搜索资源列表
62
- 对重分配小波尺度谱存在着时、频分辨率不能同时达到最佳及当振动信号中存在着能量较大的噪声时会降低其时频分布可读性的缺陷,提出一种基于参数优化和奇异值分解(SVD)提高重分配尺度谱时频分布可读性的方法。首先利用Shan— non熵方法优化重分配尺度谱基函数的时间.带宽积(TBP),克服其时、频分辨率不能同时达到最佳的缺陷,再对重分配尺度谱 进行SVD降噪降低噪声干扰影响,提高时频分布的可读性。最后用该方法对仿真信号和滚动轴承故障信号进行了分析,结果表明该方法的时频聚集性更好,抗噪能力更强,能
Study-on-compound-fault-diagnosis
- 针对滚动轴承复合故障信号特征难以分离的问题, 提出将双树复小波变换和独立分量分析( ICA) 结合的故障诊断方 法 该方法首先将非平稳的故障信号通过双树复小波变换分解为若干不同频带的分量 由于各个分量存在一定的频率混叠, 对 故障信号特征提取有很大的干扰, 进而引入 ICA 对各个分量所组成的混合信号进行盲源分离, 从而尽可能消除频率混叠 最后 对从混合信号中分离出来的独立分量信号进行希尔伯特包络解调, 即可实现对复合故障特征信息的分离和故障识别-Aiming at the diff
VMD
- 本文介绍了一种自适应信号分解新方法-变分模态分解,并且针对滚动轴承早期故障识别困难这一问题,提出了基于VMD的诊断方法。-In this paper, a new adaptive signal decomposition method, variational mode decomposition, is introduced. Aiming at the problem of early fault identification of rolling bearing, a diagnosis