峭度系数的意义如图1所示.doc

峭度系数的意义如图1所示.doc

ID:51993462

大小:355.00 KB

页数:8页

时间:2020-03-21

峭度系数的意义如图1所示.doc_第1页
峭度系数的意义如图1所示.doc_第2页
峭度系数的意义如图1所示.doc_第3页
峭度系数的意义如图1所示.doc_第4页
峭度系数的意义如图1所示.doc_第5页
资源描述:

《峭度系数的意义如图1所示.doc》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、经验模态分解和神经网络在滚动轴承故障诊断中应用研究补充完整的作者信息摘要:针对滚动轴承故障振动信号的非平稳特征,提出了一种基于经验模态分解的滚动轴承故障诊断方法,对采集的信号范围进行了筛选。利用经验模态分解将振动信号分解为多个平稳的

2、古

3、有模态函数。选取包含主要故障信息的IMF分量分析其时域和频域特征。将时域信号特征最和频谱图峰值对应的频率归一化处理,输入Elman神经网络进行工作状态的自动判断。【文章意义何在?】关键词:经验模态分解;神经网络;轴承;故障诊断。中图分类号:TI1165+.3文献标识码:AResearchofEmpiricalModeDecom

4、positionandNeuralNetworkappliedinRollingBearingFaultDiagnosis补充完整的作者信息Abstract:Accordingtothenon-stalionarycharacteristicsofvibrationsignttlsofrollingbestingfault,akindoffaultdiagnosismethodofrollingbearingbasedonempiricalmodedecompositionisputforward,andsignalrangeisscreened・Withth

5、eempiricalmodedecomposition,originalsignalisdecomposedintoseveralsmoothintrinsicmodefunctions.TheIMFcomponentcontainingmainfaultinformationisselected,andthetimedomainandfrequencydomainfeaturesareanalyzed・Thetimedomainsignalcharacteristicsandthefrequencycorrespondingspectrumpeakthrou

6、ghnormalizedprocessing,areimportedintoElmanneuralnetworkforautomaticjudgmentoftheworkingstate.Keywords:EmpiricalModeDecomposition;Neuralnetwork;Bearing;Faultdiagnosis・1.引言滚动轴承具有摩擦阻力小和润滑易实现等优点,是旋转机械的基本组成部件。轴承在机械设备中承受载荷,传递载荷,但工作条件最恶劣,是易损零件。据有关资料统计,对于使用滚动轴承的机械设备,故障设备中约有30%是由于滚动轴承损坏引起。出

7、现轴承故障可能导致系统失去某些功能,或造成严重的生产事故。因此,滚动轴承故障诊断技术的研究具有很重要的意义丁。【滚动轴承故障诊断方法的国内外硏究进展评述不够】可以通过测量振动信号对轴承进行诊断。在传统的处理方法中,例如用傅里叶变换处理基金项目:安徽建筑大学校靑年科研基金专项(20I4XQZ02),安徽省廊士后科研经费资助项目(2015B075),住房与城乡建设部科学技术计划项目(2014-K7-022),安徽高校口然科学研究重点项目(KJ2016A156)—篇文章的基金资助项目不超过3个,作者自行取舍!作者简介:陈松(1986-),男,硕士,讲师,研究方向为模

8、式识别。非平稳、非线性信号会出现无意义的谐波分量。故障信号经常表现出非平稳的特征,对它们进行傅立叶分析不能兼顾信号在时频域中的全局特征和局部特征②。小波变换可以解决傅里叶变换的上述问题。但是在选择小波基函数和分解尺度之后,它的分辨率也确定了,并且其时间分辨率与频率分辨率相互影响,反映信号的局部幅值就无法自适应地变化,缺乏灵活性31本文捉出了一种基于经验模态分解和神经网络的滚动轴承故障诊断方法,适用于分析具有非平稳特征的故障信号,具有较好的灵活性。对于状态复杂的滚动轴承故障的识别也较为准确。先对振动信号进行经验模态分解,拆解为多个平稳的固有模态函数(Intrin

9、sicModeFunction),再选取包含主要故障信息的IMF分量进行进一步分析,时域信号特征量和频谱图峰值对应的频率作为特征量,输入Elman神经网络,便于系统进行自动判断。【本方法的优势有哪些?】2.经验模态分解方法美国国家宇航局美籍华人黄铐等于1998年提出了经验模态分解(EmpiricalModeDecomposition,缩写EMD)o传统方法中会用无意义的谐波分量来表示非平稳、非线性信号。新方法为口适应信号时频分析方法,没有传统方法的这些缺陷,并具有良好的时频聚焦性。传统分析方法中基函数的幅值不变、频率固定,而EMD允许IMF幅值改变,灵活,信号

10、分析能力强。EMD方法非常适用于非线性

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。