最小熵解卷积相关论文
为有效提取轴承的微弱故障特征,提出一种基于无偏自相关分析的增强最小熵解卷积方法。该方法的滤波器系数的迭代求解中,通过抑制滤波......
针对在强噪声背景下难以识别齿轮箱早期故障以及复合故障的问题,提出了一种改进辛几何模态分解(Improved symplectic geometry mod......
解卷积方法已广泛应用于振动信号的故障冲击提取.然而设备运行工况复杂多变、故障特征周期难以准确预知以及随机冲击干扰,使得当前......
期刊
最小熵解卷积是一种信号滤波处理方法,可以增强实测振动信号中故障冲击成分,降低传递路径等因素干扰噪声影响,有利于设备故障早期......
针对高噪声条件下,联合平方包络谱(combined squared envelope spectrum,简称CSES)方法容易受频带内噪声和其他频带特征的干扰,导......
针对某型行星变速箱齿轮齿根裂纹类轻微故障的动态响应特征较弱,难以有效反映变速箱故障状态的问题,提出了基于最小熵解卷积的谱峭......
针对复杂工况下行星齿轮箱的故障信息难以量化衡量的问题,提出了基于谐波有效指数(HEI)量化故障信息的行星齿轮箱故障诊断方法。首......
滚动轴承作为旋转机械中应用最为广泛的关键零部件之一,由于其常工作于高速、高温、重载的恶劣环境,导致其成为机械设备中最容易损......
1.5维谱因具有抗高斯白噪声的优异性能而被广泛应用于故障诊断领域,能量算子解调与1.5维谱相结合形成的1.5维能量谱用于轴承故障诊......
工业4.0的到来不仅要求机械设备更加智能化,也对机械设备的可靠性有了更高的要求。本文以机械设备运行状态信息为基础,以信号处理......
针对滚动轴承故障诊断中声信号信噪比较低、特征提取困难的问题,提出多重降噪轴承故障特征提取方法。该方法首先用最小熵解卷积对......
针对强背景噪声下的滚动轴承故障振动信号,提出了固有时间尺度分解(ITD)和最小熵解卷积(MED)相结合的故障特征提取方法。首先对信号进......
采用局域均值分解(LMD)提取强噪声背景下的滚动轴承的故障特征效果并不理想,针对该问题,将多点优化最小熵解卷积(MOMEDA)与局域均......
为了准确地进行齿轮故障诊断,结合变分模态分解和最小熵解卷积,给出了一种新的故障诊断方法;首先,以包含啮合频率的分量的包络峭度......
针对滚动轴承故障诊断问题,提出一种基于最小熵解卷积(Minimum entropy deconvolution,MED)和峭度准则形态滤波的滚动轴承故障诊断方......
针对滚动轴承故障识别困难这一问题,提出了基于最小熵解卷积和能量算子的诊断方法。首先利用最小熵解卷积算法对原始振动信号进行......
齿轮箱发生早期故障时,其振动信号一般很微弱,且隐含的能反应出齿轮箱运转状态的冲击成分常被淹没在强烈的噪声中,直接做频谱分析......
变速器轴承故障是变速器疲劳失效中的重要因素,其直接影响到车辆驾驶感受和行车安全。因此,对轴承故障诊断显得尤为重要,考虑到共......
介绍了最小熵解卷积( Minimum Entropy Deconvolution, MED)的原理和实现步骤,说明了参数选择方法。为有效抑制噪声,增强故障特征信息,提......
带式输送机传动滚筒轴承发生故障时,特别是早期故障,其振动信号中隐含的脉冲故障信息很微弱,且常被淹没在强烈的噪音中,直接做频谱......
针对强噪声背景下多个传感器对同一振动源同步采集多组数据的情况,提出一种基于最小熵解卷积和独立成分分析的联合降噪方法,并用于......
为准确进行滚动轴承的故障诊断,结合局部特征尺度分解(LCD)和最小熵解卷积(MED)给出了一种新的故障诊断方法。首先,对轴承振动信号进行......
滚动轴承的早期故障诊断对于设备预测和健康管理具有重要意义,然而受环境噪声、传递路径、信号衰减及源信号本身比较微弱的影响,滚......
针对单一的小波包能量特征难以实现滚动轴承故障准确诊断的局限性,提出了一种新的基于最小熵解卷积(Minimum Entropy Deconvolutio......
针对强噪声下轮对轴承弱故障特征难以提取,以及在实际信号检测中检测信号在故障点到检测点的传播路径中有变形和失真导致实际采集......
经验小波变换是一种小波框架下的自适应信号分解方法,对旋转机械的非线性、非平稳振动信号有很好的分解作用。针对传统经验小波变......
针对强噪声环境下旋转机械复合故障信号难于提取与分离的问题,提出了基于最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvo......
利用超声信号的时域信息,可以对焊点质量进行评价.白车身焊点超声检测的过程中,由于噪声信号的模糊作用,反映焊点质量的有用信息被......
针对最小解熵解卷积( Minimum entropy deconvolution, MED)算法易受强噪声和野值的影响,引出了最大相关峭度解卷积( Maximum correlat......
为减少随机噪声对滚动轴承故障检测的干扰,应用最小熵解卷积(MED)来抑制噪声、增强周期性冲击成分,从而提高固有时间尺度分解(ITD)......
针对强噪声环境下滚动轴承故障特征信息非常微弱且难以提取的问题,提出基于变分模态分解(Variational Mode Decomposition,VMD)和最小......
行星齿轮箱具有体积小、重量轻、传动比大、传动效率高等优点,是直升机及风电传动系统的关键部件。然而行星齿轮箱相比定轴传动齿......
柔性薄壁轴承安装到谐波减速器上时内外圈会受迫变形成椭圆,工作过程中会产生周期性的冲击信号,使得柔性薄壁轴承的故障特征信号提......
齿轮箱作为机械设备中必不可少的传递运动与动力的关键部件,广泛应用于现代工业各种大型、重型机械设备中,其工作和运行环境一般比......
频率加权能量算子(FWEO)能够通过对信号瞬时能量的追踪消除信号中的噪声分量,突出故障冲击分量,对于轴承信号的处理具有较强的抗干......
受环境噪声、传递路径、信号衰减以及源信号本身比较微弱的影响,滚动轴承早期微弱冲击性故障的信号特征难以提取。近年来,最小熵解......
针对滚动轴承故障信号强噪声背景和非线性等特点,为精确识别滚动轴承的故障特征频率,在最小熵解卷积和Teager能量算子解调基础上,......
期刊
风电机组发电机滚动轴承早期故障时,其机械振动信号包含复杂的信息成分,影响微弱故障信号的提取,导致故障识别非常困难。提出一种......
提出了基于最小熵解卷积(MED)和广义极大极小凹惩罚(GMCP)稀疏增强信号分解的滚动轴承故障诊断的方法。首先引入均方根误差(RMSE)......
针对噪声干扰状态下行星齿轮箱故障诊断中的齿轮故障特征提取,提出最小熵解卷积与谱峭度结合(Spectral Kurtosis Method based on M......
受环境噪声及信号衰减的影响,强背景噪声下的滚动轴承故障特征往往表现得非常微弱。滚动轴承的微弱故障特征提取一直是难点。稀疏......
随着社会的发展,科学技术的不断进步,机械设备不断朝着体积大型化、结构复杂化、精密程度日益精密的方向发展。机械设备发生故障可......
针对最小熵解卷积(MED)降噪效果受滤波器长度影响问题,提出一种利用步长迭代算法和包络谱熵检验准则的自适应MED降噪方法,并结合经......
风电机组具有载荷复杂、运行环境恶劣等特点,因此故障率和运维费用高。其中,风电机组传动链的问题尤其突出。针对风电机组传动系统......
提出了一种基于最小熵解卷积和变分模态分解以及模糊近似熵的故障特征提取方法,并采用优化支持向量机对故障进行识别分类。首先利......
为有效提取振动信号中的轴承故障特征,降低背景噪声和齿轮传动噪声影响,将VMD和MED相结合,首先采集强噪声轴承故障信号并进行VMD降......