基于SVD分解降噪和相关性EEMD熵特征的齿轮故障诊断方法.pdf

本发明公开了一种基于SVD分解降噪和相关性EEMD熵特征的齿轮故障诊断方法，利用加速度振动传感器采集实验台齿轮振动信号，得到的信号包括齿轮正常、齿轮断齿、齿轮少齿、齿轮磨损四种故障类型；利用通过相关性分析和信噪比优化的SVD分解降噪方法对包含高斯白噪声的模拟强噪声背景的四种齿轮状态信号进行降噪处理；利用EEMD分解方法分别对降噪之后的四类信号进行分解，根据相关系数选取有效的IMF分量；将得到的每组有效IMF分量进行样本熵计算，并构建由IMF样本熵组成的特征向量；利用PNN神经网络识别四种不同的齿轮故障。本

2023-10-12

10

1.1MB

基于EEMD分解和改进小波阈值降噪的齿轮故障诊断.docx

基于EEMD分解和改进小波阈值降噪的齿轮故障诊断基于EEMD分解和改进小波阈值降噪的齿轮故障诊断摘要：齿轮在机械传动系统中起着重要的作用，但它们的故障容易导致严重的设备事故和生产线停机。因此，齿轮故障的及时检测和诊断对于保障设备的正常运行至关重要。本论文基于EEMD分解和改进小波阈值降噪的方法，提出了一种新的齿轮故障诊断方法。首先，利用EEMD对齿轮振动信号进行分解，获得一系列具有不同频率特征的固有模态函数(IMF)。然后，针对每个IMF，采用改进的小波阈值降噪方法去除噪声干扰。接下来，将去噪后的IMF重

2024-11-01

5

10KB

基于EEMD、模糊熵和SVM的齿轮故障诊断方法.docx

基于EEMD、模糊熵和SVM的齿轮故障诊断方法摘要：齿轮故障是旋转机械中常见的故障之一，对机械设备的正常运行和寿命有重要影响。本文提出了一种基于经验模态分解（EEMD）、模糊熵和支持向量机（SVM）的齿轮故障诊断方法。首先，采用EEMD方法将齿轮振动信号分解为一系列固有模态函数（IMF），获取具有不同频率和能量的振动信号。然后，计算每个IMF的模糊熵作为特征参数，用于描述信号的非线性特性。最后，使用SVM进行故障分类和诊断。通过实验验证，结果表明该方法能够有效地对齿轮故障进行诊断，具有较高的准确性和鲁棒性

2024-11-12

5

11KB

基于EEMD和低相干K-SVD的齿轮故障诊断方法研究.docx

基于EEMD和低相干K-SVD的齿轮故障诊断方法研究摘要：在机械运转过程中，齿轮故障是一种常见故障形式，对机械设备的正常运行和寿命产生不良影响。因此，对齿轮故障的准确预测和及时诊断具有重要意义。本文提出了一种基于EEMD和低相干K-SVD的齿轮故障诊断方法，能够有效提高齿轮故障的诊断精度。首先使用EEMD对齿轮振动信号进行分解，得到不同频率下的本征模态函数，然后针对每一个本征模态函数采用低相干K-SVD进行字典学习，提取最有代表性的特征，最后利用支持向量机进行齿轮故障分类。实验结果表明，该方法具有较高的齿

2024-10-16

5

11KB

基于变分模态分解和符号熵的齿轮故障诊断方法.docx

基于变分模态分解和符号熵的齿轮故障诊断方法摘要本文提出了一种基于变分模态分解和符号熵的齿轮故障诊断方法。该方法使用变分模态分解从原始振动数据中提取特征，并使用符号熵对特征向量进行分类。该方法在实验数据集上进行了测试，并和常见的深度学习方法进行了比较。实验结果表明，该方法具有较高的准确性和可解释性，是一种有效的齿轮故障诊断方法。关键词：齿轮故障诊断；变分模态分解；符号熵；深度学习；特征提取引言齿轮是机械系统中常见的传动元件，其故障会导致机械系统失效。因此，齿轮故障的预测和诊断对于机械系统的可靠性和安全性具有

2024-10-20

5

11KB