首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到10条相似文献,搜索用时 15 毫秒
1.
为了解决高速列车轴承早期故障中低频信号的类间分离性较弱、保持架故障难以识别等的问题,提出了基于Teager能量算子(Teager energy operator,TEO)聚合经验模态分解(ensemble empirical mode decomposition,EEMD)熵的自适应诊断方法.该方法将EEMD、样本熵、TEO相结合,利用EEMD的自适应性得到固有模态(intrinic mode function,IMF)信号,用改进的TEO从IMF中提取得到样本熵,使用支持向量机(support vector machine,SVM)判断轴承工作状态与故障类型;讨论了EEMD能量熵、EEMD奇异值熵、EEMD-TEO时频熵生成的故障特征向量以及该向量在SVM中识别结果;对正常轴承、保持架故障、滚动体故障3种状态的轴承样本数据进行了故障诊断.研究结果表明:对3种轴承的故障识别率可以达到98%,较传统的经验模态熵识别率提高了2.6%,该方法可用作高速列车轴承状态诊断.  相似文献   

2.
提出了基于互补集合经验模态分解(CEEMD)结合快速谱峭度图的滚动轴承故障诊断方法(CEEMD-FSK).将轴箱加速度振动信号分解成多个本征模态函数(Intrinsic Mode Function,IMF),通过快速谱峭度图和互相关系数,选取出关键IMF信号进行原信号重构.对重构信号带通滤波后进行改进型的共振解调处理,通过平方包络谱进行轴箱轴承故障诊断.将该方法应用到地铁轴箱轴承的实际故障预测和诊断中,并结合后期轴箱轴承拆装和检测,结果表明了该方法的有效性和准确性.  相似文献   

3.
为消除复杂传递路径对轴承滚动体振动信号的影响并提高故障特征提取的能力,研究了基于变分模态分解(VMD)、优化最大相关峭度解卷积(MCKD)和1.5维谱的轴承滚动体故障特征提取问题;分析了轴承滚动体原始振动信号特点、早期故障信号的特性以及复杂传递路径对振动信号的影响,运用VMD将原始振动信号分解为一系列本征模态函数(IMFs),提出了转频分量剔除方法,通过峭度准则优选2个峭度较大的IMFs分量进行重构;基于网格搜索法研究了MCKD算法参数优化方法,用以增强重构信号的周期性故障特征,消除复杂传递路径对轴承滚动体故障信号的影响;利用1.5维谱分析重构信号,建立了复杂传递路径下轴承滚动体故障特征提取新方法,实现了轴承滚动体故障的准确诊断;为了证明方法的有效性,选取美国凯斯西储大学轴承SKF6205基座滚动体数据进行试验验证与分析。试验结果表明:网格搜索法获得了MCKD算法的最优滤波长度与冲击周期参数(365、85),优化MCKD算法增强了重构信号的故障特征,减少了无关频率分量,明显降低了其他成分的干扰;提出的故障特征提取方法在0、735和1 470 W负载条件下均提取到了轴承滚动体的故障特征频...  相似文献   

4.
滚动轴承是很多大型旋转机械的核心部件,其故障诊断的研究对保障旋转机械运行稳定性具有重要的意义。经验模态分解方法对分析非线性不稳定的滚动轴承故障信号具有独到的优势。然而,经验模态分解固有的端点效应问题往往会导致较大的故障特征提取误差,影响故障诊断的准确性。针对上述问题,本文提出基于无失真端点极值化的经验模态分解(UEE-EMD)的滚动轴承故障诊断方法,UEE-EMD通过交叉取样策略和端点极值化策略从源头上抑制端点效应的产生,利用本征模函数截头去尾从结果上屏蔽端点效应,保证了滚动轴承故障特征提取的准确性。故障诊断仿真实验表明,基于UEE-EMD的滚动轴承故障诊断取得了更好的诊断效果。  相似文献   

5.
提出了一种基于聚合经验模态分解(ensemble empirieal mode decomposition,EEMD)和小波包的机车轴箱轴承故障诊断方法.首先对轴承振动信号进行小波包分解,分别对小波包分解得到的小波包系数进行阈值去噪处理,将降噪后剩余的小波包系数进行信号重构.然后再对重构后的信号进行EEMD,计算EEMD分解得到的IMF分量和原信号的互相关系数,最后对满足相关条件的IMF分量进行故障诊断分析.为了验证该方法的正确性,搭建了轴承试验平台,通过对轴承实测数据进行故障诊断分析,实验证明该组合诊断方法能克服单一信号处理方法的局限性并能初步诊断出轴承发生的故障.  相似文献   

6.
变压器内部局放声音信号包含了设备故障特征信息,但是局放声音信号的非线性、非平稳性使得故障特征难以提取,因此现有基于声音信号识别变压器内部故障识别率低.为此,提出模拟退火优化变分模态分解—样本熵的特征提取方法,并与支持向量机结合进行变压器内部局放故障诊断.首先,基于模拟退火算法实现变分模态分解(variational mode decomposition, VMD)的参数寻优;然后,采用最优参数设定VMD并对故障声音信号进行分解,得到包含故障特征的本征模态函数,进而求取各本征模态函数的样本熵作为对应样本的特征向量;最后,利用支持向量机实现特征向量的识别与分类.模拟实验结果表明,所提出的方法可以有效提取局放故障声音信号的特征,具有较好的故障识别率.  相似文献   

7.
为抑制单独使用Cohen类进行时-频变换时出现的交叉项,利用经验模态分解法将信号从频域上分离为若干个内禀模态函数之和,将分解后的信号分别进行Cohen类分布的时-频变换,得到信号的时-频分布.对3种不同类型的仿真信号进行计算,并将其时-频分布与直接对信号作Wigner-Ville分布、Cohen类时-频分布(以广义指数核为例)进行比较.结果表明,此方法能够抑制由二次分布所产生的交叉项,得到的结果更加接近理想时-频分布.  相似文献   

8.
信号预处理对桥梁颤振导数识别结果影响分析   总被引:2,自引:0,他引:2  
采用经验模态分解(EMD)对桥梁颤振导数识别信号进行预处理,分离其固有模态函数,消除其中的高频噪声和低频非平稳趋势项;分析了不同阻尼自由振动信号的信噪比与信号长度的关系;研究了苏通大桥主梁节段模型颤振导数对信号长度和消除信号均值、高频噪声、低频趋势项的敏感性.结果表明,借助EMD剔除信号中高频噪声和低频趋势项可以提高桥梁颤振导数的识别精度;颤振导数识别结果与是否消除信号均值和信号长度都有不可忽略的关系.  相似文献   

9.
提出了高斯-经验模态分解(Gauss-EMD)算法,在固有模态函数筛选过程中,用高斯径向基函数插值极值包络线,并将该算法应用于DNA序列的相似性分析当中.这个方法可以简单直观地通过分析DNA序列的余量来分析序列的相似性,通过四个物种线粒体DNA序列实例验证了新算法相较于经典的经验模态分解算法更适用于DNA序列的局部相似性分析.  相似文献   

10.
针对大型机械设备中滚动轴承容易发生故障的问题,提出一种将自适应噪声的完备经验模态分解(CEEMDAN)和灰度关联分析相结合的滚动轴承性能退化评估方法。首先利用CEEMDAN对轴承全寿命周期的振动信号进行分解,得到能量熵特征,其次以正常状态下的特征矢量作为灰度关联分析的参考序列,然后计算轴承全寿命周期内的特征矢量与正常特征矢量的关联度,作为性能退化过程的定量评估指标,结果表明该方法能及时发现早期故障,并能很好的描述轴承退化的各个阶段。最后利用基于CEEMDAN和Hilbert包络解调的方法对评估结果的正确性进行了验证。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号