风电机组轴承处于早期故障阶段时，特征信号往往比较微弱，并且受环境噪声及信号衰减的影响严重，因此轴承早期故障特征一直难以提取。经验模态分解(EMD)在轴承的故障特征提取中已经得到了广泛的应用，但其在强背景噪声干扰下对轴承早期故障特征的提取具有一定的局限性。针对这一问题，考虑到最大相关峭度解卷积(MCKD)算法可凸显出轴承振动信号中被噪声所掩盖的故障冲击脉冲，非常适用于轴承早期故障信号的降噪处理，因此将MCKD与EMD相结合用于轴承早期故障诊断。用MCKD对强噪声轴承信号进行降噪，然后对降噪后的信号进行EMD，选取敏感本征模态函数(IMF)并计算其包络谱，通过分析包络谱中幅值凸出的频率成分判断故障类型。仿真和试验分析结果验证了所提方法的有效性和准确性。
2022-10-26 20:30:49
2.32MB
1
一个10自由度齿轮传动系统动力学模型，通过调用ode45进行求解，考虑了轴承刚度和阻尼。
2022-10-26 10:03:42
10KB
1
本例子完成了变转速轴承信号的阶次分析，经过角域重采样和拟合后得到了较好的分析效果
2022-10-25 21:38:33
6KB
1
基于VMD和1_5维Teager能量谱的滚动轴承故障特征提取_向玲
2022-10-24 13:44:37
1.74MB
1
包括了Reynolds方程数值计算方法，用于计算面、线、块接触润滑计算，轴承润滑，考虑能量方程的润滑计算
2022-10-22 21:48:48
684KB
1
基于YOLOv4的轴承故障识别系统的设计与实现代码大全.doc基于YOLOv4的轴承故障识别系统的设计与实现代码大全.doc基于YOLOv4的轴承故障识别系统的设计与实现代码大全.doc
2022-10-19 17:05:55
811KB
1