最小熵反褶积相关论文
针对齿轮箱在强噪声环境下复合故障信号微弱、故障特征难以提取等问题,本文提出了一种改进的最小熵反褶积(MED)与奇异谱分解(SSD)......
针对牵引电动机轴承故障信号冗余程度高,信号微弱且伴随有较强非高斯噪声,故障特征难以提取的问题,采用了一种最小熵反褶积算法对......
利用力学方法分析了齿轮故障和扭矩波动特性的关系。首先利用最小熵反褶积(MED)对扭矩信号降噪处理,然后利用变分模态分解(VMD)提......
这里提出一种运用最小熵准则重新建立反射系数谱的方法。此种算法(FMED)可与传统的最小熵反褶积(MED)以及线性规划(LP)、自回归(AR......
本文论述了最大方差模反褶积在小型计算机上的实现方法。为增强反褶积效果的稳定性,将Wiggins等人提出的求多道记录最小熵反褶积因......
引言讯号分析的常见问题,是期望讯号的样本已经与某个“震源”子波或系统函数褶积而被平滑了。其反演或反褶积问题的最好解法与期......
1977年,Wiggins提出最小熵反褶积(MED)。这个方法依赖于定义一个能衡量信号简单性的模,这个模就是在“数据分析”中已应用多年的规......
在这篇文章中,我们研究在什么条件下最小熵反褶积能用于地震记录.首先,我们讨论了规范模(Normalied Norm)[参见文中公式(1)和(2)]......
叠加地震数据是作为简单界面和薄层反射的叠加而被模拟的。这种参数化过程允许采用一个省时的块状阻抗模型。该方法是用来替代典......
频域约束最小熵反褶积是一种新的最小熵反褶积方法。该方法是在原有信号频谱特征的约束下，运用最小熵准则来重建反射系数谱，从而实现......
本文对常规最小熵反褶积方法中存在的一些问题进行了探讨和改进：①为克服最小熵反褶积对弱反射的压制作用，本文采用对数型规范方差模......
混合相位子波处理一直是地震信号数字处理中的一个重要课题。对此，国内外学者进行了许多研究，并提出了不同的解决方法。本文在分析已......
转子、轴承、齿轮作为旋转机械中的主要部件,其运行状况关系到整个机组的正常运转。传统的信号分析方法往往只针对某个部件运行状......
行星齿轮箱相对于定轴传动具有传动比大,体积小,工作平稳,承载能力大等优点,而其通常工作在低速、重载、阵风等恶劣环境下,齿轮易......
滚动轴承的监测与诊断对保障机电设备稳定运行,减少停机和避免重大经济损失意义重大。轴承信号是非稳态信号,且受噪声干扰,针对轴......
行星齿轮箱具有传动比大、传动效率高等优点,在工程领域中应用广泛。但比定轴齿轮有更复杂的结构,又因常工作在恶劣的条件下,容易......
针对强背景噪声环境下齿轮箱故障特征信号往往被噪声淹没等问题,提出最小熵反褶积（Minimum entropy deconvolution,MED）和循环域解调......
针对倒频谱分析方法难以提取滚动轴承早期微弱故障的问题,提出了一种利用最小熵反褶积(minimum entropy deconvolution,简称MED)和......
滚动轴承作为旋转机械的重要支撑部件,对其进行早期故障诊断能提高机械运转的安全性.滚动轴承在故障早期故障信号极其微弱,并夹杂......
摘 要：滚动轴承故障产生的早期阶段，故障信号中的周期冲击成分微弱，并且环境噪声干扰严重，导致轴承故障难以识别。针对这一问题，提出基......
针对滚动轴承故障诊断在实际中受到噪声影响,故障难以识别的问题,提出了一种基于最小熵反褶积(MED)和固有时间尺度分解(ITD),并结......
顶驱齿轮箱的检测信号中包含齿轮和轴承的复合特征,具有调幅调频特性,且振动信号多级传递。采用共振稀疏分解法在拟合信号时,对于......
本文提出了一种基于最小熵反褶积（Minimum Entropy Deconvolution）和局部均值分解（Local Mean Decomposition）方法的滚动轴承故障特征......
轴承故障信号中的周期冲击成分会受到轴承元件间碰撞产生非周期冲击成分以及工况噪声的干扰,难以提取故障特征。使用自回归最小熵......
机械系统所拾取的振动信号包含着许多复杂的信息成分,微弱故障信号的提取往往会受到这些成分的影响,故障识别非常困难,尤其是滚动......
针对直升机自动倾斜器轴承早期微弱故障特征易被强烈背景噪声淹没的问题,提出了一种基于最小熵反褶积(Minimum Entropy Deconvolut......
针对煤矿机械齿轮箱振动信号中含有大量噪声干扰成分导致齿轮箱故障特征提取难的问题,提出了一种基于粒子群优化变分模态分解(PSO-......
为解决变分模态分解(VMD)在行星齿轮箱故障特征频率提取过程出现的鲁棒性低及分解个数不确定的问题,提出一种基于最小熵反褶积(MED......
针对强噪声背景下滚动轴承故障特征提取,提出了基于最小熵反褶积的数学形态法。该方法先应用最小熵反褶积算法加强信号中的冲击特......
在机械设备中齿轮箱是最重要的动力传动部件，其健康状况直接影响着机械设备能否正常工作，若能准确的预测故障的位置，就可以有效的避免......
针对轴向柱塞泵松靴故障在强噪声干扰下故障信号微弱、故障特征提取困难和故障诊断识别精度低等一系列问题,提出了基于最小熵反褶......
提出一种基于最大相关峭度反褶积（Maximumcorrelatedkurtosisdeconvolution，MCKD）的复合故障特征提取方法，通过MCKD对原信号降噪，提取感......
针对应用集合经验模态分解（ensemble empirical mode decomposition,EEMD）方法难以提取强噪声背景下滚动轴承微弱故障特征的问题,提......
齿轮箱的工作信号属于非平稳信号,极易受到外界干扰,尤其是在工业强噪声背景下,同时,工业生产中的故障信号往往以多故障并存的形式......
提高分辨率处理是地震数据处理中重要的步骤 ,随着岩性地震勘探的逐步深入 ,人们开始认识到相对保持振幅是高分辨率处理的重要基础......
在黄小晶等人提出的混合相位未知脉冲反褶积方法［１、２］基础上，本文提出一种改进的反褶积方法。与文献［２］的反褶积方法比较，本方法具有运算量......
针对滚动轴承在强噪声环境下故障信号微弱、故障特征难以提取等问题,提出了基于最小熵反褶积(minimum entropy deconvolution,MED)......
强噪环境下,齿轮箱复合故障中的微弱故障特征难以提取,因此提出了基于多点最优最小熵反褶积（MOMEDA）的复合故障提取方法。首先对最小......
行星齿轮箱具有传动比大、传动效率高等优点,但比定轴齿轮有更复杂的结构,因常工作在恶劣的条件下,容易出现磨损或疲劳裂纹等故障......
大型旋转机械通常运行工况复杂,传感器采集到的振动信号大多伴有非线性、非稳定性特征,因此,以振动信号为目标的故障诊断工作变得......
滚动轴承的时域故障信号含有工作部件或轴承元件间微弱碰撞产生非周期性冲击以及工况噪声成分，造成信号中表征故障信息的周期冲击成......
针对强噪声环境下齿轮早期故障特征信号微弱,故障特征信息难以提取的问题,提出了变分模态分解(Varia-tional Mode Decomposition,V......
滚动轴承出现早期故障时,因为背景噪声的影响,故障信号非常微弱,故障信息难以提取,为了能有效检测出轴承故障,提出了最小熵反褶积（M......
