期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
广义瞬时速度同步化分步解调变换及其对旋转机械振动信号分析 被引量:10
1
作者 石娟娟 花泽晖 +4 位作者 沈长青 江星星 冯毅雄 朱忠奎 孔林 《振动与冲击》 EI CSCD 北大核心 2021年第24期1-11,21,共12页
针对当前基于广义解调(generalized demodulation,GD)的方法对旋转机械振动信号处理的不足,提出了广义瞬时速度同步化分步解调变换。对信号进行短时截取,引入倾斜角对瞬时频率(instantaneous frequency,IF)进行描述,并采用峭度实现对倾... 针对当前基于广义解调(generalized demodulation,GD)的方法对旋转机械振动信号处理的不足,提出了广义瞬时速度同步化分步解调变换。对信号进行短时截取,引入倾斜角对瞬时频率(instantaneous frequency,IF)进行描述,并采用峭度实现对倾斜角的自适应选取,从而获取该段信号的瞬时频率;而后推导前、后向解调因子对信号进行解调,避免了对瞬时频率进行预估计的同时提升了信号的时频可读性;进一步,针对多分量信号,通过对解调因子进行扩展,获取新的线性变换基函数,使所提方法在无需迭代下可同步增强多分量信号的时频表示;最后,对所提变换的信号重构进行了理论推导,证明了重构的可行性。通过仿真和旋转机械振动信号验证了所提方法在增强时频表示和提高特征提取准确性方面的有效性,与其他时频分析方法的对比也进一步体现了所提方法的优越性。 展开更多
关键词 故障诊断 广义解调(GD) 时频分析 故障特征提取 变转速
下载PDF
时频短时集中变换方法在变工况轴承脊线提取中的应用
2
作者 蒋逸心 周俊 +2 位作者 伍星 刘韬 刘畅 《振动与冲击》 EI CSCD 北大核心 2024年第13期106-114,133,共10页
时变转速工况下的轴承故障诊断分析方法大多是基于主轴转速的阶次跟踪方法,但由于设计、成本等原因,转速计广泛应用受限。而基于时频脊线提取的阶次分析不依赖转速计可直接进行分析,但目前脊线提取存在提取精度较差以及提取流程效率较... 时变转速工况下的轴承故障诊断分析方法大多是基于主轴转速的阶次跟踪方法,但由于设计、成本等原因,转速计广泛应用受限。而基于时频脊线提取的阶次分析不依赖转速计可直接进行分析,但目前脊线提取存在提取精度较差以及提取流程效率较低等问题。据此,提出一种应用于脊线提取的短时集中变换(short-term concentrated transform, STCT)方法,首先通过一个遍历时频矩阵的向量处理时频矩阵内的数据以提高时频分辨率;其次使用新的脊线提取流程,在几乎不增加计算成本的前提下更高效、准确地完成时频脊线提取;最后通过仿真和实测信号验证该方法及流程的准确性,通过与其他时频方法的比较进一步说明所提方法的优越性,最终实现轴承时变转速工况下的故障诊断。 展开更多
关键词 故障诊断 时变转速工况 时频分析 脊线提取
下载PDF
时变转速下基于IFMD的行星齿轮箱微弱故障诊断
3
作者 王朝阁 张奇奇 +3 位作者 周福娜 王冉 胡雄 李宏坤 《振动工程学报》 EI CSCD 北大核心 2024年第11期1980-1992,共13页
针对强背景噪声干扰且变转速下行星齿轮箱早期微弱故障特征难以被有效识别的问题,提出一种改进特征模态分解(Improved Feature Mode Decomposition,IFMD)的时变工况行星齿轮箱微弱故障诊断方法。对于特征模态分解算法中的关键输入参数... 针对强背景噪声干扰且变转速下行星齿轮箱早期微弱故障特征难以被有效识别的问题,提出一种改进特征模态分解(Improved Feature Mode Decomposition,IFMD)的时变工况行星齿轮箱微弱故障诊断方法。对于特征模态分解算法中的关键输入参数分解模态个数n、滤波器个数K和滤波器长度L需要依靠人为经验反复尝试而不具有自适应的问题,提出通过尺度空间谱划分来确定所需分解模态个数n;在此基础上,以谱基尼指数(Spectral Gini Index,SGI)作为目标函数,采用粒子群算法自动确定最佳的滤波器个数K和滤波器长度L。最优输入参数组合下,采用IFMD对故障信号进行最佳模态分解,并选取SGI值最大的分量作为敏感模态。从敏感分量的包络阶次谱中提取显著故障特征阶次来准确判别故障类型。通过变转速仿真信号和工程实验数据分析表明,相比PSO-VMD方法、MED方法、SGMD方法和快速谱峭度方法,所提方法能够更加清晰、全面地提取微弱故障信息,提高了时变工况下行星齿轮箱早期故障特征的表征能力和诊断精度。 展开更多
关键词 故障诊断 行星齿轮箱 时变转速工况 特征模态分解 微弱故障
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部