基于稀疏分解的盲源分离算法在轴承损伤识别中的应用研究
摘要
本文研究了一种用于滚动轴承故障诊断的单通道盲源分离算法,本方法并不需要依靠人为经验选择轴承故障敏感的特定频率区间,可实现自适应的故障诊断。经过模拟及实验环境验证,证明了本方法具有较高的准确性和有效性,在生产工作中对于轴承损伤识别判定具有指导意义。
出处
《中国设备工程》
2023年第19期15-18,共4页
China Plant Engineering
二级参考文献30
-
1胡瑞芬,李光,张锦.一种新的脑电特征提取方法研究[J].仪器仪表学报,2006,27(z3):2187-2188. 被引量:1
-
2曹彪,吕小青,曾敏,王振民,黄石生.短路过渡电弧焊电流信号的近似熵分析[J].物理学报,2006,55(4):1696-1705. 被引量:33
-
3CANALES D P,RAMIREZ J A,et al. Identification of dy-namic instabilities in machining process using the approx-imate entropy method [ J ]. International Journal of Ma-chine Tool & Manufacture,2011 ,51 :556-564.
-
4SMITH J S. The local mean decomposition and its appli-cation to EEG perception date [ J ] . J. R. Soc. Interface,2005,2(5) :443-454.
-
5PINCUS S M. Approximate entropy as a measure of sys-tem complexity [ J]. Pro. Natl. Acad. Sci.,1991,88 (6):2297-2301.
-
6LEI Y G, HE ZH J,ZI Y Y, et al. New clustering algo-rithm based fault diagnosis using compensation distanceevaluation technique[ J] . Mechanical Systems and SignalProcessing,2008 ,22 :419-435.
-
7HUANG N E,ZHENG S,LONG S R,et al. The empiricalmode decomposition and the Hilbert spectrum for nonlin-ear and non-stationary time series analysis [ J ] . Proceed-ings of the Royal Society of Lond. ( Series A) , 1998 ,454(1971):903-995.
-
8Huang N E, Shen Z, Long S R, et al. The empirical mode decomposition and Hilbert spectrum for nonlin- ear and non-stationary time series analysis[J]. Pro- ceeding of the Royal Society of London A, 1998,454: 9O3--995.
-
9ZHU Keheng, SONG Xigeng, XUE Dongxin. Incipi- ent fault diagnosis of roller bearings using empirical mode decomposition and correlation coefficient [J]. Journal of Vibroengineering, 2013,15(2) : 597--603.
-
10SMITH J S. The local mean decomposition and its ap- plication to EEG perception data[J]. Journal of the Roval Society Interface, 2005,2(5) :443--454.
共引文献222
-
1Fei Shen,Chao Chen,Jiawen Xu,Ruqiang Yan.A Fast Multi-tasking Solution: NMF-Theoretic Co-clustering for Gear Fault Diagnosis under Variable Working Conditions[J].Chinese Journal of Mechanical Engineering,2020,33(1):182-196. 被引量:6
-
2权振亚,沈丽虹,赵富强.基于内禀尺度分量符号熵和ANNC的齿轮故障诊断方法[J].机械强度,2020,42(1):29-35. 被引量:2
-
3赵慧敏,王双朋,梅检民,常春,崔红余.基于VMD和一维卷积神经网络的缸压识别[J].军事交通学报,2022(3):32-37.
-
4王双朋,赵慧敏,梅检民,常春,万峤磊.基于VMD的发动机气门故障特征提取[J].军事交通学院学报,2020(11):46-52. 被引量:2
-
5任刚,贾翔宇,卢子青,张亚峰.基于VMD的单通道信号盲源分离及其在柴油机故障诊断中的应用[J].军事交通学院学报,2019,21(12):42-47. 被引量:2
-
6刘德纯.中国艾滋病防治研究的进展与形势[J].中国基层医药,2000,7(1):50-51. 被引量:3
-
7孙小菡.多媒体光纤工业专用网[J].光纤通信,2000(1):40-43.
-
8李怀俊,谢小鹏,黄恒.基于主元熵的发动机能量数据聚类与故障识别[J].华南理工大学学报(自然科学版),2013,41(11):137-142. 被引量:5
-
9陈婉.基于变分模态分解和LFOA-RVM的轴承故障诊断[J].机械强度,2018,40(6):1297-1302. 被引量:7
-
10贾亚飞,朱永利,高佳程,袁博.基于样本加权FCM聚类的未知类别局部放电信号识别[J].电力自动化设备,2018,38(12):107-112. 被引量:15
-
1罗俊海,余杭.基于低秩稀疏分解的红外弱小目标检测算法研究进展[J].激光与光电子学进展,2023,60(16):49-60. 被引量:2
-
2陈诚,宋晓骥,何志华,刘涛,曹来保,粟毅.基于低秩稀疏分解的GPR杂波抑制方法[J].系统工程与电子技术,2023,45(10):3058-3064.
-
3赵朕,孙晓鹏,李传友,郑大伟,刘玉博.基于模糊C均值聚类的驾驶风格在线辨识方法研究[J].汽车电器,2023(10):67-69. 被引量:2
-
4付卫红,周雨菲,赵文胜.面向能量差异混合信号的单通道盲源分离算法[J].系统工程与电子技术,2023,45(10):3302-3311. 被引量:1
-
5吴佳庆,顾洁,金之俭,游铭豪,王耀健.基于长短期记忆网络和模糊C均值聚类的配电网故障预警方法研究[J].供用电,2023,40(10):63-72. 被引量:2
-
6刘明昊,陆金桂,张佳坤,蒋富康.基于VMD能量熵值的齿轮箱滚动轴承故障诊断[J].煤矿机械,2023,44(10):173-175. 被引量:5
-
7徐鹏,皋军,邵星.基于AMCNN-BiGRU的滚动轴承故障诊断方法研究[J].振动与冲击,2023,42(18):71-80. 被引量:2
-
8陈石毓,李壮举,刘浩,陈梦依.SA-GA-CNN-LSTM新型冷暖系统负荷预测方法研究[J].中国测试,2023,49(9):115-122. 被引量:2
-
9李秋婷,王秀青,解飞,杨云鹏,杜文霞.基于注意力机制的滚动轴承故障诊断方法[J].轴承,2023(10):84-92. 被引量:8
-
10陈其.注意力机制结合CNN卷积网络的滚动轴承复合故障诊断[J].机械制造与自动化,2023,52(5):134-138. 被引量:4