期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
自适应窗口旋转同步压缩变换及其在电机转速估计上的应用 被引量:3
1
作者 潘兵奇 吕勇 +1 位作者 易灿灿 于李鹏 《机械强度》 CAS CSCD 北大核心 2020年第5期1017-1023,共7页
针对同步压缩变换(Synchrosueezing Transform,SST)中短时傅里叶变换(Short-time Fourier Transform,STFT),固定窗效应在处理非线性时变信号上的不足,提出了一种自适应窗口旋转短时傅里叶变换(Adaptive Window Rotating Short Time Four... 针对同步压缩变换(Synchrosueezing Transform,SST)中短时傅里叶变换(Short-time Fourier Transform,STFT),固定窗效应在处理非线性时变信号上的不足,提出了一种自适应窗口旋转短时傅里叶变换(Adaptive Window Rotating Short Time Fourier Transform,AWRSTFT)方法,该方法通过自适应匹配一系列的旋转算子,实现信号在全局上的频率带宽最小。进一步地,在SST的框架下,用AWRSST方法替换STFT,提出了自适应窗口旋转同步压缩变换(Adaptive Window Rotating Synchrosueezing Transform,AWRSST)方法,并用于电机转速信号的处理,该方法能够兼顾AWRSTFT和SST的优势,进一步锐化时频脊线,从而增强时频表示的能量聚集水平。通过数值仿真和电机转速估计实验,验证了该方法的有效性。 展开更多
关键词 时频分析 非线性时变信号 自适应窗口旋转短时傅里叶变换 同步压缩变换
下载PDF
基于改进ACCUGRAM的滚动轴承故障诊断方法 被引量:1
2
作者 于李鹏 吕勇 +1 位作者 易灿灿 潘兵奇 《机床与液压》 北大核心 2020年第22期172-177,共6页
滚动轴承故障信号的特征容易被强噪声淹没,难以提取信号中的冲击成分。针对这一问题,提出多点最优调整的最小熵解卷积(MOMEDA)优化的ACCUGRAM算法,并应用于滚动轴承故障诊断。首先利用MED算法对原始信号进行滤波预处理,突显信号中的有... 滚动轴承故障信号的特征容易被强噪声淹没,难以提取信号中的冲击成分。针对这一问题,提出多点最优调整的最小熵解卷积(MOMEDA)优化的ACCUGRAM算法,并应用于滚动轴承故障诊断。首先利用MED算法对原始信号进行滤波预处理,突显信号中的有效循环冲击成分,提高MOMEDA优化ACCUGRAM算法中频带选择的分类精度,选择最佳的带宽和中心频率,最后对获得包含信息量最大的频带进行故障特征频率的提取和轴承的故障诊断。仿真和试验数据分析结果表明:该方法能够有效提取信号中的周期性冲击特征,具有一定的实用性。 展开更多
关键词 MED滤波 MOMEDA ACCUGRAM算法 故障诊断 滚动轴承
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部