局部特征尺度分解(local characteristic-scale decomposition,LCD)方法是最近新提出的一种先进的自适应时频分析方法。由于LCD方法中均值曲线插值点的属性主要由相邻两同类极值点的属性决定,不能很好地体现数据的整体变化趋势,从而可...局部特征尺度分解(local characteristic-scale decomposition,LCD)方法是最近新提出的一种先进的自适应时频分析方法。由于LCD方法中均值曲线插值点的属性主要由相邻两同类极值点的属性决定,不能很好地体现数据的整体变化趋势,从而可能引起分解精度降低。根据上述问题,提出了基于Newton插值的局部特征尺度分解(newton interpolation based local characteristic-scale decomposition,NILCD)方法。该方法采用Newton插值取代LCD中的线性插值,均值曲线的插值点由相邻的三个同类极值点构成的Newton插值多项式计算产生,改进LCD。通过仿真信号将NILCD与LCD方法进行分析对比,结果证实了NILCD在提高分量正交性和精确性等方面具有一定的优越性。并将NILCD方法应用于转子碰摩故障的诊断,实验结果表明了新方法的有效性。展开更多
针对液压泵故障信号的非平稳特性以及其退化状态难以识别的问题,结合局部特征尺度分解与信息熵理论,提出了局部特征尺度分解谱熵的退化特征提取方法,并将基于变量预测模型的模式识别(Variable Predictive Model based Class Discriminat...针对液压泵故障信号的非平稳特性以及其退化状态难以识别的问题,结合局部特征尺度分解与信息熵理论,提出了局部特征尺度分解谱熵的退化特征提取方法,并将基于变量预测模型的模式识别(Variable Predictive Model based Class Discriminate,VPMCD)方法引入到液压泵的退化状态识别。对不同程度故障的液压泵振动信号进行局部特征尺度分解,从得到的内禀尺度分量中提取振动信号的复杂度和随机性度量指标能谱熵、奇异谱熵和包络谱熵,以其作为液压泵的退化特征向量,通过建立VPMCD退化状态识别模型实现液压泵的退化状态识别。仿真信号分析结果验证了所提出的局部特征尺度分解谱熵具有较好的表征液压泵故障退化状态的能力。通过对实测液压泵松靴和滑靴磨损两种故障模式下的退化状态振动信号进行分析验证了提出方法的有效性。展开更多
针对局部特征尺度分解(Local Characteristic-scale Decomposition,LCD)方法中均值曲线插值点的属性主要由相邻两同类极值点的属性决定,不能很好地体现数据的整体变化趋势,从而可能引起分解精度降低,提出了基于Lagrange插值的局部特征...针对局部特征尺度分解(Local Characteristic-scale Decomposition,LCD)方法中均值曲线插值点的属性主要由相邻两同类极值点的属性决定,不能很好地体现数据的整体变化趋势,从而可能引起分解精度降低,提出了基于Lagrange插值的局部特征尺度分解(Lagrange Interpolation based Local Characteristic-scale Decomposition,LILCD)方法.该方法采用Lagrange插值取代LCD中的线性插值,且均值曲线的插值点是由相邻的3个同类极值点构成的Lagrange插值多项式计算产生.引入了对称系数的概念,并给出了最优对称系数评价准则.研究了LILCD方法的原理及最优对称系数评价准则,通过仿真信号将LILCD方法与LCD方法进行了对比,结果表明LILCD在提高分量精确性和正交性方面具有一定的优越性.将LILCD方法应用于转子不对中故障的诊断,结果表明了方法的有效性.展开更多
文摘局部特征尺度分解(local characteristic-scale decomposition,LCD)方法是最近新提出的一种先进的自适应时频分析方法。由于LCD方法中均值曲线插值点的属性主要由相邻两同类极值点的属性决定,不能很好地体现数据的整体变化趋势,从而可能引起分解精度降低。根据上述问题,提出了基于Newton插值的局部特征尺度分解(newton interpolation based local characteristic-scale decomposition,NILCD)方法。该方法采用Newton插值取代LCD中的线性插值,均值曲线的插值点由相邻的三个同类极值点构成的Newton插值多项式计算产生,改进LCD。通过仿真信号将NILCD与LCD方法进行分析对比,结果证实了NILCD在提高分量正交性和精确性等方面具有一定的优越性。并将NILCD方法应用于转子碰摩故障的诊断,实验结果表明了新方法的有效性。
文摘针对液压泵故障信号的非平稳特性以及其退化状态难以识别的问题,结合局部特征尺度分解与信息熵理论,提出了局部特征尺度分解谱熵的退化特征提取方法,并将基于变量预测模型的模式识别(Variable Predictive Model based Class Discriminate,VPMCD)方法引入到液压泵的退化状态识别。对不同程度故障的液压泵振动信号进行局部特征尺度分解,从得到的内禀尺度分量中提取振动信号的复杂度和随机性度量指标能谱熵、奇异谱熵和包络谱熵,以其作为液压泵的退化特征向量,通过建立VPMCD退化状态识别模型实现液压泵的退化状态识别。仿真信号分析结果验证了所提出的局部特征尺度分解谱熵具有较好的表征液压泵故障退化状态的能力。通过对实测液压泵松靴和滑靴磨损两种故障模式下的退化状态振动信号进行分析验证了提出方法的有效性。
文摘针对局部特征尺度分解(Local Characteristic-scale Decomposition,LCD)方法中均值曲线插值点的属性主要由相邻两同类极值点的属性决定,不能很好地体现数据的整体变化趋势,从而可能引起分解精度降低,提出了基于Lagrange插值的局部特征尺度分解(Lagrange Interpolation based Local Characteristic-scale Decomposition,LILCD)方法.该方法采用Lagrange插值取代LCD中的线性插值,且均值曲线的插值点是由相邻的3个同类极值点构成的Lagrange插值多项式计算产生.引入了对称系数的概念,并给出了最优对称系数评价准则.研究了LILCD方法的原理及最优对称系数评价准则,通过仿真信号将LILCD方法与LCD方法进行了对比,结果表明LILCD在提高分量精确性和正交性方面具有一定的优越性.将LILCD方法应用于转子不对中故障的诊断,结果表明了方法的有效性.
