期刊文献+
共找到82篇文章
< 1 2 5 >
每页显示 20 50 100
全矢小波包-包络分析方法及其在齿轮故障诊断中的应用 被引量:17
1
作者 巩晓赟 韩捷 +1 位作者 陈宏 雷文平 《振动与冲击》 EI CSCD 北大核心 2012年第12期92-95,共4页
在旋转机械故障诊断中,针对传统单源信息采集的不全面性,提出了一种基于全矢谱技术的小波包-包络分析方法。首先对同源双通道信息分别采用小波包分解,根据需要选择频段的信息,并对提取的信号进行重构。然后采用全矢Hilbert解调分析方法... 在旋转机械故障诊断中,针对传统单源信息采集的不全面性,提出了一种基于全矢谱技术的小波包-包络分析方法。首先对同源双通道信息分别采用小波包分解,根据需要选择频段的信息,并对提取的信号进行重构。然后采用全矢Hilbert解调分析方法对重构信号实现包络解调,并与两单源信息的包络解调相比较,说明了仅以单源信息为诊断依据的不足。利用全矢谱技术进行融合的全矢小波包-包络解调技术,不仅继承了小波包-包络分析方法的优势,而且更加全面地反映出信号的真实性。最后通过仿真信号对其算法的可行性进行了验证,又以齿轮的故障振动信号为例,进一步验证了该方法在故障诊断中的有效性。 展开更多
关键词 全矢谱 小波包分析 包络谱 故障诊断
下载PDF
全矢谱技术在齿轮故障诊断中的应用 被引量:14
2
作者 韩捷 巩晓赟 陈宏 《中国工程机械学报》 2010年第1期81-85,共5页
以齿轮传动系统为研究对象,针对转子振动信号的信息源不足问题,采用全矢谱技术的信息融合分析方法,更真实、可靠地反映出齿轮的振动特征,实现齿轮故障诊断的信息全面和高分辨率的特点.
关键词 全矢谱 齿轮故障诊断 全矢Hilbert解调
下载PDF
复局部均值分解全矢包络技术及其在转子故障特征提取中的应用 被引量:13
3
作者 黄传金 孟雅俊 +1 位作者 雷文平 韩捷 《机械工程学报》 EI CAS CSCD 北大核心 2016年第7期69-78,共10页
为更全面提取转子故障特征,将全矢谱和复局部均值分解(Complex local mean decomposition,CLMD)相结合,提出二元的全矢包络技术——CLMD全矢包络技术。采用正交采样技术获取转子同一截面上互相垂直方向上的振动信号,并将其组成一个复数... 为更全面提取转子故障特征,将全矢谱和复局部均值分解(Complex local mean decomposition,CLMD)相结合,提出二元的全矢包络技术——CLMD全矢包络技术。采用正交采样技术获取转子同一截面上互相垂直方向上的振动信号,并将其组成一个复数信号;运用CLMD将复数信号按能量从高到低的顺序依次分离出系列复乘积函数(Complex product function,CPF),并解调出CPF的复包络;由于故障特征主要在能量较高的CPF分量中,通过全矢谱技术融合前几阶CPF分量的包络信号,得到相应的全矢包络谱。仿真的调幅-调频信号分析结果表面,较之Hilbert解调,CLMD全矢包络技术可提取隐含的调频信息,而且不存在虚假的低频谱线。转子试验台模拟的基座松动信号、碰摩信号分析结果表明,较之单源信息的包络谱,CLMD全矢包络技术提取的谱线特征更清晰、全面,而且根据全矢包络谱可有效区分基座松动引起的碰摩和单一碰摩故障。 展开更多
关键词 全矢谱 复局部均值分解 全矢包络谱 复乘积函数 复包络信号
下载PDF
基于全矢增强深度森林的旋转设备智能故障诊断方法 被引量:10
4
作者 姜万录 李满 +2 位作者 张培尧 赵亚鹏 张淑清 《中国机械工程》 EI CAS CSCD 北大核心 2022年第11期1324-1335,共12页
针对传统智能诊断方法需要专家知识和复杂特征提取,而深度神经网络模型复杂度高、构建难度大,以及单源信号信息不完备等问题,提出了一种新颖的全矢数据融合增强深度森林的旋转设备故障诊断方法。该方法根据旋转设备振动信号的特点,选择... 针对传统智能诊断方法需要专家知识和复杂特征提取,而深度神经网络模型复杂度高、构建难度大,以及单源信号信息不完备等问题,提出了一种新颖的全矢数据融合增强深度森林的旋转设备故障诊断方法。该方法根据旋转设备振动信号的特点,选择全矢谱技术与深度森林多粒度扫描相结合,用于接收同源双通道信号输入,增强了数据的完备性,并通过改善深度森林级联层来减少深层特征消失和特征冗余。为了验证所提出方法的有效性,分别进行了滚动轴承与轴向柱塞泵两例故障诊断实验研究,结果表明,该方法在不同旋转设备上都有很好的诊断效果,并可以实现端到端故障诊断。此外,该方法在小训练数据集上的故障识别准确率也非常高。 展开更多
关键词 故障诊断 旋转机械 深度森林 全矢谱 数据融合
下载PDF
基于全矢谱时间固有尺度分解和独立分量分析盲源分离降噪的滚动轴承故障特征提取 被引量:11
5
作者 刘嘉辉 董辛旻 李剑飞 《中国机械工程》 EI CAS CSCD 北大核心 2018年第8期943-948,共6页
结合盲源分离技术和全矢谱技术的各自优势,提出一种同源双通道信噪盲源分离法。首先采用时间固有尺度分解(ITD)和独立分量分析(ICA)相结合的分析法降噪,对同源双通道的轴承信号进行ITD分解,根据相关系数准则将分解得到的PRC分量进行重... 结合盲源分离技术和全矢谱技术的各自优势,提出一种同源双通道信噪盲源分离法。首先采用时间固有尺度分解(ITD)和独立分量分析(ICA)相结合的分析法降噪,对同源双通道的轴承信号进行ITD分解,根据相关系数准则将分解得到的PRC分量进行重组作为ICA输入矩阵,再采用FastICA解混,实现故障信号与噪声信号的分离;其次采用全矢谱技术对信噪分离降噪后的双通道有效分量信号进行全矢信息融合,做全矢谱分析。滚动轴承故障实验对比分析表明了该方法的有效性。 展开更多
关键词 时间固有尺度分解 盲源分离 独立分量分析 全矢谱
下载PDF
全矢深度学习在轴承故障诊断中的应用 被引量:10
6
作者 陈超宇 陈磊 +1 位作者 张旺 韩捷 《机械传动》 北大核心 2019年第1期144-149,共6页
为了应对日趋庞杂的故障监测系统数据,针对单通道信号存在的信息遗漏以及传统智能诊断手工提取特征的复杂性和不通用性,提出了全矢深度学习滚动轴承智能诊断方法。首先,用全矢谱融合双通道的振动信号,得到全矢融合后的主振矢数据,克服... 为了应对日趋庞杂的故障监测系统数据,针对单通道信号存在的信息遗漏以及传统智能诊断手工提取特征的复杂性和不通用性,提出了全矢深度学习滚动轴承智能诊断方法。首先,用全矢谱融合双通道的振动信号,得到全矢融合后的主振矢数据,克服了单通道振动信号信息不完整的缺点;然后,在此基础上构建全矢深度神经网络,结合稀疏编码和去噪编码算法,自适应地提取故障特征。最后,使用反向传播算法进行网络参数整体微调。试验结果表明,该方法能够自适应地提取更为有效的故障特征,提高了故障诊断准确率和稳定性,改善了传统方法的复杂流程。 展开更多
关键词 智能故障诊断 深度学习 全矢谱 稀疏自动编码器
下载PDF
全矢ITD和KPCA结合的滚动轴承故障诊断 被引量:10
7
作者 高亚娟 陈磊 +1 位作者 林辉翼 韩捷 《机械设计与制造》 北大核心 2019年第4期154-157,共4页
针对在滚动轴承故障检测和诊断中获取的单通道信息不全面、不准确等问题,提出了全矢本征时间尺度分解(ITD)和核主元分析(KPCA)相结合的方法以进行故障检测与诊断。首先采用全矢ITD对正常运行状态下的同源双通道原始样本数据进行信息融合... 针对在滚动轴承故障检测和诊断中获取的单通道信息不全面、不准确等问题,提出了全矢本征时间尺度分解(ITD)和核主元分析(KPCA)相结合的方法以进行故障检测与诊断。首先采用全矢ITD对正常运行状态下的同源双通道原始样本数据进行信息融合,得到全矢融合后的主振矢数据,并建立KPCA模型,克服了单通道振动信号信息不完整的缺点。然后运用KPCA模型对待测样本数据进行在线监控,当该模型的T2和SPE统计量超过已设定的控制限时,采用全矢Hilbert包络分析提取故障数据的特征频率以进行故障诊断。实验结果表明,该方法既能较好地检测出滚动轴承的运行状态,又能准确有效地诊断故障类型。 展开更多
关键词 核主元分析 ITD 全矢谱 故障诊断 滚动轴承 信息融合
下载PDF
全矢KPCA和AR模型结合的滚动轴承故障预测方法 被引量:10
8
作者 高亚娟 陈磊 +1 位作者 林辉翼 韩捷 《机械设计与制造》 北大核心 2019年第11期20-24,共5页
由于单一传感器获取的振动信号具有片面性,采用全矢谱信息融合技术对滚动轴承信号进行特征提取,并与KPCA模型和AR时序预测方法相结合进行故障预测。首先,采用全矢谱技术提取实验数据中的特征主振矢;然后,采用KPCA方法对得到的特征主振... 由于单一传感器获取的振动信号具有片面性,采用全矢谱信息融合技术对滚动轴承信号进行特征提取,并与KPCA模型和AR时序预测方法相结合进行故障预测。首先,采用全矢谱技术提取实验数据中的特征主振矢;然后,采用KPCA方法对得到的特征主振矢进行融合,消除数据冗余,并建立全矢KPCA监控模型;最后,将测试样本输入全矢KPCA监控模型并输出T2和SPE统计量,将其值作为AR预测模型的输入,预测其变化情况,并根据其预测值超出KPCA监控模型的控制限与否来判断设备是否出现故障。实验结果表明,该方法既能较好地预测出滚动轴承的运行状态,又能进一步追踪故障发展趋势,为及时做好维修措施提供理论依据。 展开更多
关键词 故障预测 核主元分析 全矢谱 AR模型 滚动轴承 信息融合
下载PDF
EMD全矢谱技术及其在滑动轴承故障诊断中的应用 被引量:9
9
作者 陈超 孟雅俊 +1 位作者 杜云龙 黄传金 《机械强度》 CAS CSCD 北大核心 2015年第5期806-811,共6页
针对基于单源信息的EMD故障诊断的局限性和根据传统全矢谱分析故障的缺点,提出了基于EMD的全矢谱故障特征提取新方法。该方法对采集于同一截面上的互相垂直的两个传感器上的振动信号,运用EMD将其分别分解为若干IMF分量之和。根据IMF频... 针对基于单源信息的EMD故障诊断的局限性和根据传统全矢谱分析故障的缺点,提出了基于EMD的全矢谱故障特征提取新方法。该方法对采集于同一截面上的互相垂直的两个传感器上的振动信号,运用EMD将其分别分解为若干IMF分量之和。根据IMF频率及其能量特点,通过全矢谱技术融合特定的IMF分量,得到基于EMD的全矢谱,进而进行故障诊断。仿真结果显示,该方法获取的故障特征更全面、准确。某额定功率为3000k W的TRT发电机组轴瓦振动故障诊断结果进一步表明了该方法的可行性和有效性。 展开更多
关键词 EMD 全矢谱 TRT发电机 故障诊断 同源信息融合 滑动轴承
下载PDF
基于全矢CEEMDAN滚动轴承故障诊断研究 被引量:4
10
作者 张又才 朱伏平 《机械设计》 CSCD 北大核心 2023年第S02期68-72,共5页
由于现有信息资源利用不充分,实际复杂工况下滚动轴承故障诊断特征提取不精,文中提出一种基于全矢自适应噪声完备集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)的滚动轴承故障诊断方... 由于现有信息资源利用不充分,实际复杂工况下滚动轴承故障诊断特征提取不精,文中提出一种基于全矢自适应噪声完备集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)的滚动轴承故障诊断方法。CEEMDAN不仅保证了EEMD分解的效果,而且很好地抑制了重构误差。其做法是在EMD方法的基础上有次数地加入自适应白噪声IMF分量。根据相关系数最大原则选取CEEMDAN分解得到的水平通道和垂直通道前5阶IMF分量进行数据重构,再对重构数据用全矢谱技术融合,得到基于CEEMDAN的矢量谱,最后对融合后的信号做包络分析处理求其包络谱,提取故障特征,并与EEMD包络谱对比。试验结果表明,所提方法能够更全方位、更准确地提取故障特征。 展开更多
关键词 故障诊断 全矢谱 CEEMDAN 相关系数
下载PDF
全矢支持向量回归频谱预测方法 被引量:7
11
作者 李凌均 陈超 +1 位作者 韩捷 陈宏 《郑州大学学报(工学版)》 CAS 北大核心 2016年第3期78-82,共5页
为了对机械设备进行故障类型和故障部位的准确预测,提出了全矢支持向量回归的频谱预测新方法.该方法使用全矢谱信息融合技术对同源双通道信号进行信息融合,采用支持向量回归对全矢谱特征参数进行预测,保证了训练数据信息的全面性以及预... 为了对机械设备进行故障类型和故障部位的准确预测,提出了全矢支持向量回归的频谱预测新方法.该方法使用全矢谱信息融合技术对同源双通道信号进行信息融合,采用支持向量回归对全矢谱特征参数进行预测,保证了训练数据信息的全面性以及预测结果的准确性.该方法对振动信号的频谱结构分布情况进行准确预测,从而为对机组的故障类型和故障部位预测奠定技术基础.通过对某1 000MW汽轮机轴振进行频谱预测验证结果表明,该方法在对振动信号频谱结构特征进行预测方面具有较高的预测准确性. 展开更多
关键词 全矢谱 支持向量回归 时间序列 频谱预测
下载PDF
旋转机械故障特征提取的全矢二元经验模态分解方法研究 被引量:7
12
作者 黄传金 雷文平 +2 位作者 李凌均 孟雅俊 赵静 《振动与冲击》 EI CSCD 北大核心 2019年第9期94-99,132,共7页
为更准确提取旋转机械故障特征,提出了基于全矢二元经验模态分解(Bivariate Empirical Mode Decomposition,BEMD)的故障特征提取方法。该方法首先通过多传感器正交采集旋转机械故障同一截面上的振动信号,并将其组成一个复数;然后运用BEM... 为更准确提取旋转机械故障特征,提出了基于全矢二元经验模态分解(Bivariate Empirical Mode Decomposition,BEMD)的故障特征提取方法。该方法首先通过多传感器正交采集旋转机械故障同一截面上的振动信号,并将其组成一个复数;然后运用BEMD将复数按旋转速度从高到低的顺序自适应地分解到各自的频带,得到系列复固有模态分量(Complex Intrinsic Mode Functions, CIMFs);提出复数相关系数的概念,并用于组合CIMFs得到新的复旋转分量以防同一频率的信号被分解到不同的CIMFs;最后,运用全矢谱融合组合后的CIMFs的特征信息,得到幅频、角度和进动方向等信息。与全频谱方法的对比试验结果表明该方法的有效性。 展开更多
关键词 旋转机械 特征提取 二元经验模态分解 全矢谱
下载PDF
基于全矢CEEMDAN能量矩和AMHSSA-SVM的滚动轴承故障诊断 被引量:1
13
作者 朱伏平 张又才 杨方燕 《机械设计》 CSCD 北大核心 2024年第2期81-87,共7页
为充分利用滚动轴承的故障特征信息,提高故障诊断的准确性和可靠性,文中提出了一种基于全矢自适应噪声完全集成经验模态分解(Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)能量矩和自适应多种群... 为充分利用滚动轴承的故障特征信息,提高故障诊断的准确性和可靠性,文中提出了一种基于全矢自适应噪声完全集成经验模态分解(Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)能量矩和自适应多种群混合麻雀搜索算法(Adaptive Multi-population Hybrid Sparrow Search Algorithm,AMHSSA)优化支持向量机(Support Vector Machine,SVM)的故障诊断方法。首先,采用全矢谱技术融合同源双通道信号;其次,采用CEEMDAN算法处理融合信号,选择相关系数较大的前5阶IMF分量,并计算其能量矩作为支持向量机模型的特征输入;最后,提出AMHSSA算法并优化支持向量机模型的参数,建立AMHSSA-SVM故障诊断模型。对该模型进行测试,结果表明:此模型有效提高了识别准确性,与类似模型对比,进一步证明了其在分类精度和优化时间方面的优越性。 展开更多
关键词 滚动轴承 故障诊断 全矢谱 CEEMDAN AMHSSA SVM
下载PDF
全矢EEMD在轴承故障诊断中的应用 被引量:7
14
作者 高山 周玉平 +1 位作者 陈宏 张旺 《机械设计与制造》 北大核心 2021年第3期118-121,共4页
实际工况中滚动轴承故障的振动信号为非线性,非平稳的信号。为了对滚动轴承的故障做出准确识别,根据轴承故障信号的特点,在此提出一种用全矢谱和EEMD相结合来提取故障特征指标,然后利用隐马尔科夫模型对滚动轴承故障进行分类的新方法。... 实际工况中滚动轴承故障的振动信号为非线性,非平稳的信号。为了对滚动轴承的故障做出准确识别,根据轴承故障信号的特点,在此提出一种用全矢谱和EEMD相结合来提取故障特征指标,然后利用隐马尔科夫模型对滚动轴承故障进行分类的新方法。首先对实验得到的滚动轴承同源双通道振动信号进行EEMD分解,得到数个IMF分量,选取相关性较高的分量进行全矢融合。然后提取与故障类型相对应的故障特征频率下的幅值作为滚动轴承故障分类的指标,并利用HMM方法进行训练和识别,从而区分出不同的故障类型。最后,利用实验得到的轴承故障信号进行测试,实验结果表明,该方法可以对滚动轴承故障做出较为准确的识别。 展开更多
关键词 全矢谱 集合经验模态分解(EEMD) 隐马尔科夫模型(HMM) 滚动轴承 故障分类
下载PDF
全信息小波包分析及其在旋转机械故障诊断中的应用 被引量:5
15
作者 冯彩红 韩捷 李凌均 《机械强度》 EI CAS CSCD 北大核心 2006年第5期639-642,共4页
针对传统旋转机械单通道故障诊断的不足,结合设备状态检测和故障诊断中微弱振动信号难以提取的问题,在介绍全信息技术的基础上,提出新的信号处理方法———全信息小波包分析,用小波包变换对双通道信号分别进行分解,以提取信号中的微弱... 针对传统旋转机械单通道故障诊断的不足,结合设备状态检测和故障诊断中微弱振动信号难以提取的问题,在介绍全信息技术的基础上,提出新的信号处理方法———全信息小波包分析,用小波包变换对双通道信号分别进行分解,以提取信号中的微弱局部成分,把需要的对应小波包进行重构并用全矢谱技术进行融合,根据融合后的数据进行故障诊断。工程应用实践表明,全信息小波包分析是一种新的、较为实用的信号处理方法。 展开更多
关键词 旋转机械 故障诊断 全信息 小波包分析 全矢谱
下载PDF
全矢谱和稀疏分解结合的轴承故障特征提取 被引量:5
16
作者 林辉翼 郝伟 +1 位作者 郝旺身 董辛旻 《机械设计与制造》 北大核心 2019年第6期146-149,共4页
针对滚动轴承在故障早期特征信号微弱、故障特征提取困难以及单通道分析方法信息利用不充分等问题,提出了一种基于稀疏分解与全矢谱相结合的滚动轴承早期微弱故障特征提取方法。首先,在已构造的冗余字典基础上对滚动轴承同源双通道早期... 针对滚动轴承在故障早期特征信号微弱、故障特征提取困难以及单通道分析方法信息利用不充分等问题,提出了一种基于稀疏分解与全矢谱相结合的滚动轴承早期微弱故障特征提取方法。首先,在已构造的冗余字典基础上对滚动轴承同源双通道早期故障信号分别进行稀疏分解,得到各自的稀疏信号;然后,将同源双通道稀疏信号进行全矢信息融合;最后,对融合后的信号进行包络解调分析,以提取出故障特征频率。该方法将全矢谱拓展到早期微弱故障诊断领域,并通过实验验证了其在早期微弱故障特征提取方面的有效性。 展开更多
关键词 稀疏分解 全矢谱 特征提取 信息融合 滚动轴承 故障诊断
下载PDF
基于全矢Autogram的滚动轴承故障诊断方法 被引量:1
17
作者 张刘润 郑近德 +1 位作者 潘海洋 童靳于 《振动.测试与诊断》 EI CSCD 北大核心 2023年第2期312-320,410,411,共11页
针对滚动轴承单通道信号信噪比较低、不能全面和准确表征故障特征等问题,提出了一种基于全矢谱和自相关谱峭度图的滚动轴承故障诊断方法。首先,计算互为垂直的两通道振动信号的自相关谱峭度图,得到信号中最佳频带的位置,并提取重构信号... 针对滚动轴承单通道信号信噪比较低、不能全面和准确表征故障特征等问题,提出了一种基于全矢谱和自相关谱峭度图的滚动轴承故障诊断方法。首先,计算互为垂直的两通道振动信号的自相关谱峭度图,得到信号中最佳频带的位置,并提取重构信号;其次,为了保证信号故障信息的全面性和获取精确故障特征信息,计算重构信号的全矢包络谱;最后,分析全矢包络谱中的故障特征进行故障诊断。通过分析仿真信号及实验数据,将所提方法与快速谱峭度和自相关谱峭度图等方法进行了对比,结果表明,所提故障诊断方法能够有效地提取滚动轴承的故障特征频率,提高故障诊断的精确性。 展开更多
关键词 自相关谱峭度 快速谱峭度 全矢谱 滚动轴承 故障诊断
下载PDF
全矢RNN的轴承故障诊断研究 被引量:5
18
作者 谢远东 雷文平 +1 位作者 韩捷 陈磊 《机械设计与制造》 北大核心 2021年第9期27-31,共5页
本文提出了一种基于全矢谱的RNN故障诊断方法。RNN是为了在保证在时序信息上能够提取出轴承的特征信息,并且根据全寿命周期的时序信息得到轴承的退化过程,并根据退化特征对于轴承故障信号进行分类。全矢谱技术利用同源双通道故障信息的... 本文提出了一种基于全矢谱的RNN故障诊断方法。RNN是为了在保证在时序信息上能够提取出轴承的特征信息,并且根据全寿命周期的时序信息得到轴承的退化过程,并根据退化特征对于轴承故障信号进行分类。全矢谱技术利用同源双通道故障信息的完备性,并在此基础上,结合循环神经网络的网络特性,取代手工提取故障特征。经过试验结果验证了全矢循环神经网络(FV-RNN)方法提取得特征更加全面和准确,且该方法优于手工选择特征CEEMD以及单通道RNN网络模型。 展开更多
关键词 智能故障诊断 循环神经网络 全矢谱 特征提取
下载PDF
全矢改进连续谐波小波包滚动轴承故障特征提取 被引量:1
19
作者 秦琴 朱伏平 +1 位作者 杨方燕 尹璐 《机械科学与技术》 CSCD 北大核心 2023年第12期2040-2046,共7页
滚动轴承在旋转类机械设备中运行时,会产生成分复杂的振动信号。现有滚动轴承信号处理方法多使用单通道信息,无法反映整个截面故障状态。本文提出了一种基于全矢改进连续谐波小波包变换的故障特征提取方法。首先使用相互正交的两个传感... 滚动轴承在旋转类机械设备中运行时,会产生成分复杂的振动信号。现有滚动轴承信号处理方法多使用单通道信息,无法反映整个截面故障状态。本文提出了一种基于全矢改进连续谐波小波包变换的故障特征提取方法。首先使用相互正交的两个传感器,实现滚动轴承某一截面上双通道振动信号采集;其次利用全矢谱技术将所采集的同源双通道信号进行融合;然后使用改进连续谐波小波包变换分解融合后的信号;再从各子带中提取能反映各类故障特征的能量值组成特征向量;最后利用美国凯斯西储大学滚动轴承实验台的一组实测故障数据验证该方法的正确性。 展开更多
关键词 滚动轴承 全矢谱 改进连续谐波小波包 特征提取
下载PDF
全矢FSWT方法在轴承故障诊断中的应用 被引量:1
20
作者 王坤 李凌均 +1 位作者 郝旺身 薛阳 《机械设计与制造》 北大核心 2023年第12期205-208,共4页
针对在滚动轴承故障诊断中,传统单通道原始信号存在输入信息缺失,经方法处理后导致诊断结论不一致的问题,将全矢谱分析技术和频率切片小波变换(Frequency Slice Wavelet Transform,FSWT)相结合,提出了全矢FSWT的方法进行故障检测与诊断... 针对在滚动轴承故障诊断中,传统单通道原始信号存在输入信息缺失,经方法处理后导致诊断结论不一致的问题,将全矢谱分析技术和频率切片小波变换(Frequency Slice Wavelet Transform,FSWT)相结合,提出了全矢FSWT的方法进行故障检测与诊断。运用FSWT分析同源相互垂直的双通道原始样本,并选择合适的时频切片区间进行包络重构,接着对重构后的信号进行全矢融合,观察提取故障数据的特征频率以进行故障诊断。实验结果表明,该方法既能较好地提取故障特征信号,又能准确有效地诊断故障类型。 展开更多
关键词 频率切片小波 全矢谱 滚动轴承 故障诊断
下载PDF
上一页 1 2 5 下一页 到第
使用帮助 返回顶部