一种齿轮箱非平稳信号故障特征提取方法.pdf
是你****馨呀
亲,该文档总共21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
一种齿轮箱非平稳信号故障特征提取方法.pdf
本发明公开了一种齿轮箱非平稳信号故障特征提取方法,包括:同步采集变速工况下齿轮箱时域振动加速度信号和转速信号;将振动加速度信号进行阶次跟踪处理,获得角域振动加速度信号;构造平稳调制字典,并对信号整周期分段;对每段信号进行匹配追踪算法处理,重构信号中的准平稳调制信号;将剩余角域信号转换为时域信号;从剩余信号中识别出齿轮箱多阶固有频率和阻尼比;对剩余时域信号进行分段,构造冲击调制字典;利用匹配追踪算法提取信号中的冲击调制成分,对冲击调制成分进行阶次跟踪处理;分析提取信号的阶次域特征用于故障诊断。本发明将稀疏分
一种行星齿轮箱复合故障特征提取方法.pdf
本发明公开一种行星齿轮箱复合故障特征提取方法,首先,测量并存储行星齿轮箱振动信号;其次,构造多小波对称提升框架,引入调控参数;然后,构建多重分形熵作为自适应匹配准则的评价指标,通过智能优化算法进行多小波的自适应构造,获得与动态信号相匹配的多小波基函数;再经过冗余多小波变换分解;最后,计算每一频段内的故障特征频率处的相对能量比,获得频带相对能量比柱状图,选择故障敏感频带,进而识别和分离出复合故障。本发明能够克服行星齿轮箱传递路径复杂和工况噪声影响,借助自适应多小波构造和敏感特征频带选择,提取分离出行星齿轮箱
一种机械设备故障信号特征提取方法.pdf
本发明公开了一种机械设备故障信号特征提取方法,步骤为:利用传感器采集机械设备的各零部件的状态信号;对采集的状态信号进行经验小波变换,得到信号分解的模态分量;计算各模态分量与原始信号之间的相关系数,选取与原始信号相关度最高的若干模态分量作为最优模态分量;对最优模态分量构造Hankel矩阵,再进行奇异值分解,得到各最优模态分量的特征值;对各最优模态分量的特征值进行降维,将降维后的特征值组合成故障特征向量。本发明能够有效去除原始信号中包含的噪声,同时又能够保留信号中有用的特征,为机械设备的故障诊断提供了必要依据
一种基于平稳与非平稳振动信号特征选择的汽轮机主机故障诊断方法.pdf
本发明公开了一种基于平稳与非平稳振动信号特征选择的汽轮机主机故障诊断方法。本发明针对的是火力发电汽轮机组中汽轮机,结合运用集成经验模态分解(EEMD)和递归特征消除方法,详细分解与提取了平稳与非平稳信号的关键特征,用于汽轮机振动信号的故障诊断。本发明充分考虑了汽轮机振动信号的非平稳并夹杂大量噪声等特性,充分挖掘了故障数据所包含的潜在信息,针对平稳和非平稳数据分别提取了特征,克服了非平稳数据特征易被掩盖的问题。同时提取了关键特征,降低了特征向量的维数,减少了数据的冗余,提高了汽轮机振动信号故障诊断的准确率,
基于小波熵和信息融合的齿轮箱振动信号故障特征提取方法.pdf
本发明公开了一种基于小波熵和信息融合的齿轮箱振动信号故障特征提取方法,该方法首先通过小波包变换对振动信号进行分解,得到小波系数矩阵。利用小波系数矩阵可计算小波时频熵(WTF)和小波奇异值熵(WS)。然后利用信息熵公式计算奇异值序列的信息熵即是小波奇异值熵。然后利用核熵主成分分析(KECA)对其进行非线性变换,实现信息融合。经过KECA分析后选取第一,二,三主成分作为融合后的故障特征。经过实验验证表明,本发明能够有效的提取齿轮箱混合模式故障特征,基于本发明的齿轮箱故障诊断方法能够有效的对齿轮箱进行故障诊断。