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
共找到4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：
基于改进经验小波变换的高压电缆局部放电噪声抑制研究 被引量：13
1
作者 马星河 张登奎 《电工技术学报》 EI CSCD 北大核心 2021年第S01期353-361,共9页
对高压电缆的局部放电(PD)进行监测,并对其所包含的噪声信息进行抑制,是一种有效的绝缘评估方法。针对PD信号所包含的复杂噪声信息,提出一种基于改进经验小波变换(IEWT)的噪声抑制方法。该方法以IEWT分解为核心,通过将含噪信号分解为按... 对高压电缆的局部放电(PD)进行监测,并对其所包含的噪声信息进行抑制,是一种有效的绝缘评估方法。针对PD信号所包含的复杂噪声信息,提出一种基于改进经验小波变换(IEWT)的噪声抑制方法。该方法以IEWT分解为核心,通过将含噪信号分解为按频率顺序排列的经验小波函数(EWF),有效避免复杂噪声信号分解时的模态混叠现象。利用峭度规则对分解得到的EWF进行筛选,最后对筛选出的有用EWF进行重构和降噪处理,达到对复杂含噪信号的噪声抑制效果。模拟仿真以及现场测试表明,与现有基于EWT和基于EMD的降噪方法进行对比,该文所提方法可更有效地抑制PD信号所包含的噪声信息。 展开更多
关键词 高压电缆 局部放电 噪声抑制 改进经验小波变换 峭度 改进阈值
下载PDF
基于SWT与IEWT的齿轮无转速计阶次跟踪
2
作者 刘奇 田辈辈 +2 位作者 冷军发 罗晨旭 荆双喜 《机械设计与研究》 CSCD 北大核心 2024年第2期151-157,共7页
针对变转速工况下,多级齿轮传动低速级齿轮故障信号易受背景噪声干扰,导致频谱特征模糊,微弱故障特征难以提取的问题,提出一种基于同步压缩小波变换(Synchrosqueezing Wavelet Transform, SWT)与改进经验小波变换(Improved Empirical Wa... 针对变转速工况下,多级齿轮传动低速级齿轮故障信号易受背景噪声干扰,导致频谱特征模糊,微弱故障特征难以提取的问题,提出一种基于同步压缩小波变换(Synchrosqueezing Wavelet Transform, SWT)与改进经验小波变换(Improved Empirical Wavelet Transform, IEWT)相结合的齿轮无转速计阶次跟踪方法。首先为提高无转速计阶次跟踪瞬时频率估计精度,设计连续小波变换-椭圆时变滤波器(Continue Wavelet Transform-Elliptic Time-Varying Filtering, CWT-ETVF)对齿轮振动信号滤波降噪,依据滤波所得单分量的SWT时频分布进行峰值搜索,以实现高精度的瞬时频率估计,然后对时变故障信号等角度重采样获得角域平稳信号。针对EWT方法频谱分割不合理的问题,提出一种依据频谱包络趋势进行边界划分的改进经验小波变换方法对角域平稳信号自适应分解。最后选择合适分量自相关去噪,并通过阶次解调分析识别故障特征。仿真及实测局部断齿数据分析表明,该方法可以准确提取变转速齿轮时变微弱故障特征。 展开更多
关键词 齿轮 同步压缩小波变换 改进经验小波变换 阶次跟踪 故障特征提取
原文传递
基于IEWT和IFractalNet的滚动轴承故障诊断 被引量：4
3
作者 杜小磊 陈志刚 +1 位作者 王衍学 张楠 《振动与冲击》 EI CSCD 北大核心 2020年第24期134-142,共9页
针对传统滚动轴承故障诊断方法易受噪声干扰,过度依赖专家经验等问题,提出了一种基于改进经验小波变换(IEWT)和改进分形网络(IFractalNet)的诊断方法。改进经验小波变换Fourier谱的分割方式,将轴承原始振动信号自适应分解为若干本征模... 针对传统滚动轴承故障诊断方法易受噪声干扰,过度依赖专家经验等问题,提出了一种基于改进经验小波变换(IEWT)和改进分形网络(IFractalNet)的诊断方法。改进经验小波变换Fourier谱的分割方式,将轴承原始振动信号自适应分解为若干本征模态分量,并利用基于峭度、相关系数、能量比的综合评价指标筛选出最能反映信号故障特征的本征模态分量(imfs);针对样本集不平衡问题改进分形网络的损失函数和激活函数;将筛选到的imfs重构并输入IFractalNet进行自动特征提取与故障识别。实验结果表明:提出方法能够有效地对滚动轴承进行多种故障类型和多种故障程度的识别,避免了复杂的人工特征提取过程,相较于其他方法具有更高的泛化能力、特征提取能力和故障识别能力。 展开更多
关键词 滚动轴承 改进经验小波变换(iewt) 改进分形网络(IFractalNet) 故障诊断
下载PDF
基于改进经验小波变换的桥梁模态参数识别 被引量：1
4
作者 秦世强 唐剑 冯嘉诚 《公路交通科技》 CAS CSCD 北大核心 2022年第12期94-105,共12页
针对经验小波变换(EWT)傅里叶谱划分易受高强噪声和调制边频带的影响,传统方法划分的频带不准确等问题,提出一种改进经验小波变换(IEWT)并将其用于桥梁结构模态参数识别。首先,利用振动信号的傅里叶谱进行了经验小波变换;去除分解后的... 针对经验小波变换(EWT)傅里叶谱划分易受高强噪声和调制边频带的影响,传统方法划分的频带不准确等问题,提出一种改进经验小波变换(IEWT)并将其用于桥梁结构模态参数识别。首先,利用振动信号的傅里叶谱进行了经验小波变换;去除分解后的高频分量,将剩余分量重构获得EWT趋势谱;然后,将EWT趋势谱代替傅里叶谱来进行频谱分割,以频谱分割得到的频率边界构造经验小波滤波器组对信号进行了经验小波变换,并对经验小波变换获得的单分量信号使用同步提取变换(SET)做去噪处理;最后,结合随机减量技术(RDT)和希尔伯特(Hilbert)变换识别桥梁结构模态参数,即频率、阻尼比和振型。分别以两个典型的仿真信号和实际工程案例对所提方法进行了验证,并且在桥梁加速度响应加入噪声验证该模态参数识别方法在低信噪比下的性能;仿真信号频谱分割和实桥模态参数识别。结果表明:相较于傅里叶谱,基于EWT趋势谱的频谱划分方法能更加精准地确定经验小波变换所需要的频谱边界,避免噪声和边频带的干扰,提高频谱划分精度;引入的同步提取变换能够去除单分量信号中的噪声,消除噪声对模态参数识别的影响;所提改进经验小波变换结合SET去噪、RDT和Hilbert变换能准确识别桥梁结构模态参数,且在低信噪比条件下鲁棒性好。 展开更多
关键词 桥梁工程 模态参数识别 改进经验小波变换 响应信号 同步提取变换 HILBERT变换
原文传递
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
使用帮助 返回顶部