采用灰关联熵分析法筛选IMF分量并进行小波阈值降噪,重构故障信号。其次,选择时域和频域特征,定义基于故障特征类间、类内距离的敏感特征评估因子,筛选出敏感特征集。最后,使用RBF神经网络对故障特征集进行识别。滚动轴承故障测试实验结果表明,该方法能够有效提升故障轴承振动信号的信噪比,并评估筛选出敏感特征,从而实现对滚动轴承的智能诊断。 相似文献
5.
吴雪明 《中国信息技术教育》2009,(24):24-24
我校是一所农村小学,由于客观条件的限制,部分班级的学生数在50~52之间,而微机室里的学生机是按每个教室48台配备的,有时还会遇上部分电脑“罢工”,这样就做不到一生一机,经常会有2~4名学生只能在“加座”上“旁听”。 相似文献
6.
提出一种基于自适应线调频基原子分解(adaptive chirplet atomic decomposition,ACAD)的时域同步平均方法,并将其应用于低信噪比下变转速齿轮故障诊断。首先对齿轮振动信号进行ACAD分解估计齿轮所在轴的转速曲线;然后根据转速曲线对信号进行等角度重采样,以满足时域同步平均方法对信号周期平稳的要求;再利用时域同步平均方法对重采样信号进行处理,处理后的信号具有很高的信噪比;最后,对其进行FFT变换,其阶次谱上非常清晰地显示齿轮的调制阶次,从而揭示齿轮的故障信息。仿真算例与应用实例证明了该方法的有效性。 相似文献
7.
8.
9.
10.