排序方式: 共有28条查询结果,搜索用时 15 毫秒
1.
轴承故障振动信号具有非平稳、非线性特征,且可视为多个调幅-调频分量的叠加,单分量的包络蕴含了轴承的故障特征。局部特征尺度分解可将振动信号准确分解为多个内禀尺度分量之和,某些分量能清晰反映轴承的运行状态,根据包络谱可进行故障诊断。为了准确筛选有用分量,提出了基于滑动峭度相关性准则的分量筛选方法。首先,对信号进行局部特征尺度分解,得到若干个内禀尺度分量;然后,对分量和原始信号分别计算滑动峭度,生成时间序列;最后,依据分量滑动峭度序列与原始信号滑动峭度序列的互相关系数筛选有用分量。通过轴承内圈故障数据分析发现:有用分量与非有用分量之间的滑动峭度互相关系数比互相关系数差异明显,区分度更大,有益于分量的分类、筛选。 相似文献
2.
In order to detect the gear fault accurately, a mode based on autocorrelation denoising and local characteristic-scale decomposition(LCD) was proposed. The autocorrelation function of the vibration signal of gear box was calculated,and the low delay time of [-20,20] and high delay time of last 20 points of the autocorrelation function were set to zeros. The delayed autocorrelation denoising signal was decomposed into some intrinsic mode components(ISC) by LCD, and the ISC included the mesh frequency were selected as the effective component. The fault was detected by the envelope aptitude spectrum. The analysis of broken tooth of gear fault data shows that the increase of the signal to noise ratio(SNR)can be 8.0963dB,the method can realize the occurrence of the fault effectively, can also detect the type of the gear fault, the method can effectively support fault diagnosis. 相似文献
3.
4.
在DSP的实际应用场合中,有时为了内容的加密,不适合留出JTAG口;有时整个设备不宜拆卸,只要留出简单的电路接口对DSP片内Flash进行程序的加载和检验;有时不需重新加载用户程序,而是需要进行程序代码可靠性、正确性校验.基于此,本文提出了串行加载及校验的实验思路,分析了TMS320F240 DSP片内Flash的结构和特点及上电复位运行的特性,阐述了一种基于SCI接口的TMS320F240 DSP片内Flash串行加载及校验技术,详细介绍了该技术的方法、技术难点以及软件实现流程.该技术可在整机状态下完成对DSP片内Flash进行程序加载及程序代码可靠性、正确性校验.实验结果证明该串行加载及校验方法电路简单,加载结果有效且可靠. 相似文献
5.
基于局部特征尺度分解与瞬时频率谱的齿轮故障诊断 总被引:1,自引:0,他引:1
齿轮故障振动信号具有非平稳、非线性特征,且可视为多个调幅-调频分量的叠加,单个调幅-调频分量的瞬时频率蕴含了齿轮的故障特征;为了将信号准确分解、获得单分量的瞬时频率,进而根据瞬时频率谱进行齿轮故障诊断,提出了局部特征尺度分解与瞬时频率谱相结合的故障诊断方法;该方法首先对齿轮振动信号运用局部特征尺度分解,得到若干个瞬时频率有物理意义的内禀尺度分量,然后分别应用希尔伯特变换技术求取每个分量的瞬时频率,并对瞬时频率进行傅里叶变换得到瞬时频率谱,最后根据瞬时频率谱进行故障诊断;对齿轮断齿故障实验数据进行了方法有效性分析,分析结果表明:该方法不仅能够准确诊断出齿轮箱故障情况,还能定位发生故障的齿轮,该方法可有效地应用于齿轮故障诊断。 相似文献
6.
7.
为了实现齿轮故障特征的有效提取,针对齿轮早期故障振动信号非线性、非平稳且信噪比低的特点,提出了一种基于多点最优最小熵反卷积(MOMEDA)和数学形态滤波的齿轮故障特征提取方法。首先利用MOMEDA恢复信号中的周期性故障特征并实现信号的降噪,再运用形态差值滤波器对解卷积后的信号进行滤波以增强信号中的冲击特征,最后对滤波结果求取频谱以进行故障特征提取;通过对仿真结果和实验数据的分析验证了该方法的可行性和有效性。结果表明,该方法具有抑制噪声和提取周期性故障冲击特征的能力,能够实现齿轮故障特征的提取。 相似文献
8.
9.
10.
基于拟合误差最小化原则的奇异值分解降噪有效秩阶次确定方法 总被引:1,自引:0,他引:1
为了最大限度地提高旋转机械设备故障振动信号的信噪比,研究了奇异值分解降噪的原理,提出了一种新的奇异值分解降噪有效秩阶次的确定方法。首先,对振动信号进行相空间重构,对吸引子轨迹矩阵进行奇异值分解;然后,按不同的阶数,将奇异值分成信号组和噪声组,对每次分组的结果,以阶数为自变量、以奇异值为因变量,拟合成信号特征奇异值曲线和噪声特征奇异值曲线,并求拟合误差;最后,将拟合误差最小值对应的奇异值阶数确定为有效秩阶次,并进行奇异值分解降噪。通过数值仿真和实际齿轮故障数据分析,表明该方法可以有效地提高信号的信噪比,为后期的故障特征提取创造有利条件。 相似文献