期刊文献+
共找到7篇文章
< 1 >
每页显示 20 50 100
基于IEWT和MCKD的滚动轴承故障诊断方法 被引量:37
1
作者 李政 张炜 +2 位作者 明安波 李峥 褚福磊 《机械工程学报》 EI CAS CSCD 北大核心 2019年第23期136-146,共11页
针对经验小波变换(Empirical wavelet transform,EWT)对强噪声环境中滚动轴承微弱故障诊断的不足,主要是傅里叶频谱分段不当的问题。提出一种基于最大相关峭度解卷积(Maximum correlated kurtosis deconvolution,MCKD)降噪与改进EWT相... 针对经验小波变换(Empirical wavelet transform,EWT)对强噪声环境中滚动轴承微弱故障诊断的不足,主要是傅里叶频谱分段不当的问题。提出一种基于最大相关峭度解卷积(Maximum correlated kurtosis deconvolution,MCKD)降噪与改进EWT相结合的滚动轴承早期故障识别方法。首先采用最大相关峭度解卷积算法以包络谱的相关峭度最大化为目标对原信号进行降噪处理、检测信号中的周期性冲击成分,然后根据信号Fourier频谱的包络极大值进行分段,通过分析各频段平方包络谱中明显的频率成分来诊断故障。新方法能有效降噪、增强信号中周期性冲击特征、降低单次偶然冲击的影响、抑制非冲击成分。通过对含外圈、内圈故障的滚动轴承进行试验分析,结果表明,相比于快速谱峭度图和小波包络分析方法,该方法提取出的特征更加明显,能有效实现滚动轴承早期微弱故障的识别。 展开更多
关键词 经验小波变换 快速谱峭度图 最大相关峭度解卷积 小波包络分析 滚动轴承
原文传递
经验快速谱峭度及其在滚动轴承故障诊断中的应用 被引量:11
2
作者 张坤 胥永刚 +2 位作者 马朝永 张浩 盛志鹏 《振动工程学报》 EI CSCD 北大核心 2020年第3期636-642,共7页
快速谱峭度(Fast Kurtogram,FK)通过构造有限冲击响应滤波器从频谱上将信号二分或三分为几个不同频带的分量后,判断每个分量的谱峭度大小以提取调制信息。该方法运算速度很快,但有时包含故障信息的频段无法被均分的谱峭度图容纳,甚至可... 快速谱峭度(Fast Kurtogram,FK)通过构造有限冲击响应滤波器从频谱上将信号二分或三分为几个不同频带的分量后,判断每个分量的谱峭度大小以提取调制信息。该方法运算速度很快,但有时包含故障信息的频段无法被均分的谱峭度图容纳,甚至可能导致提取出的分量中无法检测到明显的故障信息。提出一种新的频谱边界划分方法用以优化快速谱峭度,并称之为经验快速谱峭度(Empirical Fast Kurtogram,EFK)。首先,将信号频谱的傅里叶变换函数中代表频谱趋势的成分提取出来,并搜索其极小值点序列;然后,以极小值点在频谱中的位置作为频谱划分的边界,采用Meyer小波构造滤波器并重构信号分量以求取峭度;最终,构造出一种新的快速谱峭度图,选择谱峭度最大的频段提取故障信息。该方法依据信号频谱的趋势划分边界可以有效地避免由于均分频谱导致的不合理现象,模拟信号及滚动轴承内圈、外圈故障信号证明了该方法的有效性。 展开更多
关键词 故障诊断 滚动轴承 快速谱峭度 经验快速谱峭度 频谱趋势
下载PDF
基于EEMD、度量因子和快速峭度图的滚动轴承故障诊断方法 被引量:57
3
作者 彭畅 柏林 谢小亮 《振动与冲击》 EI CSCD 北大核心 2012年第20期143-146,共4页
基于EMD、谱峭度以及包络分析的滚动轴承故障诊断方法,提出了改进的基于EEMD、度量因子和快速峭度图的诊断方法。该方法首先将故障信号进行EEMD分解得到一组IMFs,然后用度量因子筛选出最能表征故障信息的IMF分量重构信号,再用快速峭度... 基于EMD、谱峭度以及包络分析的滚动轴承故障诊断方法,提出了改进的基于EEMD、度量因子和快速峭度图的诊断方法。该方法首先将故障信号进行EEMD分解得到一组IMFs,然后用度量因子筛选出最能表征故障信息的IMF分量重构信号,再用快速峭度图构造最优带通滤波器,最后将滤波后的重构信号进行包络分析并将包络谱与轴承故障特征频率进行比较,从而诊断出具体故障。滚动轴承的内圈故障仿真数据以及工程实测数据均很好地验证了提出的改进方法的有效性,说明其具有良好的应用前景。 展开更多
关键词 EEMD 度量因子 快速峭度图 包络分析
下载PDF
基于快速谱峭度图的EEMD内禀模态分量选取方法 被引量:20
4
作者 蒋超 刘树林 +1 位作者 姜锐红 王波 《振动.测试与诊断》 EI CSCD 北大核心 2015年第6期1173-1178,1206,共6页
针对在总体平均经验模式分解(ensemble empirical mode decomposition,简称EEMD)的多个内禀模态分量(intrinsic mode function,简称IMF)中,如何选取出反应故障特征的敏感IMF的问题,提出一种基于快速谱峭度图的敏感IMF选取方法。由EEMD... 针对在总体平均经验模式分解(ensemble empirical mode decomposition,简称EEMD)的多个内禀模态分量(intrinsic mode function,简称IMF)中,如何选取出反应故障特征的敏感IMF的问题,提出一种基于快速谱峭度图的敏感IMF选取方法。由EEMD分解获得的一组无模式混淆的IMF,计算原信号及各个IMF的快速谱峭度图,选择每个快速谱峭度图中谱峭度最大值所处的频带作为参考频带,比较各个IMF的参考频带与原信号谱峭度最大值所处频带之间的从属关系,筛选出反应故障特征的敏感IMF,为后续故障诊断提供特征信息。将该方法应用于模拟仿真信号及滚动轴承滚动体故障信号,验证了方法的有效性。 展开更多
关键词 总体平均经验模式分解 快速谱峭度图 冲击信号 故障诊断
下载PDF
基于自适应EEMD与Fast Kurtogram的齿轮箱故障诊断 被引量:5
5
作者 项伟 李如玉 +2 位作者 王慧 田立勇 于宁 《机械强度》 CAS CSCD 北大核心 2022年第5期1024-1031,共8页
针对集合经验模式分解算法中添加白噪声幅值大小和总体平均次数过分依赖于人的主观经验或多次尝试,具有较大主观性和盲目性的不足,提出一种自适应EEMD结合快速峭度图(Fast Kurtogram)的故障诊断方法。首先将采集到的振动信号进行EMD预... 针对集合经验模式分解算法中添加白噪声幅值大小和总体平均次数过分依赖于人的主观经验或多次尝试,具有较大主观性和盲目性的不足,提出一种自适应EEMD结合快速峭度图(Fast Kurtogram)的故障诊断方法。首先将采集到的振动信号进行EMD预处理以自适应的获取EEMD算法的关键输入参数,然后结合峭度与互相关系数“双阀值准则”快速选取分量进行信号重构以突出故障特征,并通过快速峭度图选取最佳滤波参数,最后对滤波后的信号做包络谱分析,实现故障特征频率的提取与故障诊断。通过模拟信号分析及减速器齿轮箱的故障诊断工程应用,并与EMD方法及传统EEMD方法进行对比分析,验证了提出方法的有效性。结果表明,所提出的方法能够从含有强烈背景噪声的信号中成功提取出减速器齿轮箱的早期微弱故障特征,提高了故障诊断的及时性与准确性。 展开更多
关键词 齿轮箱 集合经验模式分解 快速峭度图 峭度 互相关系数 故障诊断
下载PDF
基于ICEEMDAN和共振解调的轴承故障检测方法
6
作者 唐斌 池茂儒 +2 位作者 赵明花 李大柱 许文天 《铁道机车车辆》 北大核心 2024年第4期84-91,共8页
对于滚动轴承的故障检测,提出了一种基于带自适应噪声的改进完全集合经验模态分解(ICEEMDAN)和共振解调的轴承故障检测方法。通过ICEEMDAN算法,把原始振动信号分解为若干个IMF分量;选取有效IMF分量进行求和,得到重构信号;使用快速峭度... 对于滚动轴承的故障检测,提出了一种基于带自适应噪声的改进完全集合经验模态分解(ICEEMDAN)和共振解调的轴承故障检测方法。通过ICEEMDAN算法,把原始振动信号分解为若干个IMF分量;选取有效IMF分量进行求和,得到重构信号;使用快速峭度图法确定共振频带,然后以此设计相应滤波器进行滤波;使用形态学滤波方法进行共振信号的解调,然后再利用FFT得到轴承的故障特征频谱图。内、外圈故障振动数据验证结果表明,该方法能够检测出滚动轴承的故障。 展开更多
关键词 滚动轴承 带自适应噪声的改进完全集合经验模态分解(ICEEMDAN) 共振解调 快速峭度图 形态学滤波
下载PDF
基于EEMDFK和注意力CNN网络的刀具磨损状态识别 被引量:2
7
作者 吴继春 阳广兴 +3 位作者 许可 周灭旨 胡柱 范大鹏 《计算机集成制造系统》 EI CSCD 北大核心 2023年第10期3413-3424,共12页
针对加工数据采集存在数据量大且干扰信号复杂,导致刀具磨损状态识别方式复杂、识别精度低等问题,提出一种基于快速谱峭度图的集合经验模态分量选取(EEMDFK)与注意力机制的卷积神经网络(ACNN)相结合的识别方法。针对集合经验模态存在选... 针对加工数据采集存在数据量大且干扰信号复杂,导致刀具磨损状态识别方式复杂、识别精度低等问题,提出一种基于快速谱峭度图的集合经验模态分量选取(EEMDFK)与注意力机制的卷积神经网络(ACNN)相结合的识别方法。针对集合经验模态存在选取模态分量困难的情况,引用快速谱峭度图选择策略选取最优分量。通过集合经验模式分解从所采集的不同状况下的刀具振动信号分解出故障信号特征;通过快速谱峭度图选择策略选取内在模函数并进行HHT时频分析,生成时频图;将时频图输入所设计的识别模型进行学习,通过注意力机制提高特征提取效率,并使保存的模型在测试集中对不同刀具磨损状态进行了识别。实验结果表明,该方法对刀具不同状态下的识别率可达99.7%,实现了不同磨损状态下刀具的智能识别,并具有较好的泛化能力和鲁棒性。 展开更多
关键词 刀具磨损 集合经验模式分解 快速谱峭度 深度学习 注意力机制
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部