利用传统故障诊断方法对滚动轴承进行诊断时存在故障特征提取困难以及提取特征不明显的问题。针对此问题,提出了一种基于鲁棒局部均值分解(robust local mean decomposition,RLMD)以及二阶瞬态提取变换(second-order transient-extracti...利用传统故障诊断方法对滚动轴承进行诊断时存在故障特征提取困难以及提取特征不明显的问题。针对此问题,提出了一种基于鲁棒局部均值分解(robust local mean decomposition,RLMD)以及二阶瞬态提取变换(second-order transient-extracting transform,STET)的故障特征提取方法。首先对滚动轴承故障信号进行RLMD处理,得到一系列故障信息丰富的特征分量。然后利用二阶瞬态提取变换善于提取信号中强脉冲分量的特点,对筛选出的分量进行二阶瞬态提取变换以提取脉冲故障特征进行诊断分析。实验分析结果表明,该方法能够有效地提取出故障特征,且特征提取效果优于传统诊断方法,适用于滚动轴承故障诊断。展开更多
针对大地测量型GNSS接收机获取的信噪比(Signal to Noise Ratio,SNR)观测值存在趋势项分离不佳和信号叠加干涉的问题,融合自适应噪声完备集合鲁棒局部均值分解方法对原始SNR信号进行分解,有效分离SNR观测值中的趋势项并提取相应的潮位信...针对大地测量型GNSS接收机获取的信噪比(Signal to Noise Ratio,SNR)观测值存在趋势项分离不佳和信号叠加干涉的问题,融合自适应噪声完备集合鲁棒局部均值分解方法对原始SNR信号进行分解,有效分离SNR观测值中的趋势项并提取相应的潮位信号,以布设在美国华盛顿州星期五海港岸边的SC02测站为例,利用实测数据反演潮位变化并与传统的低阶多项式拟合方法进行对比分析。结果表明,融合CERLMDAN方法的反演结果的均方根误差(Root Mean Square Error,RMSE)、相关系数分别为0.56 m和0.97,相比于传统方法的反演精度提升了33.7%。展开更多
文摘利用传统故障诊断方法对滚动轴承进行诊断时存在故障特征提取困难以及提取特征不明显的问题。针对此问题,提出了一种基于鲁棒局部均值分解(robust local mean decomposition,RLMD)以及二阶瞬态提取变换(second-order transient-extracting transform,STET)的故障特征提取方法。首先对滚动轴承故障信号进行RLMD处理,得到一系列故障信息丰富的特征分量。然后利用二阶瞬态提取变换善于提取信号中强脉冲分量的特点,对筛选出的分量进行二阶瞬态提取变换以提取脉冲故障特征进行诊断分析。实验分析结果表明,该方法能够有效地提取出故障特征,且特征提取效果优于传统诊断方法,适用于滚动轴承故障诊断。
文摘针对大地测量型GNSS接收机获取的信噪比(Signal to Noise Ratio,SNR)观测值存在趋势项分离不佳和信号叠加干涉的问题,融合自适应噪声完备集合鲁棒局部均值分解方法对原始SNR信号进行分解,有效分离SNR观测值中的趋势项并提取相应的潮位信号,以布设在美国华盛顿州星期五海港岸边的SC02测站为例,利用实测数据反演潮位变化并与传统的低阶多项式拟合方法进行对比分析。结果表明,融合CERLMDAN方法的反演结果的均方根误差(Root Mean Square Error,RMSE)、相关系数分别为0.56 m和0.97,相比于传统方法的反演精度提升了33.7%。