共查询到20条相似文献，搜索用时 26 毫秒
1.
轴承作为电动机的核心部件,主要起到支撑引导轴、减小设备摩擦、连接不同设备等作用,准确判断其故障类型并评估其健康状态对于合理安排设备的检修具有重大意义。为此,设计了一套基于LabVIEW平台的电动机轴承实时故障诊断和性能退化评估系统。利用卷积神经网络(CNN)的特征挖掘能力,自主学习原始振动信号中的故障特征,在LabVIEW平台上构建故障诊断模型,实现轴承运行状态的实时诊断;对原始振动信号小波降噪后,提取信号时域特征,通过对所提取的特征进行主元分析(PCA)来获取表征轴承性能退化的综合指标;在LabVIEW平台上开发电动机轴承的故障诊断与性能退化评估系统软件。在线故障诊断和性能评估实验结果验证了该系统的实时性和有效性。 相似文献
2.
轴承作为工业中旋转机械中的重要部件,其故障将严重影响机械设备的安全运行.为了实现对轴承运行故障状态的有效诊断,提出了一种基于经验模态分解(empirical mode decomposition,EMD)提取的多特征参数的关联向量机的(Relevance vector machine,RVM)的滚动轴承的多故障诊断模型.首先运用经验模态分解的方法将轴承振动信号分解为多个固有的模态分量,之后将提取的表征轴承故障特征的IMF分量的能量、峭度、偏度构造特征向量,最后采用关联向量机多分类故障诊断模型进行故障模式识别.轴承实测振动信号分析表明:该方法能够有效、准确地诊断出轴承的故障状态,具有较高故障诊断准确率. 相似文献
3.
《东南大学学报》2021,(1)
为了有效提取轴承的故障特征,避免轴承损伤引起的冲击成分受到离散频率分量和背景噪声的干扰,提出了一种基于倒谱编辑信号预白化和辛几何模态分解数量规律的轴承故障特征提取方法.首先,对原始信号进行倒谱预白化来增强轴承故障的冲击特性,去除复杂振动信号中的周期性频率成分,产生只包含背景噪声和损伤引起的非平稳冲击成分的白化信号.其次,发现了辛几何模态分解中哈密顿矩阵的有效特征值数目与信号中的频率个数成2倍的数量规律,并通过仿真和理论推导验证了该数量规律.最后,构造预白化信号的轨迹矩阵,进行辛几何模态分解,根据发现的数量规律,选择相应的特征向量重构信号,进行希尔伯特包络谱分析,并提取故障特征.通过仿真分析和应用实例证明,所提方法可以清晰地提取轴承的故障特征. 相似文献
4.
《东南大学学报》2021,(1)
针对傅里叶分解对噪声敏感且存在模态混叠导致无法准确提取齿轮箱故障特征的问题,提出了一种复合字典降噪与优化傅里叶分解相结合的齿轮箱故障特征提取方法.首先,根据齿轮箱信号特点构造复合字典,结合正交匹配追踪算法降低振动信号中的噪声;其次,针对傅里叶分解过程中的模态混叠现象,提出了利用频谱的极值点划分频带的方法对其进行优化,提高分解质量;再次,使用优化的傅里叶分解将信号分解为若干个傅里叶本征模态分量;最后,选择与降噪后信号相关系数最大的傅里叶本征模态分量进行包络谱分析.该方法可以准确提取振动信号的故障特征频率.通过对齿轮箱故障仿真信号和实验齿轮箱振动信号进行分析,验证了该方法的有效性. 相似文献
5.
6.
针对目前锂离子电池RUL的预测中用来表达退化特征的健康因子(HI)存在信息不足的缺陷,提出一种锂离子电池RUL预测模型.首先提取出多个可以反映电池退化特征的参数;其次用主成分分析法(PCA)对提取的多个参数进行去冗余降维并充分包含退化信息;再引入集合经验模态分解(EEMD),对HI进行多尺度分解;最后基于长短期记忆网络... 相似文献
7.
提出了一种基于希尔伯特—黄变换的航空发动机转子故障特征自动提取方法,该方法利用经验模态分解得到转子故障信号的各模态分量,结合故障频率特征,直接从各模态分量中提取反映转子故障特征的特征向量。建立基于结构自适应神经网络方法的转子故障智能诊断模型,利用实验数据进行了实验验证,结果表明本方法在转子故障智能诊断方面取得了较好的效果。 相似文献
8.
静电监测技术以其优越的早期故障发现能力为航空发动机主轴轴承的状态监测提供了一种有效手段,但是单一特征参数对轴承全寿命状态反应存在不一致或不灵敏,针对这一问题,提出一种基于支持向量描述（SVDD）的静电监测多特征参数融合评估方法。首先通过主元分析将高维数据进行简化处理,实现数据从高维到低维的转化,然后建立正常状态的支持向量描述基准模型,以测试数据与基准模型的距离作为反映轴承性能退化的量化指标,并与振动监测进行了对比。实验表明,所提方法能够更有效反映轴承性能退化状态的变化。 相似文献
9.
经验模态分解(EMD)广泛应用在故障分析过程中,特征提取时从状态信息中提取与机械设备故障有关的信息［1］。针对经验模态分解受噪声影响较大的问题,提出多分辨奇异值分解的方法,可以先利用多分辨奇异值分解将信号分成具有不同分辨率的近似信号和细节信号实现信号降噪,再进行经验模态分解,并计算其Hilbert边际谱得到准确的特征频率。实验通过仿真信号和滚动轴承故障特征提取,证明了多分辨奇异值分解（MRSVD-EMD）方法在滚动轴承故障诊断中能有效去除信号中的噪声成分,提取故障特征频率。 相似文献
10.
针对傅里叶分解对噪声敏感且存在模态混叠导致无法准确提取齿轮箱故障特征的问题,提出了一种复合字典降噪与优化傅里叶分解相结合的齿轮箱故障特征提取方法.首先,根据齿轮箱信号特点构造复合字典,结合正交匹配追踪算法降低振动信号中的噪声;其次,针对傅里叶分解过程中的模态混叠现象,提出了利用频谱的极值点划分频带的方法对其进行优化,提... 相似文献
11.
为解决心跳信号易被呼吸谐波和其他噪声干扰而难以提取的问题,提出一种结合遗传算法(GA)和反向传播(BP)神经网络的聚类经验模态分解体征提取模型.首先,采用动目标检测法滤除超宽带(UWB)雷达所接收回波信号中的静止杂波;然后利用距离门选择方法提取出体表振动信号,对其进行聚类经验模态分解得到固有模态函数分量;最后通过GA-... 相似文献
12.
针对运动想象脑电特征的提取与识别,提出了一种采用经验模态分解(EMD)提取脑电信号能量特征与幅值特征的分类识别方法。首先用时间窗对脑电信号进行细分;然后利用EMD方法对细分后的数据进行分解,取前三阶的固有模态函数分量(IMF),提取能量和平均幅值差作为特征向量;最后,使用支持向量机对左右手运动想象进行分类识别。多次仿真试验数据表明,分类准确度达到88.57%,证明了该方法有效、适用。 相似文献
13.
为了提高数字水印的鲁棒性和抗攻击能力,提出了一种基于Contourlet变换的新型数字水印算法.该方法从水印预处理和嵌入方式2个方面入手,用Arnold置乱来预处理水印数据,通过对载体图像进行奇异值分解(SVD)处理来寻找最合适的嵌入位置. 载体图像经过Contourlet变换后,对中频子带进行SVD分解以得到SVD数值,将Arnold置乱后的水印分散嵌入到中频子带的SVD参数中,再经过Contourlet反变换得到嵌入水印后的载体图像. 在提取端,Contourlet水印的提取采用半盲检测提取方法. 仿真结果表明,与传统Contourlet算法和结合SVD的Contourlet算法相比,所提出的算法具有更好的隐藏性能和鲁棒性. 同时,在保证安全性能的基础上,当嵌入的水印受到高斯噪声、椒盐噪声、图像扩展、图像剪裁等攻击时,所提算法具有良好的鲁棒性能. 相似文献
14.
樱桃的可溶性固形物含量(SSC)和含水率是衡量其品质的重要指标。鉴于传统的检测方法均为破坏性生化检测,文章以山海关樱桃样品为研究对象,提出一种基于近红外光谱信息融合的樱桃SSC和含水率无损检测方法。该方法首先利用变分模式分解(VMD)对近红外反射光谱进行多模态分解,得到各个固有模态(IMF)并分别求解各IMF层与SSC及含水率之间的相关系数,相关系数值越大说明对应的IMF层越适合特征提取;然后再进一步采用SiPLS波长筛选方法提取IMF层光谱的最佳波段,利用奇异值分解(SVD)求得奇异熵,建立多元逐步回归(MSR)预测模型(简称VMD-SVD-MSR模型)。为了验证该模型的有效性,引入连续投影算法和竞争性自适应重加权等变量优选方法进行特征波段筛选,输入多元逐步回归预测模型进行比较,结果表明,VMD-SVD-MSR模型通过一次光谱提取,能够同时实现樱桃的SSC和含水率的无损检测且预测能力较强。 相似文献
15.
直接邻域保护嵌入算法(DNPE)是一种以克服小样本问题而提出的NPE扩展算法,该算法通过同时对角化的方法求解邻域保护嵌入问题,避免矩阵的奇异性.在人脸数据库ORL上的测试结果表明,该算法的识别率比PCA,PCA+LDA,NPE高. 相似文献
16.
目的：以中国某型Bo-Bo高速机车为研究对象,分析四种典型的抗蛇行减振器布置方式及横向安装角对机车横向动力学性能和参数匹配关系的影响,并解释其作用机理。创新点：1.通过多目标优化方法来同时优化机车低锥度和高锥度横向稳定性,获得四种抗蛇行减振器布置方式下机车最优横向动力学性能及横向安装角的不同选取原则;2.当抗蛇行减振器横向安装角存在时,引入抗蛇行减振器附加作用力和作用力矩,结合车体横向和摇头模态相位差来解释抗蛇行减振器布置方式对机车蛇行稳定性和车体前后横向平稳性差异的影响机理。方法：1.基于搭建的MATLAB/SIMPACK联合仿真平台,采用多目标优化方法得到机车最优横向动力学性能及对应悬挂参数分布结果（图4和5）;2.通过拉丁超立方采样对机车直线运行性能和曲线通过性能评价指标进行蒙特卡洛仿真,并采用基于径向基函数的高维模型表示的敏感性分析方法对关键悬挂参数进行全局敏感性分析（图6）;3.采用根轨迹法分析不同抗蛇行减振器布置方式下横向安装角对机车蛇行稳定性影响规律,并提取蛇行模态中对应的车体横移和摇头模态相位差（图8和9）。结论：1.抗蛇行减振器的布置方式对机车横向稳定性和平稳性具有显... 相似文献
17.
针对滚动轴承早期故障信号微弱、背景噪声强、故障特征难以提取的特点,提出一种基于包络谱灰色关联度改进的经验模态分解（Empirical Mode Decomposition,EMD）特征提取方法。首先,用EMD将原始振动信号分解成若干本征模函数（intrinsic mode function,IMF）分量,计算原始信号及分解后各阶IMF分量的包络谱;然后,用灰色关联度分析计算原始信号包络谱与IMF分量包络谱之间的关联度,以包络谱关联度大小筛选IMF分量进行加权;最后,对加权的IMF分量计算能量、峭度、偏度形成特征集,通过主元分析(Principal Component Analysis,PCA)降维后输入概率神经网络（Probabilistic Neural Network,PNN）进行故障状态识别。该方法利用包络谱灰色关联度有针对性地筛选出对故障特征敏感的IMF分量,相比于单纯利用线性关系大小筛选IMF分量的相关性分析更具针对性。对滚动轴承4种故障状态早期故障信号进行识别,准确率为97.5%,表明该方法是有效的。 相似文献
18.
《濮阳职业技术学院学报》2015,(4)
针对Wigner-Ville分布(WVD)存在交叉项干扰的问题,采用基于经验模态分解(EMD)的WVD交叉项抑制方法,将齿轮故障信号分解为各阶固有模态函数,剔除伪分量后计算其各阶WVD,将WVD计算结果线性叠加就得到原始故障信号的WVD时频分布。仿真和实验结果表明,该方法结合EMD和WVD的优点,有效抑制WVD交叉项的干扰,保证其时频分布聚集性,达到诊断齿轮故障的目的。 相似文献
19.
目的：齿轮箱的振动信号频谱结构比较复杂,难以提取其故障特征频率。傅里叶分解方法可以将振动信号分解为多个单分量信号,利用共振频率筛选出最优分量并进行包络解调,识别特征频率以实现故障诊断。创新点：1.为了求解共振频率,提出一种基于短时向量的最大奇异值比方法;2.将傅里叶分解方法引入到齿轮箱故障诊断中,并利用共振频率选择最优分量进行包络解调以提取故障特征频率。方法：1.分析奇异值比与冲击信号的关系,提出求解共振频率的最大奇异值比方法;2.对比最大奇异值比方法与谱峭度方法在求解共振频率方面的表现,从而验证最大奇异值比方法的有效性;3.对比分析所提方法与传统的总体经验模态分解（EEMD）和变分模态分解（VMD）方法在信号分解与故障特征提取方面的效果,并通过仿真和实验进行验证。结论：1.最大奇异值比方法能够准确计算出共振频率,比谱峭度方法求解的频率值更加精确;2.基于傅里叶分解方法和最大奇异值比的共振解调方法能够有效提取故障特征频率,其在故障诊断方面的表现优于EEMD和VMD方法。 相似文献
20.
《实验室研究与探索》2017,(3):26-30
为提高音频水印的鲁棒性,设计了一种基于LWT-DCT-QR混合域的水印嵌入方法,充分发挥提升小波变换运算速度快、离散余弦变换抗干扰能力强以及QR分解数值稳定性好的特点,并通过Logistic混沌序列进行加密,从而实现水印图像的嵌入与提取。通过噪声、采样、滤波、剪切、压缩等攻击对水印的安全性、不可感知性以及鲁棒性进行了仿真与测试,并利用水印信号的相关系数(NC)和信噪比(SNR)进行分析评定。测试结果表明,所提出的水印算法具有较强的抗攻击能力,与相关文献相比具有一定的优越性。 相似文献