期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于RSGWPT-LCD的轴承信号故障特征提取及模式识别
被引量:
3
1
作者
王保华
佟庆彬
+5 位作者
胡海
曹君慈
韩宝珠
卢艳霞
张卫东
朱颖
《振动.测试与诊断》
EI
CSCD
北大核心
2018年第4期719-726,共8页
为了有效提取滚动轴承振动信号的故障特征和提高分类识别精度,提出了一种基于冗余二代小波包变换-局部特征尺度分解(redundant second generation wavelet packet transform-local characteristic scale decomposition,简称RSGWPT-LCD)...
为了有效提取滚动轴承振动信号的故障特征和提高分类识别精度,提出了一种基于冗余二代小波包变换-局部特征尺度分解(redundant second generation wavelet packet transform-local characteristic scale decomposition,简称RSGWPT-LCD)和极限学习机(extreme learning machine,简称ELM)相结合的故障特征提取和分类识别方法。首先,利用希尔伯特变换对原始振动信号进行处理,得到包络信号;其次,基于双层筛选机制,结合冗余二代小波包变换(redundant second generation wavelet packet transform,简称RSGWPT)和局部特征尺度分解(local characteristic-scale decomposition,简称LCD)方法对包络信号进行分解,筛选出包含主要信息的内禀尺度分量(intrinsic scale components,简称ISCs);然后,对提取的各ISCs分量构建初始特征矩阵并进行奇异值分解(singular value decomposition,简称SVD),将得到的奇异值作为表征各损伤信号的特征向量;最后,以提取的特征向量为输入样本,建立ELM模式分类器对滚动轴承损伤信号进行识别。信号仿真和实测数据表明,该方法可有效提取振动信号故障特征,提高分类识别精度,实现滚动轴承故障诊断。
展开更多
关键词
滚动轴承
冗余二代小波包变换
局部特征尺度分解
极限学习机
特征提取
模式识别
下载PDF
职称材料
基于RSGWPT和EEMD的滚动轴承故障诊断
被引量:
3
2
作者
王德丽
韩宝珠
佟庆彬
《电子设计工程》
2016年第11期102-104,107,共4页
针对较强噪声环境下的滚动轴承故障识别问题,提出并研究了一种新的滚动轴承故障诊断技术,采用将冗余二代小波包变换(RSGWPT)和集合经验模态分解(EEMD)相结合提取故障特征的方法。仿真实验和振动信号诊断结果表明,此方法可以提取特征频率...
针对较强噪声环境下的滚动轴承故障识别问题,提出并研究了一种新的滚动轴承故障诊断技术,采用将冗余二代小波包变换(RSGWPT)和集合经验模态分解(EEMD)相结合提取故障特征的方法。仿真实验和振动信号诊断结果表明,此方法可以提取特征频率,有效抑制噪声,根据实际数据准确地诊断出滚动轴承的故障类型,为强噪声背景下提取弱信号开辟了新思路。
展开更多
关键词
冗余二代小波包变换
集合经验模态分解
滚动轴承
故障诊断
下载PDF
职称材料
题名
基于RSGWPT-LCD的轴承信号故障特征提取及模式识别
被引量:
3
1
作者
王保华
佟庆彬
胡海
曹君慈
韩宝珠
卢艳霞
张卫东
朱颖
机构
北京交通大学电气工程学院
中国兵器工业导航与控制研究所
华北电力大学新能源电力系统国家重点试验室
出处
《振动.测试与诊断》
EI
CSCD
北大核心
2018年第4期719-726,共8页
基金
新能源电力系统国家重点试验室资助项目(LAPS15019)
国家自然科学基金资助项目(51575140)
中央高校基本科研业务费专项基金资助项目(2014JBZ017)
文摘
为了有效提取滚动轴承振动信号的故障特征和提高分类识别精度,提出了一种基于冗余二代小波包变换-局部特征尺度分解(redundant second generation wavelet packet transform-local characteristic scale decomposition,简称RSGWPT-LCD)和极限学习机(extreme learning machine,简称ELM)相结合的故障特征提取和分类识别方法。首先,利用希尔伯特变换对原始振动信号进行处理,得到包络信号;其次,基于双层筛选机制,结合冗余二代小波包变换(redundant second generation wavelet packet transform,简称RSGWPT)和局部特征尺度分解(local characteristic-scale decomposition,简称LCD)方法对包络信号进行分解,筛选出包含主要信息的内禀尺度分量(intrinsic scale components,简称ISCs);然后,对提取的各ISCs分量构建初始特征矩阵并进行奇异值分解(singular value decomposition,简称SVD),将得到的奇异值作为表征各损伤信号的特征向量;最后,以提取的特征向量为输入样本,建立ELM模式分类器对滚动轴承损伤信号进行识别。信号仿真和实测数据表明,该方法可有效提取振动信号故障特征,提高分类识别精度,实现滚动轴承故障诊断。
关键词
滚动轴承
冗余二代小波包变换
局部特征尺度分解
极限学习机
特征提取
模式识别
Keywords
rolling element bearings
redundant second generation wavelet packet transform(RSGWPT)
local characteristic-scale decomposition(LCD)
extreme learning machine(ELM)
feature extraction
pattern recognition
分类号
TH132.3 [机械工程—机械制造及自动化]
TP277 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
基于RSGWPT和EEMD的滚动轴承故障诊断
被引量:
3
2
作者
王德丽
韩宝珠
佟庆彬
机构
北京交通大学电气工程学院
出处
《电子设计工程》
2016年第11期102-104,107,共4页
基金
国家自然科学基金(51577007)
文摘
针对较强噪声环境下的滚动轴承故障识别问题,提出并研究了一种新的滚动轴承故障诊断技术,采用将冗余二代小波包变换(RSGWPT)和集合经验模态分解(EEMD)相结合提取故障特征的方法。仿真实验和振动信号诊断结果表明,此方法可以提取特征频率,有效抑制噪声,根据实际数据准确地诊断出滚动轴承的故障类型,为强噪声背景下提取弱信号开辟了新思路。
关键词
冗余二代小波包变换
集合经验模态分解
滚动轴承
故障诊断
Keywords
RSGWPT
EEMD
rolling element bearings
fault diagnosis
分类号
TN-9 [电子电信]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于RSGWPT-LCD的轴承信号故障特征提取及模式识别
王保华
佟庆彬
胡海
曹君慈
韩宝珠
卢艳霞
张卫东
朱颖
《振动.测试与诊断》
EI
CSCD
北大核心
2018
3
下载PDF
职称材料
2
基于RSGWPT和EEMD的滚动轴承故障诊断
王德丽
韩宝珠
佟庆彬
《电子设计工程》
2016
3
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部