期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进的自适应无参经验小波变换的滚动轴承故障诊断
被引量：
12
1
作者
李继猛
王慧
+1 位作者
李铭
姚
希
峰
《计量学报》
CSCD
北大核心
2020年第6期710-716,共7页
为实现滚动轴承故障周期冲击特征的有效提取,解决经验小波变换Fourier谱分割存在的问题,提出了一种改进的自适应无参经验小波变换方法。首先,利用自适应无参经验小波变换对信号Fourier谱进行自适应分割;然后,利用峭度指标对谱边界进行合...
为实现滚动轴承故障周期冲击特征的有效提取,解决经验小波变换Fourier谱分割存在的问题,提出了一种改进的自适应无参经验小波变换方法。首先,利用自适应无参经验小波变换对信号Fourier谱进行自适应分割;然后,利用峭度指标对谱边界进行合并,并重构滤波器组对信号进行分解;最后,选取峭度值最大的分量进行包络解调提取故障特征。仿真和工程应用验证了所提方法的有效性,分析结果表明该方法的性能优于集合经验模态分解和经典经验小波变换。
展开更多
关键词
计量学
滚动轴承
故障诊断
自适应无参经验小波变换
峭度指标
下载PDF
职称材料
基于集合经验模式分解和K-奇异值分解字典学习的滚动轴承故障诊断
被引量：
7
2
作者
李继猛
李铭
+3 位作者
姚
希
峰
王慧
于青文
王向东
《计量学报》
CSCD
北大核心
2020年第10期1260-1266,共7页
针对经典K-奇异值分解算法构造的字典中原子形态受噪声、谐波干扰影响,进而降低冲击故障特征提取精度的问题,提出了基于集合经验模式分解和K-奇异值分解字典学习的冲击特征提取方法。该方法首先利用集合经验模式分解与Hurst指数对振动...
针对经典K-奇异值分解算法构造的字典中原子形态受噪声、谐波干扰影响,进而降低冲击故障特征提取精度的问题,提出了基于集合经验模式分解和K-奇异值分解字典学习的冲击特征提取方法。该方法首先利用集合经验模式分解与Hurst指数对振动信号进行预处理,剔除谐波干扰;其次,利用经典K-奇异值分解算法和预处理信号构造超完备字典;然后,利用K-均值聚类算法对字典中的原子进行筛选;最后,利用正交匹配追踪算法实现冲击故障特征的稀疏表示。实验分析和工程应用验证了所提方法的有效性和实用性。
展开更多
关键词
计量学
滚动轴承
故障诊断
稀疏表示
集合经验模式分解
K-奇异值分解字典学习
K-均值聚类
下载PDF
职称材料
题名
基于改进的自适应无参经验小波变换的滚动轴承故障诊断
被引量：
12
1
作者
李继猛
王慧
李铭
姚
希
峰
机构
燕山大学电气工程学院
出处
《计量学报》
CSCD
北大核心
2020年第6期710-716,共7页
基金
国家自然科学基金(51505415)
河北省自然科学基金(E2017203142,F2018203413)。
文摘
为实现滚动轴承故障周期冲击特征的有效提取,解决经验小波变换Fourier谱分割存在的问题,提出了一种改进的自适应无参经验小波变换方法。首先,利用自适应无参经验小波变换对信号Fourier谱进行自适应分割;然后,利用峭度指标对谱边界进行合并,并重构滤波器组对信号进行分解;最后,选取峭度值最大的分量进行包络解调提取故障特征。仿真和工程应用验证了所提方法的有效性,分析结果表明该方法的性能优于集合经验模态分解和经典经验小波变换。
关键词
计量学
滚动轴承
故障诊断
自适应无参经验小波变换
峭度指标
Keywords
metrology
rolling bearing
fault diagnosis
adaptive parameterless empirical wavelet transform
kurtosis index
分类号
TB936 [一般工业技术—计量学]
TB973 [机械工程—测试计量技术及仪器]
下载PDF
职称材料
题名
基于集合经验模式分解和K-奇异值分解字典学习的滚动轴承故障诊断
被引量：
7
2
作者
李继猛
李铭
姚
希
峰
王慧
于青文
王向东
机构
燕山大学电气工程学院
出处
《计量学报》
CSCD
北大核心
2020年第10期1260-1266,共7页
基金
国家自然科学基金(51505415)
河北省自然科学基金(E2017203142,F2018203413)。
文摘
针对经典K-奇异值分解算法构造的字典中原子形态受噪声、谐波干扰影响,进而降低冲击故障特征提取精度的问题,提出了基于集合经验模式分解和K-奇异值分解字典学习的冲击特征提取方法。该方法首先利用集合经验模式分解与Hurst指数对振动信号进行预处理,剔除谐波干扰;其次,利用经典K-奇异值分解算法和预处理信号构造超完备字典;然后,利用K-均值聚类算法对字典中的原子进行筛选;最后,利用正交匹配追踪算法实现冲击故障特征的稀疏表示。实验分析和工程应用验证了所提方法的有效性和实用性。
关键词
计量学
滚动轴承
故障诊断
稀疏表示
集合经验模式分解
K-奇异值分解字典学习
K-均值聚类
Keywords
metrology
rolling bearing
fault diagnosis
sparse representation
ensemble empirical mode decomposition
K-singular value decomposition dictionary learning
K-means clustering
分类号
TB936 [一般工业技术—计量学]
TB973 [机械工程—测试计量技术及仪器]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进的自适应无参经验小波变换的滚动轴承故障诊断
李继猛
王慧
李铭
姚
希
峰
《计量学报》
CSCD
北大核心
2020
12
下载PDF
职称材料
2
基于集合经验模式分解和K-奇异值分解字典学习的滚动轴承故障诊断
李继猛
李铭
姚
希
峰
王慧
于青文
王向东
《计量学报》
CSCD
北大核心
2020
7
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
