局部均值分解(local mean decomposition,LMD)适用于分析非平稳的滚动轴承故障信号。文章针对LMD存在的端点效应以及敏感分量难以筛选的问题,提出一种基于匹配误差的四点波形延拓方法来改善端点效应,将综合特征指标与K-means聚类分析相...局部均值分解(local mean decomposition,LMD)适用于分析非平稳的滚动轴承故障信号。文章针对LMD存在的端点效应以及敏感分量难以筛选的问题,提出一种基于匹配误差的四点波形延拓方法来改善端点效应,将综合特征指标与K-means聚类分析相结合筛选敏感分量;轴承故障信号经改进的LMD分解为若干个乘积函数(product function,PF)分量;计算所有PF分量的8个参数作为综合特征指标,再利用K-means聚类分析进行分类,区分出敏感分量与虚假分量,并重组敏感分量;最后利用包络分析成功提取到故障特征频率。结果表明该方法是一种有效的滚动轴承故障诊断方法。展开更多
采用局部均值分解(local mean decomposition,LMD)算法对电能质量扰动进行检测时存在'端点效应'和'模态混叠'问题,严重影响了检测精度。文章针对分布式电源接入引起的微电网电能质量问题,对LMD算法进行改进,提出四点波...采用局部均值分解(local mean decomposition,LMD)算法对电能质量扰动进行检测时存在'端点效应'和'模态混叠'问题,严重影响了检测精度。文章针对分布式电源接入引起的微电网电能质量问题,对LMD算法进行改进,提出四点波形曲率延拓,寻找最优匹配波形用以改善'端点效应'。采用三次样条函数插值提高计算速度,使得筛选过程更快,间接减小了'端点效应'和'模态混叠'的影响。进一步提出了自适应筛选停止准则,通过内外层循环判据确定筛选停止条件,从而抑制'模态混叠'。通过对单一扰动、复合扰动模拟信号与实测信号的时频分析,验证了所提算法的可行性和有效性。最后通过与其他算法的计算量对比分析,进一步表明所提算法具有较低的计算量。展开更多
文摘局部均值分解(local mean decomposition,LMD)适用于分析非平稳的滚动轴承故障信号。文章针对LMD存在的端点效应以及敏感分量难以筛选的问题,提出一种基于匹配误差的四点波形延拓方法来改善端点效应,将综合特征指标与K-means聚类分析相结合筛选敏感分量;轴承故障信号经改进的LMD分解为若干个乘积函数(product function,PF)分量;计算所有PF分量的8个参数作为综合特征指标,再利用K-means聚类分析进行分类,区分出敏感分量与虚假分量,并重组敏感分量;最后利用包络分析成功提取到故障特征频率。结果表明该方法是一种有效的滚动轴承故障诊断方法。
文摘采用局部均值分解(local mean decomposition,LMD)算法对电能质量扰动进行检测时存在'端点效应'和'模态混叠'问题,严重影响了检测精度。文章针对分布式电源接入引起的微电网电能质量问题,对LMD算法进行改进,提出四点波形曲率延拓,寻找最优匹配波形用以改善'端点效应'。采用三次样条函数插值提高计算速度,使得筛选过程更快,间接减小了'端点效应'和'模态混叠'的影响。进一步提出了自适应筛选停止准则,通过内外层循环判据确定筛选停止条件,从而抑制'模态混叠'。通过对单一扰动、复合扰动模拟信号与实测信号的时频分析,验证了所提算法的可行性和有效性。最后通过与其他算法的计算量对比分析,进一步表明所提算法具有较低的计算量。