排序方式: 共有7条查询结果,搜索用时 0 毫秒
1
1.
根据循环自相关函数等于两个移频形式的互相关及循环自相关函数的周期性特征,提出基于FFT及IFFT的循环自相关函数算法,该算法将周期函数的互相关快速算法引入循环自相关函数的计算中,相对直接按公式的计算大大提高了速度.由该算法得到的循环自相关函数进行谱分析及平方谱分析,进一步证明了该算法的正确性.最后将该算法应用于滚动轴承故障诊断中,通过对滚动轴承内圈故障及外圈故障信号的分析,证明该算法的实用性. 相似文献
2.
3.
基于非线性复杂测度的往复压缩机故障诊断 总被引:4,自引:0,他引:4
往复压缩机以多源非线性冲击振动信号为主,应用传统方法难以从振动信号中提取故障特征,为此提出一种基于非线性复杂测度的往复压缩机故障诊断方法。以气阀正常、阀片有缺口、阀片断裂及弹簧损坏4种状态下往复压缩机气阀振动信号为分析数据,在小波阈值降噪处理的基础上,采用均值符号化方法计算信号的归一化Lempel-Ziv复杂度(Lempel-Zivcomplexity,LZC)指标,分别给出各状态相应的LZC特征区间,利用BP人工神经网络对各状态信号的有效值特征、功率谱能量特征及LZC特征分别进行训练和测试,结果表明LZC更能准确区分不同状态的往复压缩机气阀故障,为往复压缩机故障诊断和维修决策提供了一种有效方法。 相似文献
4.
目前常用的各种滚动轴承故障诊断信号处理方法缺乏自适应性,过完备原子分解则具有灵活的自适应能力。将余弦包(CP)及小波包(WP)的快速算法应用于匹配追踪算法设计了CPWP混合原子分解算法,对滚动轴承故障仿真信号进行CP、WP以及CPWP原子分解并比较三种分解结果,得出CPWP混合原子分解可以更加清晰全面地反映冲击调幅信号的特征,分辨率高于单一原子库分解。将上述三种方法分别应用于滚动轴承外圈故障实测信号分析,进一步验证了对信号不同特征敏感的异类原子库的结合可提高对信号的自适应识别能力,CPWP混合原子分解得到较CP、WP原子分解更多的冲击调制信息,能够有效提取滚动轴承的故障特征。 相似文献
5.
6.
针对在总体平均经验模式分解(ensemble empirical mode decomposition,简称EEMD)的多个内禀模态分量(intrinsic mode function,简称IMF)中,如何选取出反应故障特征的敏感IMF的问题,提出一种基于快速谱峭度图的敏感IMF选取方法。由EEMD分解获得的一组无模式混淆的IMF,计算原信号及各个IMF的快速谱峭度图,选择每个快速谱峭度图中谱峭度最大值所处的频带作为参考频带,比较各个IMF的参考频带与原信号谱峭度最大值所处频带之间的从属关系,筛选出反应故障特征的敏感IMF,为后续故障诊断提供特征信息。将该方法应用于模拟仿真信号及滚动轴承滚动体故障信号,验证了方法的有效性。 相似文献
7.
采用时域平滑循环周期图法直接由信号计算循环谱密度切片,在分析常用的3种变换形式基础上,讨论了各自谱密度三维分布的共性、差异、适用范围。在滚动轴承5个故障特征频率理论计算值附近选择谱峰值最大的切片进行组合分析,通过比较切片谱峰值的大小来判断故障所在位置。对内圈故障、滚动体故障两组信号进行了频谱、包络谱、组合切片分析,结果表明,循环谱密度组合切片分析滚动轴承的故障更为直观。 相似文献
1