局部均值分解（Local Mean Decomposition，简称LMD）方法是一种新的自适应时频分析方法，并成功运用于滚动轴承故障诊断中，但对噪声比较敏感。为消除噪声对诊断结果的影响，提出了一种小波包降噪与LMD相结合的滚动轴承故障诊断方法。该方法首先利用小波包去除信号中的噪声，然后，进行LMD分解，并将分解后PF分量与分解前信号的相关系数作为判断标准，剔除多余低频PF分量，最后，选取有效PF集进行功率谱分析，提取故障特征。通过仿真数据和真实滚动轴承数据的故障诊断实验，其结果验证了该方法的有效性。
2021-11-16 20:24:12
307KB
1
针对包络分析中带宽和中心频率依靠经验估计的缺陷,应用一种快速峭度图算法自动为包络谱分析提供最佳带宽和中心频率。快速峭度图算法借鉴了二进小波分解算法,先将原始信号经过FIR滤波器将信号进行分解,然后在各个频段上计算信号的谱峭度值,并根据快速峭度图的结果得到最佳中心频率和带宽,最后进行包络谱分析。实验证明该方法可以更有效地诊断滚动轴承故障。
2021-11-11 10:26:11
370KB
1
提出了一种改进的集总平均经验模式分解(MEEMD)滚动轴承的故障提取方法。对采集得到的振动信号进行MEEMD分解,获得不同频率的本征模式函数(IMF);对各个本征模式函数进行包络谱分析;最后通过包络谱特性反映出来的频谱信息诊断出轴承故障。滚动轴承内外圈故障仿真和实验研究表明:MEEMD方法能有效地应用于轴承的故障诊断。
2021-09-10 10:12:11
274KB
1
eager 能量算子能够估计产生信号所需的总机械能，
对信号的瞬态变化具有良好的时间分辨率和自适应能力，
在检测信号冲击特征方面具有独特优势。为了提取滚动轴承故障的特征频率，
针对滚动轴承故障振动信号中的瞬态冲击特点，
提出了基于 Teager 能量算子的频谱分析方法，
利用 Teager 能量算子提取轴承故障引起的周期性冲击，
通过瞬时 Teager 能量的 Fourier 频谱识别轴承的故障特征频率。
2021-08-25 19:28:02
1.05MB
1
本资源为复现论文《基于PSO_VMD_MCKD方法的风机轴承微弱故障诊断》的配套资源，利用包络谱作为优化算法的目标函数，同时还可以根据包络谱画图，该函数里面调用了求频谱的函数，下载地址如下：https://download.csdn.net/download/weixin_45317919/13455237，PinPu.m(信号的时频转换)
2021-08-12 14:02:59
323B
行业分类-物理装置-基于小波分解和改进曼哈顿距离的滚动轴承故障诊断方法.zip
2021-07-25 09:02:09
1.8MB
滚动轴承是机械传动系统重要的组成部分,其故障发生率极高,直接影响机械设备的正常、安全运行。基于此提出基于局部均值分解(LMD)模糊熵和概率神经网络(PNN)的滚动轴承故障诊断方法,原始振动信号应用LMD自适应分解为7个PF分量;设定模糊函数,提取每个PF分量的模糊熵,实现各PF分量的特征量化;并利用概率神经网络实现故障类型识别。实验结果证明利用该方法滚动轴承故障诊断识别率可达86.25%,是一种有效的滚动轴承故障诊断方法。
2021-07-06 17:21:16
313KB
1
采用的是美国西储大学轴承数据中心的滚动轴承数据，贝叶斯优化后的准确率高达99%，也包含了和遗传算法以及网格搜索优化支持向量机的对比！希望可以帮助到大家！！！给两个积分意思一下就行了
2021-06-27 09:06:49
5.2MB
1