共查询到10条相似文献,搜索用时 421 毫秒
1.
2.
3.
基于小波包和AR谱分析的滚动轴承故障诊断 总被引:1,自引:0,他引:1
针对滚动轴承故障振动信号的非平稳性,提出了一种基于小波包和AR谱分析的滚动轴承故障诊断方法.该方法对系统输出信号进行小波包分解,然后进行重构,再对重构信号进行AR谱分析,从而提取出故障特征频率.试验结果表明,这种方法能有效地提取滚动轴承的故障特征,诊断其故障. 相似文献
4.
双谱分析在铣刀状态监测中的应用 总被引:2,自引:1,他引:2
针对铣刀渐进磨损过程中主轴端振动加速度信号的非平稳时变特点,提出了基于双谱分析的铣刀状态监测信号特征抽取方法,分析了铣刀在正常磨损、急剧磨损、崩刃和破损条件下,主轴端振动加速度信号的双谱特点,通过实验研究,在立式加工中心上验证了上述方法的有效生,研究表明双谱分析方法较其它方法更加适宜铣刀状态监测。 相似文献
5.
针对传统双谱分析从理论上仅能抑制高斯噪声,但对非高斯噪声无能为力的不足,提出了一种利用经验模式分解(empirical mode decomposition,简称EMD)和双谱分析的故障特征提取方法,并应用于滚动轴承故障诊断中。首先,对信号进行EMD分解;其次,利用能量相关法去除EMD分解过程中出现的伪本征模态分量(intrinsic mode function,简称IMF);最后,对得到的真实IMF进行双谱分析提取故障特征。仿真和实验结果表明,所提出的方法优于功率谱分析和传统双谱分析,能够更有效地提取强噪声背景下的机械故障特征信息,为滚动轴承的故障特征提取提供了一种新的方法。 相似文献
6.
7.
改进的经验小波变换方法(improved empirical wavelet transform,简称IEWT)是一种新的自适应性信号处理方法,将这种方法和快速谱峭度(fast spectral kurtosis,简称FSK)相结合,进行齿轮与滚动轴承的故障诊断。首先,采用IEWT对信号进行分解,筛选出故障特征最为明显的2个分量并重构信号;其次,对重构信号进行快速谱峭度滤波;最后,对滤波后的信号进行包络谱分析,提取出信号的故障特征。分析齿轮断齿及滚动轴承故障信号,与直接包络谱和基于EMD经验模态分解(empirical mode decomposition,简称EMD)方法的FSK滤波包络谱分析方法相比可知,采用IEWT处理后再进行FSK滤波的信号进行包络谱分析更具有区分性,可有效识别齿轮和滚动轴承的故障特征。 相似文献
8.
本文以我公司常用钢材为例,分类归纳其在看谱分析中不同合金元素的含量与对应特征谱线强度变化的关系,以及不同分析线组和分析条件的选择。 相似文献
9.