基于EMD广义能量的轮轨振动信号故障特征提取方法.pdf

本发明公开了一种基于EMD广义能量的轮轨振动信号故障特征提取方法。该方法首先采集实时运行列车的振动加速度信号并对车速积分确定车轮旋转一圈对应的起止时刻，用该起止时刻去截取对应时间历程的加速度信号；其次对采集到的振动加速度信号进行小波分解、各层小波系数的阈值处理和小波重构，实现小波去噪；而后对获取的轴箱振动加速度信号进行经验模态分解，得到一系列的本征模态函数；最后结合由车辆轨道耦合动力学模型仿真得到的存在故障激励下的振动加速度信号确定能量权系数，计算经验模态分解广义能量，根据该值确定故障特征。本发明具有成本

2023-10-12

10

744KB

基于EMD超声缺陷信号故障特征提取方法.docx

基于EMD超声缺陷信号故障特征提取方法EMD在故障诊断中的应用超声波检测技术是一种非侵入性的检测手段，广泛应用于工业生产和科学研究中。然而，由于传感器本身的噪声、介质的散射和反射等因素，超声信号存在大量的干扰，不同类型的缺陷信号也常常被混合在一起。因此，如何从复杂的超声信号中提取有效的故障特征成为研究的重点。经验模态分解（EMD）作为一种自适应信号分解技术，在故障诊断中得到了广泛应用。EMD能够将原始信号分解成一系列的本征模态函数（IMF），其中每个IMF都代表了原始信号中某个频率段的振动模式。与传统的傅

2024-10-29

5

10KB

基于振动信号的轴承故障特征提取及诊断方法研究.docx

基于振动信号的轴承故障特征提取及诊断方法研究标题：基于振动信号的轴承故障特征提取及诊断方法研究摘要：随着机械设备的广泛应用，轴承作为其中重要的元件，其工作状态直接关系到设备的可靠性和安全性。因此，轴承故障的及时诊断对设备的维护和修复至关重要。本文通过对振动信号的采集和分析，提出了一种基于振动信号的轴承故障特征提取及诊断方法，为机械设备的故障诊断提供了有效的技术支持。第一章：引言1.1研究背景和意义1.2国内外研究现状1.3论文的研究内容和组织结构第二章：振动信号的采集和预处理2.1振动信号采集装置的选取与

2024-10-17

5

10KB

基于LMD的振动信号处理及故障特征提取研究.docx

基于LMD的振动信号处理及故障特征提取研究随着工业领域的不断发展和进步，机械传动系统已成为各种设备和机械系统中不可或缺的组成部分，由此也衍生出一系列问题和挑战。其中一个重要问题是机械故障的检测与诊断。振动信号作为一种重要的诊断工具，已经成为机械故障诊断和健康监测领域的核心技术之一。在振动信号处理中，LMD（LocalMeanDecomposition）作为一种新兴的信号处理方法，拥有独特的优点和特性。本文将探讨基于LMD的振动信号处理及故障特征提取研究，旨在寻找解决机械故障诊断和健康监测问题的方法和途径。

2024-10-25

5

10KB

基于EMD的主轴振动信号去噪方法研究.docx

基于EMD的主轴振动信号去噪方法研究摘要：随着制造业的高速发展，高速轴承的性能和可靠性要求越来越高。而主轴振动是高速轴承的重要指标之一，因此振动信号的质量对于评估主轴性能有着很大的影响。本文通过对振动信号的分析，提出了一种基于EMD的主轴振动信号去噪方法。该方法对原始振动信号进行EMD分解，然后通过去除分解得到的各个子信号中的噪声来重构出原始信号。为验证该方法的有效性，本文进行了仿真实验和实际信号处理，并通过实验结果证明了该去噪方法的可靠性与有效性。关键词：主轴振动；EMD；信号去噪1.引言随着机械制造业

2024-10-29

5

10KB