稀疏正则化滤波与自适应稀疏分解的齿轮箱故障诊断方法.pdf
书生****22
亲,该文档总共17页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
稀疏正则化滤波与自适应稀疏分解的齿轮箱故障诊断方法.pdf
本发明涉及一种稀疏正则化滤波与自适应稀疏分解的齿轮箱故障诊断方法,包括以下步骤:通过加速度传感器拾取齿轮箱振动信号;对拾取的原始振动信号利用稀疏正则化滤波方法进行滤波;利用自适应稀疏分解方法对滤波信号进行分解,得到高频振荡信号与低频周期性瞬时脉冲信号;利用Hilbert包络解调方法对低频周期性瞬时脉冲信号进行包络解调,提取故障特征频率及其倍频,与理论计算故障特征频率对比,最终确定齿轮故障类型。本发明能够大幅度滤除背景噪声成分,有效提取周期性故障瞬时脉冲序列,可以清晰检测出比较微弱的齿轮故障特征信息,准确性
一种基于稀疏分解的重加权分步正则化轴承故障诊断方法.pdf
一种基于稀疏分解的重加权分步正则化轴承故障诊断方法,涉及轴承故障诊断。包括以下步骤:1)建立稀疏分解问题模型:通过引入合适的罚函数替代0范数,借助正则化,转化为无约束的最优化问题;2)构造替代函数,使替代函数具备与目标函数相近的最优解;3)优化替代函数,通过迭代构造和缩减替代函数,时间索引参数逐渐收敛至实际冲击发生的位置,稀疏系数也逐渐逼近真实值;4)更新正则化参数和剔除冗余原子,当收敛误差小于设定的收敛阈值时,结束迭代,完成重加权分步正则化轴承故障诊断。能够兼具强稀疏促进能力和高拟合精度,具有更高的信号
一种基于自适应共振稀疏分解理论的风电齿轮箱故障诊断方法.pdf
一种基于自适应共振稀疏分解理论的风电齿轮箱故障诊断方法,本发明涉及基于自适应共振稀疏分解理论的风电齿轮箱故障诊断方法。本发明的目的是为了解决现有风电齿轮箱早期复合故障信号背景噪声强,故障特征信息微弱的问题。具体过程为:一:使用BBM噪声振动检测系统采集实验齿轮箱的振动数据,得到行星架轴承外圈剥落和行星齿轮局部剥落的故障振动信号;二:对共振稀疏分解的品质因子和比例系数同时进行优化,得到X
基于共振稀疏分解和FastICA算法的行星齿轮箱故障诊断方法.pdf
本发明公开了一种基于共振稀疏分解和FastICA算法的行星齿轮箱故障诊断方法,包括如下步骤:1)首先使用共振稀疏分解方法将振动信号分解成高共振分量和低共振分量,剔除含有宽带信号的低共振分量;2)将含有行星齿轮箱的高共振分量作为观测信号,再对观测信号进行一次共振稀疏分解,构成虚拟通道信号;3)利用快速独立分量分析算法对观测信号和虚拟通道信号进行处理,分离出有效的故障特征分量,从而识别故障类型。本发明能够有效的提取行星齿轮箱的故障特征频率,解决EMD去噪过程中故障信息丢失、模态混叠的问题,同时也可以解决ICA
基于共振稀疏分解和FastICA算法的行星齿轮箱故障诊断方法.pdf
本发明公开了一种基于共振稀疏分解和FastICA算法的行星齿轮箱故障诊断方法,首先使用共振稀疏分解方法将振动信号分解成高共振分量和低共振分量,剔除含有宽带信号的低共振分量;将含有行星齿轮箱振动信号的高共振分量作为观测信号,再对观测信号进行一次共振稀疏分解,构成虚拟通道信号;利用快速独立分量分析算法对观测信号和虚拟通道信号进行处理,分离出有效的故障特征分量,从而识别故障类型。本发明能够有效的提取行星齿轮箱的故障特征频率,解决经验模态分解EMD去噪过程中故障信息丢失、模态混叠的问题,同时也可以解决ICA中源信