-
-
基于EMD-HSMM的采煤机轴承故障诊断
针对采煤机在正常工作中经常发生轴承故障的问题,提出一种基于经验模态分解(EMD)和隐半马尔可夫模型(HSMM)的故障识别方法。该方法先用EMD对故障信号进行分解,形成一系列平稳的本征模函数(IMF),并提取包含故障信息的IMF的能量作为特征向量输入到HSMM中对其进行训练。之后用训练好的HSMM分类器对故障进行识别。实验结果表明,采用该方法可以有效地提高故障识别率。
-
基于EMD和包络解调的轴承故障诊断系统研究
针对传统轴承故障诊断方法存在的缺陷,研究了基于经验模态分解(EMD)和包络解调相结合的诊断方法。并对该方法在本征模函数(IMF)分量选取上需要人工干预和计算量大的问题,提出了用距离测度来自动选择最优IMF分量进行包络分析的准则。以此为基础,研究了将虚拟仪器技术应用于轴承故障诊断领域,并采用Lab VIEW2013为平台,设计开发了一套轴承故障诊断系统。通过实验验证了所提出的诊断方法和所开发系统的可行性和有效性。
-
基于EMD的齿轮箱故障诊断的研究
采用小波阈值法对齿轮箱故障信号进行去噪预处理,将经验模式分解(EMD)和快速傅立叶变换(FFT)相结合对齿轮箱故障信号进行特征提取,这种方法适用于非线性非平稳信号的自适应状态分析。利用EMD方法将去噪后的信号就行经验模态分解,得到一定数量的固有模态函数(IMF)分量,选取具有特定意义的IMF进行FFT,就可以得到相应的功率谱,从而提取齿轮箱故障特征频率。
-
-
基于EMD近似熵和TWSVM的齿轮箱故障诊断
针对齿轮箱振动信号的非平稳和非线性特征,给出了一种基于经验模态分解(EMD)近似熵和双子支持向量机(TWSVM)的齿轮箱故障诊断方法。对不同类型的齿轮信号进行EMD分解,得到若干个具有不同时间尺度的本征模函数(IMF)分量,再对IMF分量使用近似熵求解,得到一组特征向量,最后将其输入到TWSVM分类器中进行故障诊断。仿真实验表明,该方法能有效地提取故障特征,不同的故障类型表现出不同的故障信息;与传统SVM相比,TWSVM的计算时间更短,分类效果更好。
-
经验模态分解(EMD)法在锚固无损检测中的应用
提出一种基于改进的经验模态分解(EMD)锚固动测信号处理方法。EMD法能将信号中不同尺度的波动和趋势项逐级分解开来,具有自调节自适应的特征,能在时频域内描述非平稳非线性信号的局部特性。基于改进的EMD算法,实现应力波反射法锚固动测缺陷信号的分离与诊断,消除了由实测信号直接读取反射波特性所存在的误差,具有较好的准确性和灵活性。模型试验结果表明,该法简单、有效,并具有较高的分析精度。
-
基于EMD-SVM的刚性罐道故障诊断研究
探讨了基于经验模态分解(EMD)和支持向量机(SVM)的提升机刚性罐道故障诊断方法。首先利用EMD对采集的振动信号进行分解以获得内蕴模态函数(IMF),并结合小波降噪对其高频分量进行降噪。然后,提取降噪后IMF分量中的典型信息作为故障特征向量,使用SVM进行故障模式识别。
-
EMD与同态滤波解调在滚动轴承故障诊断中的应用
根据滚动轴承的振动故障特征,介绍了一种新的基于经验模态分解(Empirical Mode Decomposition,EMD)与同态滤波解调相结合的滚动轴承故障诊断方法.EMD可将轴承故障信号分解成若干个IMFs(Intrinsic Mode Functions),各个IMF突出了原始信号的某些局部特征.再对某些IMFs有针对性地进行同态滤波解调,提取了轴承内圈 ...
-
-
基于小波包和EMD的异步电动机轴承故障诊断方法
针对传统的异步电动机轴承故障诊断方法对于轴承的局部缺陷及早期故障的诊断效果不明显的问题,提出了一种采用小波包理论与EMD相结合的方式提取异步电动机轴承故障特征频率的方法。该方法先采用小波包理论对原始信号进行消噪及频带划分,接着采用EMD对小波分解重构得到的信号进行分解以获得固有内在模函数(IMF),最后将IMF经时频变换得到频谱图,根据故障特征频率得出诊断结果。实验结果证明,该方法可有效地提取出故障特征频率,并方便地判断出故障类型。
-
Go To English Version 超过100万源码资源，1000万源码文件免费下载
