找回密码
 注册
关于网站域名变更的通知
查看: 851|回复: 1
打印 上一主题 下一主题

[毕业设计] 基于改进经验小波变换的时频分析方法及其在滚动轴承故障诊断中的应用

[复制链接]

该用户从未签到

跳转到指定楼层
1#
发表于 2021-4-30 09:16 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式

EDA365欢迎您登录!

您需要 登录 才可以下载或查看,没有帐号?注册

x
5 o& `' C/ I( l' M- W1 q( g( S
摘要:经验小波变换是最近提出的非平稳信号分析方法,针对其不足,提出了一种改进的经验小波变换方法;同时结合瞬时频率新定义,提出了一种非平稳信号时频分析新方法.该方法首先通过改进的经验小波变换将一个复杂的非平稳信号自适应地分解为若干个具有紧支集频谱的内禀模态函数之和;再通过对每个内禀模态函数进行解调,得到原始信号的时频分布.将提出的方法应用于滚动轴承试验数据分析,并将其与希尔伯特黄变换进行了对比,结果表明,论文提出的方法能够有效地诊断滚动轴承故障,且诊断效果优于希尔伯特黄变换方法.5 C/ {6 t  z2 ~9 `6 J2 R

% }- {; C: D& w3 g" e9 Z/ B1 ]1 Z; L
' ]9 m) O* B6 U+ O8 G关键词:时频分析;希尔伯特变换;经验小波变换;滚动轴承;故障诊断
% m' o" _+ S' e) e9 u5 {  u8 L+ `; O( P* T% s/ c6 a9 b
        滚动轴承是旋转机械设备的关键部件,也是最容易发生故障的部件.由于滚动轴承故障振动信号大部分是非线性和非平稳信号,时频分析方法,如小波变换,经验模态分解(Empirical Mode Decomposition, EMD)及在其基础上发展的局部均值分解(Local Mean Decompo-sition ,LMD)和局部特征尺度分解(Local Characteristic-scale Decomposition ,LCD)等,由于能够同时提供振动信号时域和频域的局部信息而在滚动轴承故障诊断中得到了广泛应用.
& M3 Q9 h8 I# D' O; }
& k# g2 N% N) m: N; e( Q  C4 N3 D' Z% C# {0 k( L' A% E; U
0 B2 x- _. m1 y2 ~* u" t
游客,如果您要查看本帖隐藏内容请回复

  {- @: X; r. @% ~, a! ?4 C
( }+ c4 C# P- c8 y5 x  `
  • TA的每日心情
    开心
    2023-1-3 15:10
  • 签到天数: 2 天

    [LV.1]初来乍到

    2#
    发表于 2021-4-30 11:07 | 只看该作者
    滚动轴承是旋转机械设备的关键部件,也是最容易发生故障的部件
    您需要登录后才可以回帖 登录 | 注册

    本版积分规则

    关闭

    推荐内容上一条 /1 下一条

    EDA365公众号

    关于我们|手机版|EDA365电子论坛网 ( 粤ICP备18020198号-1 )

    GMT+8, 2025-7-22 07:44 , Processed in 0.109375 second(s), 26 queries , Gzip On.

    深圳市墨知创新科技有限公司

    地址:深圳市南山区科技生态园2栋A座805 电话:19926409050

    快速回复 返回顶部 返回列表