期刊文献+
共找到187篇文章
< 1 2 10 >
每页显示 20 50 100
Analysis of heart rate variability based on singular value decomposition entropy 被引量:2
1
作者 李世阳 杨明 +1 位作者 李存岑 蔡萍 《Journal of Shanghai University(English Edition)》 CAS 2008年第5期433-437,共5页
Assessing the dynamics of heart rate fluctuations can provide valuable information about heart status. In this study, regularity of heart rate variability (HRV) of heart failure patients and healthy persons using th... Assessing the dynamics of heart rate fluctuations can provide valuable information about heart status. In this study, regularity of heart rate variability (HRV) of heart failure patients and healthy persons using the concept of singular value decomposition entropy (SvdEn) is analyzed. SvdEn is calculated from the time series using normalized singular values. The advantage of this method is its simplicity and fast computation. It enables analysis of very short and non-stationary data sets. The results show that SvdEn of patients with congestive heart failure (CHF) shows a low value (SvdEn: 0.056±0.006, p 〈 0.01) which can be completely separated from healthy subjects. In addition, differences of SvdEn values between day and night are found for the healthy groups. SvdEn decreases with age. The lower the SvdEn values, the higher the risk of heart disease. Moreover, SvdEn is associated with the energy of heart rhythm. The results show that using SvdEn for discriminating HRV in different physiological states for clinical applications is feasible and simple. 展开更多
关键词 heart rate variability (HRV) singular value decomposition (SVD) entropy congestive heart failure (CHF)
下载PDF
Research on the detecting methods of singularity in deformation signal based on two kinds of wavelet entropy
2
作者 ZHANG Hua-rong QU Guo-qing RENTing 《Journal of Coal Science & Engineering(China)》 2012年第2期213-217,共5页
There are various influencing factors that affect the deformation observation, and deformation signals show differ- ent characteristics under different scales. Wavelet analysis possesses multi-scale property, and the ... There are various influencing factors that affect the deformation observation, and deformation signals show differ- ent characteristics under different scales. Wavelet analysis possesses multi-scale property, and the information entropy has great representational capability to the complexity of information. By hamming window to the wavelet coefficients and windowed wavelet energy obtained by multi-resolution analysis (MRA), it can be achieved to measure the wavelet time entropy (WTE) and wavelet energy entropy (WEE). The paper established deformation signals, selected the parameters, and compared the sin- gularity detection ability and anti-noise ability of two kinds of wavelet entropy and applied them to the singularity detection at the GPS continuously operating reference stations. It is shown that the WTE performs well in weak singularity information de- tection in finite frequency components signals and the WEE is more suitable for detecting the singularity in the signals with complex, strong background noise. 展开更多
关键词 deformation signal wavelet time entropy wavelet energy entropy singularity detection
下载PDF
Relic Entropy Growth and Initial Big Bang Conditions, as a Subset of Quantum Information
3
作者 Andrew W. Beckwith 《Journal of High Energy Physics, Gravitation and Cosmology》 2016年第3期392-411,共20页
This paper shows how increased entropy values from an initially low big bang level can be measured experimentally by counting relic gravitons. Furthermore the physical mechanism of this entropy increase is explained v... This paper shows how increased entropy values from an initially low big bang level can be measured experimentally by counting relic gravitons. Furthermore the physical mechanism of this entropy increase is explained via analogies with early-universe phase transitions. The role of Ng’s revised infinite quantum statistics in the physics of gravitational wave detection is acknowledged. Ng’s infinite quantum statistics can be used to show that is a starting point to the increasing net universe cosmological entropy. Finally, in a nod to similarities with zero point energy (ZPE) analysis, it is important to note that the resulting in fact is much lower, allowing for evaluating initial graviton production as an emergent field phenomena, which may be similar to how ZPE states can be used to extract energy from a vacuum if entropy is not maximized. The rapid increase in entropy so alluded to without near sudden increases to 10<sup>88</sup> may be enough to allow successful modeling of relic graviton production for entropy in a manner similar to zero point energy (ZPE) energy extraction from a vacuum state. This entropy count is akin to quantum information models used to tell how much “information” may be stored in initial conditions, and transferred from a prior to the present 展开更多
关键词 entropy Cosmic singularity Zero Point energy (ZPE) Emergent Fields GRAVITONS Vacuum States Quantum Information States Anti de Sitter Correspondence with Conformal Field Theory (Ads/CFT)
下载PDF
基于PE-CEEMD-SVD的Φ-OTDR信号降噪方法
4
作者 姚国珍 李炳峰 谷元宇 《半导体光电》 CAS 北大核心 2024年第4期662-668,共7页
为实现相位敏感光时域反射仪中相位信号的精确测量,提出了一种基于排列熵算法的互补集合经验模态分解联合奇异值分解的新型降噪方法(PE-CEEMD-SVD)。首先,对含有噪声的相位信号进行CEEMD分解,得到一系列频率不同的IMF分量;然后,将PE算... 为实现相位敏感光时域反射仪中相位信号的精确测量,提出了一种基于排列熵算法的互补集合经验模态分解联合奇异值分解的新型降噪方法(PE-CEEMD-SVD)。首先,对含有噪声的相位信号进行CEEMD分解,得到一系列频率不同的IMF分量;然后,将PE算法和相关系数机制相结合,保留较大相关的有用分量,对较小相关的噪声分量使用SVD算法进行二次降噪;最后将两次降噪后保留下来的有用分量进行重构。仿真和实验结果表明,相较于EMD、EEMD和CEEMD降噪方法,该方法可获得更高信噪比的信号,有利于相位信号的精确测量。 展开更多
关键词 相位敏感光时域反射仪 排列熵 互补集合经验模态分解 奇异值分解 信噪比
下载PDF
基于EEMD奇异值熵的局部放电模式识别 被引量:1
5
作者 罗日平 罗颖婷 +2 位作者 赖诗钰 赵显阳 王立琪 《电子技术应用》 2024年第3期53-58,共6页
针对气体绝缘组合电器(GIS)局部放电故障信号非平稳性和放电类型识别准确率低的问题,提出了一种基于集合经验模态分解(EEMD)奇异值熵的局部放电模式识别算法。首先对局部放电原始信号进行EEMD分解,得到多个固有模态分量(IMF),根据均方... 针对气体绝缘组合电器(GIS)局部放电故障信号非平稳性和放电类型识别准确率低的问题,提出了一种基于集合经验模态分解(EEMD)奇异值熵的局部放电模式识别算法。首先对局部放电原始信号进行EEMD分解,得到多个固有模态分量(IMF),根据均方差、峭度和欧氏距离评价指标选取隐含放电信息居多的最优模态分量进行信号重构;然后对重构信号进行奇异值分解,结合信息熵算法计算出奇异值熵;最后,根据奇异值熵大小区分出GIS局部放电的类型。实验结果表明,通过与传统的EMD奇异值熵和VMD奇异值熵算法对比,该方法可以有效地通过各自不同区间的奇异熵值进行识别放电类型。 展开更多
关键词 集合经验模态分解 奇异值熵 评价指标 局部放电 模式识别
下载PDF
基于EEMD能量熵和GJO-KELM的滚动轴承故障诊断
6
作者 史书杰 赵凤强 +2 位作者 王波 杨晨昊 周帅 《电子测量技术》 北大核心 2024年第6期116-122,共7页
滚动轴承在旋转机械中发挥着重要作用,若出现故障,轻则引起设备停机,重则危及现场人员生命安全,因此有必要对其进行故障诊断。针对滚动轴承故障特征难以提取,传统分类方法正确率不高的问题,本文提出一种基于集合经验模态分解(EEMD)能量... 滚动轴承在旋转机械中发挥着重要作用,若出现故障,轻则引起设备停机,重则危及现场人员生命安全,因此有必要对其进行故障诊断。针对滚动轴承故障特征难以提取,传统分类方法正确率不高的问题,本文提出一种基于集合经验模态分解(EEMD)能量熵和金豺优化算法(GJO)优化核极限学习机(KELM)的故障诊断方法,实现了提取滚动轴承故障特征并正确分类的目标。通过实验数据进行验证,该方法能够提取到滚动轴承原始信号中隐含的故障信息特征,其诊断正确率高达98.47%。 展开更多
关键词 eemd 能量熵 金豺优化算法 核极限学习机 故障诊断
下载PDF
基于EEMD-KECA的风电机组滚动轴承故障诊断 被引量:23
7
作者 齐咏生 张二宁 +2 位作者 高胜利 王林 高学金 《太阳能学报》 EI CAS CSCD 北大核心 2017年第7期1943-1951,共9页
针对传统频域诊断算法不能充分挖掘出非线性、非平稳信号内部本质信息的问题,提出基于聚合经验模态分解(EEMD)的复合特征提取和基于核熵成分分析(KECA)的故障自动诊断算法。该方法首先采用EEMD将原始信号分解成若干特征模态函数(IMF),计... 针对传统频域诊断算法不能充分挖掘出非线性、非平稳信号内部本质信息的问题,提出基于聚合经验模态分解(EEMD)的复合特征提取和基于核熵成分分析(KECA)的故障自动诊断算法。该方法首先采用EEMD将原始信号分解成若干特征模态函数(IMF),计算IMF能量和信号的能量熵构建复合特征向量并作为KECA的输入,之后建立KECA非线性分类器并引入一种新的监测统计量——散度测度统计量,实现故障的实时监测与自动诊断。采用KECA可实现根据熵值大小进行特征分类,具有较强的非线性处理能力,且不同特征信息之间呈现出显著的角度差异,易于分类。最后通过实际风电机组滚动轴承应用实例对算法进行验证,结果表明该方法可有效提取信号中的故障特征,实现对滚动轴承的故障诊断,相比神经网络分类方法具有更高的识别率。 展开更多
关键词 故障诊断 聚合经验模态分解 核熵成分分析 能量熵 滚动轴承
下载PDF
基于EEMD能量熵的齿轮接触疲劳试验点蚀分析 被引量:9
8
作者 刘亚琼 王铁 +2 位作者 张瑞亮 史若男 张国栋 《机械强度》 CAS CSCD 北大核心 2014年第3期363-367,共5页
为了研究大模数合金钢齿轮采用单齿表面感应淬火热处理工艺后的接触疲劳特性,进行了相应的齿轮接触疲劳试验。采用总体平均经验模态分解(EEMD)将采集的振动信号分解,并计算其能量熵,进而分析试验过程中能量熵值变化情况,以及其与齿面点... 为了研究大模数合金钢齿轮采用单齿表面感应淬火热处理工艺后的接触疲劳特性,进行了相应的齿轮接触疲劳试验。采用总体平均经验模态分解(EEMD)将采集的振动信号分解,并计算其能量熵,进而分析试验过程中能量熵值变化情况,以及其与齿面点蚀情况的对应关系;从而可以将能量熵值作为一个辅助性指标来判断齿轮是否点蚀失效,完善齿轮接触疲劳试验点蚀失效的判据,为齿轮疲劳寿命预测提供基础试验数据。 展开更多
关键词 齿轮接触疲劳试验 eemd能量熵 点蚀
下载PDF
基于EEMD-SVD-PE的轨道波磨趋势项提取 被引量:11
9
作者 陈亮 刘宏立 +2 位作者 郑倩 马子骥 李艳福 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2019年第5期171-177,共7页
钢轨波磨检测是保障行车安全的重要手段,针对复杂钢轨线路波磨数据中的轨道起伏趋势提取问题,提出了一种基于排列组合熵(Permutation Entropy, PE)选取低复杂度奇异值分量重构趋势的EEMD-SVD信号去趋方法.相比已有的经验模式分解去趋算... 钢轨波磨检测是保障行车安全的重要手段,针对复杂钢轨线路波磨数据中的轨道起伏趋势提取问题,提出了一种基于排列组合熵(Permutation Entropy, PE)选取低复杂度奇异值分量重构趋势的EEMD-SVD信号去趋方法.相比已有的经验模式分解去趋算法,该方法考虑到原始IMF可能存在的信号成分混杂问题(如含有白噪声与信号的低频成分),首次提出通过奇异值分解来精确提取隐藏在多维IMF矩阵中的趋势项成分作为奇异值分量.由于协方差矩阵构建的奇异值分量排列时只考虑了能量的分布而未考虑趋势项信号低复杂度、高幅的特点,使用排列组合熵来选出符合趋势项特征的奇异值分量,最后对满足要求的奇异值分量进行重建得到最终的趋势项.为验证本文方法的有效性,分别进行了数字仿真和实际钢轨波磨数据去趋实验.数字仿真实验结果表明该方法整体去趋性能优于低通滤波法、与EMD结合的线性规划法和小波分解法,尤其在多信噪比的仿真实验中,当信噪比较低时,提趋准确率最大提高约30%.同时,实际钢轨波磨数据去趋实验说明本文方法能够适用于钢轨波磨检测. 展开更多
关键词 聚合经验模态分解 奇异值分解 排列组合熵 信号去趋
下载PDF
基于改进CEEMDAN方法确定微差爆破实际延期时间 被引量:7
10
作者 张亮 凌同华 +2 位作者 陈增辉 张胜 余彬 《振动与冲击》 EI CSCD 北大核心 2020年第20期274-280,共7页
针对微差爆破实际延期间隔识别中容易出现的模态混叠和伪分量问题,提出了一种CEEMDAN算法结合排列熵和奇异值分解理论联合识别微差爆破延期时间的方法。以某微风化花岗岩场地实测爆破振动信号为例,分别采用EMD算法与CEEMDAN算法对仿真... 针对微差爆破实际延期间隔识别中容易出现的模态混叠和伪分量问题,提出了一种CEEMDAN算法结合排列熵和奇异值分解理论联合识别微差爆破延期时间的方法。以某微风化花岗岩场地实测爆破振动信号为例,分别采用EMD算法与CEEMDAN算法对仿真微差爆破信号和实测微差爆破信号实际延期间隔进行识别,在CEEMDAN算法识别的基础上,用排列熵定量检测保留爆破震动特征的有效IMF分量,对熵值大于0.5的IMF分量利用奇异值分解作处理,并采用Hilbert变换绘制相应IMF分量的包络谱。结果表明:CEEMDAN方法能识别微差爆破延期时间,且能有效克服模态混叠现象。经CEEMDAN法处理的数据依旧存在虚假分量的问题,通过排列熵检测和奇异值分解降噪处理有效地压制了噪声,使有效IMF分量的包络谱变得更光滑,从而进一步降低干扰,实现微差爆破延期时间的准确识别。 展开更多
关键词 EMD CeemdAN 排列熵 奇异值分解 微差延期间隔
下载PDF
EEMD联合能量熵及小波阈值的语音去噪方法 被引量:10
11
作者 张雪 龚晓峰 《计算机工程与设计》 北大核心 2016年第3期731-736,共6页
针对传统语音信号去噪方法可能滤除了有效信号且信噪比尚可提升的问题,提出一种基于集合经验模态分解(EEMD)的联合能量熵与小波阈值的自适应去噪方法。基于对语音信号的EEMD分解结果,利用能量熵确定高频部分与低频部分的分界并计算阈值... 针对传统语音信号去噪方法可能滤除了有效信号且信噪比尚可提升的问题,提出一种基于集合经验模态分解(EEMD)的联合能量熵与小波阈值的自适应去噪方法。基于对语音信号的EEMD分解结果,利用能量熵确定高频部分与低频部分的分界并计算阈值,对高频部分采用小波阈值降噪后与低频部分重构信号。MATLAB仿真结果表明,在低信噪比条件下,采用该方法能显著提高信噪比,减小均方根误差,与EMD法、小波阈值降噪相比,缓解了EMD分解的模态混叠现象,有效解决了小波分解中需要预先设定小波基及分解层数的问题,达到了良好的抑制噪声效果。 展开更多
关键词 语音信号 集合经验模态分解 能量熵 阈值 信噪比
下载PDF
EEMD模糊熵和变量预测模型的转子故障诊断新方法 被引量:4
12
作者 崔心瀚 马立元 +2 位作者 魏忠林 李世龙 王天辉 《内燃机工程》 EI CAS CSCD 北大核心 2016年第4期84-91,共8页
提出一种基于总体经验模态分解(ensemble empirical mode decomposition,EEMD)模糊熵和变量预测模型的转子故障诊断新方法,并将其应用于某型燃涡发动机转子的非平稳振动信号分析及故障诊断。将基于变量预测模型的模式识别方法引入转子... 提出一种基于总体经验模态分解(ensemble empirical mode decomposition,EEMD)模糊熵和变量预测模型的转子故障诊断新方法,并将其应用于某型燃涡发动机转子的非平稳振动信号分析及故障诊断。将基于变量预测模型的模式识别方法引入转子故障模式识别中,利用其较强的非线性问题处理能力,通过变量内部特征值之间的内在关系建立预测模型,并以预测误差平方和最小作为故障模式判别依据。首先利用EEMD将转子振动信号分解成若干个模式分量;然后分别计算各个分量的指标能量,筛选出包含主要故障信息的分量并提取模糊熵组成特征向量;最后采用基于变量预测模型的模式识别方法进行故障识别和分类。对某型燃涡发动机转子正常、不平衡、不对中三种不同状态下的振动信号进行分析,结果表明所提方法能够有效识别转子工作状态。与神经网络、支持向量机算法的对比分析证明,所提方法能更准确、更高效地完成转子故障诊断。 展开更多
关键词 内燃机 变量预测模型 总体经验模态分解 模糊熵 指标能量 故障诊断
下载PDF
EEMD能量熵和奇异值熵与SVM融合的船用空压机故障诊断 被引量:7
13
作者 王永坚 胡欢欢 李品芳 《上海海事大学学报》 北大核心 2020年第4期95-102,共8页
针对船用往复式二级空压机振动信号非线性、非平稳性问题,利用振动信号辨识故障,综合集成经验模态分解(ensemble empirical mode decomposition,EEMD)和支持向量机(support vector machine,SVM)的信号处理优势,提出一种将EEMD能量熵和... 针对船用往复式二级空压机振动信号非线性、非平稳性问题,利用振动信号辨识故障,综合集成经验模态分解(ensemble empirical mode decomposition,EEMD)和支持向量机(support vector machine,SVM)的信号处理优势,提出一种将EEMD能量熵和奇异值熵与SVM融合的船用空压机故障诊断方法。模拟正常状态和4种故障状态进行故障诊断实验。采集的振动信号用小波降噪法进行处理。为模拟船用空压机实际工作环境,在EEMD处理过程中加入加性高斯白噪声(信噪比7.5 dB)。以相关性为评价指标选取各状态下本征模态函数(intrinsic mode function,IMF),并以每个IMF的能量熵和奇异值熵作为特征值,采用SVM分类器识别故障。实验表明:与基于经验模态分解(empirical mode decomposition,EMD)和SVM等故障诊断方法相比,该方法能更有效地识别故障。该方法在实船应用中获得较好的诊断效果,可为现代船舶智能故障诊断研究提供参考。 展开更多
关键词 船用往复式二级空压机 集成经验模态分解(eemd) eemd能量熵和奇异值熵 支持向量机(SVM) 故障诊断
下载PDF
基于EEMD和马氏距离的高压断路器机械故障诊断研究 被引量:16
14
作者 孙抗 刘永超 《高压电器》 CAS CSCD 北大核心 2018年第12期43-49,共7页
断路器的振动信号可以有效反映其机械运行状态,针对目前使用振动信号判别断路器常见机械故障正确率较低的现状,提出一种基于集合经验模态分解(EEMD)和马氏距离判别法的高压断路器机械故障诊断方法。首先,针对断路器振动信号的瞬时非平... 断路器的振动信号可以有效反映其机械运行状态,针对目前使用振动信号判别断路器常见机械故障正确率较低的现状,提出一种基于集合经验模态分解(EEMD)和马氏距离判别法的高压断路器机械故障诊断方法。首先,针对断路器振动信号的瞬时非平稳特性,使用EEMD将其分解得到若干个固有模态函数(IMF)。然后,基于EEMD的能量熵并联合其均方根值,构造一种新的故障特征向量。最后,利用马氏距离判别法进行机械故障识别。实验结果表明,该方法用于识别断路器正常、传动机构卡涩和基座螺丝松动等常见机械故障时,正确率可达到95.7%,具有较高的实际应用价值。 展开更多
关键词 高压断路器 eemd能量熵 均方根值 振动信号 马氏距离判别法
下载PDF
基于EEMD和模糊C均值聚类的风电机组齿轮箱故障诊断 被引量:35
15
作者 王军辉 贾嵘 谭泊 《太阳能学报》 EI CAS CSCD 北大核心 2015年第2期319-324,共6页
针对风电机组齿轮箱中齿轮故障特征提取与故障诊断问题,提出一种基于集合经验模式分解(EEMD)、奇异谱熵和模糊C均值聚类的故障诊断方法。首先对原始振动信号进行EEMD分解,得到各阶本征模态函数(IMF)构成的特征模式矩阵。接着对该特征模... 针对风电机组齿轮箱中齿轮故障特征提取与故障诊断问题,提出一种基于集合经验模式分解(EEMD)、奇异谱熵和模糊C均值聚类的故障诊断方法。首先对原始振动信号进行EEMD分解,得到各阶本征模态函数(IMF)构成的特征模式矩阵。接着对该特征模式矩阵求奇异谱熵值,奇异谱熵值的大小能反映部件的工作状态和故障类型。最后,将得到的奇异谱熵值矩阵进行模糊聚类分析并得到分类结果。通过对齿面磨损、齿面剥落和正常3种齿轮状态分别使用EMD法和EEMD法进行故障分类对比,结果验证了该方法的有效性和可行性,同时证明EEMD法具有更好的分类效果。 展开更多
关键词 风电机组 齿轮箱 故障诊断 集合经验模式分解 奇异谱熵 模糊C均值聚类
下载PDF
基于EEMD的奇异谱熵在旋转机械故障诊断中的应用 被引量:13
16
作者 高清清 贾民平 《东南大学学报(自然科学版)》 EI CAS CSCD 北大核心 2011年第5期998-1001,共4页
针对旋转机械振动信号的非平稳、非线性等特点,提出一种基于集合经验模式分解(EE-MD)的奇异谱熵信号分析及故障诊断方法.该方法利用EEMD有效抑制模式混叠现象的优点,首先对原始振动信号进行EEMD分解,得到各阶本征模态函数(IMF),然后将各... 针对旋转机械振动信号的非平稳、非线性等特点,提出一种基于集合经验模式分解(EE-MD)的奇异谱熵信号分析及故障诊断方法.该方法利用EEMD有效抑制模式混叠现象的优点,首先对原始振动信号进行EEMD分解,得到各阶本征模态函数(IMF),然后将各阶IMF分量构成一个特征模式矩阵,并对该特征模式矩阵求奇异谱熵值.奇异谱熵值的大小能够反映系统的工作状态和故障类型.分别用基于经验模式分解(EMD)和集合经验模式分解的奇异谱熵对车削颤振的振动信号分析对比,结果验证了该方法的有效性和可行性. 展开更多
关键词 旋转机械 颤振 集合经验模式分解 奇异谱熵
下载PDF
基于EEMD和SVM风机故障诊断的研究 被引量:1
17
作者 吴新忠 陈炳光 +1 位作者 牛洪海 朱静雅 《煤炭技术》 CAS 北大核心 2017年第4期252-254,共3页
针对如何提高煤矿主通风机故障诊断的准确率的问题,提出了一种基于集合经验模态分解(EEMD)和支持向量机(SVM)的风机故障诊断模型。该模型通过分解振动信号得到模态函数,提取能量熵作为故障诊断的特征值,使用粒子群优化算法(PSO)优化过... 针对如何提高煤矿主通风机故障诊断的准确率的问题,提出了一种基于集合经验模态分解(EEMD)和支持向量机(SVM)的风机故障诊断模型。该模型通过分解振动信号得到模态函数,提取能量熵作为故障诊断的特征值,使用粒子群优化算法(PSO)优化过的支持向量机模型诊断故障,其准确率已从87.5%上升到98.75%,实验表明,该模型的故障诊断正确率比较理想。 展开更多
关键词 风机 集合经验模态分解 能量熵 粒子群算法 支持向量机
下载PDF
敏感SVD和EEMD的故障诊断方法研究 被引量:3
18
作者 齐鹏 范玉刚 冯早 《传感器与微系统》 CSCD 2018年第2期67-71,共5页
在噪声干扰下有效提取振动信号所包含的微弱故障特征,是轴承故障诊断的关键问题,提出了一种基于敏感奇异值分解(SSVD)和总体平均经验模态分解(EEMD)的故障诊断方法。对时域振动信号进行敏感SVD分析,通过敏感因子选择反映故障冲击特征的... 在噪声干扰下有效提取振动信号所包含的微弱故障特征,是轴承故障诊断的关键问题,提出了一种基于敏感奇异值分解(SSVD)和总体平均经验模态分解(EEMD)的故障诊断方法。对时域振动信号进行敏感SVD分析,通过敏感因子选择反映故障冲击特征的敏感SVD分量,并利用定位因子定位分量信号所对应奇异值进行振动信号重构,以滤除噪声干扰;对降噪信号进行EEMD,根据峭度准则选取故障信息丰富的敏感固有模态分量(IMF),有效提取局部微弱故障信息;利用Teager-Kaiser能量算子(TKEO)计算故障信息的瞬时能量,并对其进行频谱分析,获取故障特征频率,以识别故障类型。方法应用于轴承故障诊断,实验证明了所提方法的有效性。 展开更多
关键词 敏感奇异值分解 总体平均经验模态分解 敏感因子 定位因子 峭度准则 Teager-Kaiser能量算子
下载PDF
基于一种EEMD的能量算子解调机械故障诊断
19
作者 王建国 王戈 +2 位作者 王少锋 高琳 仲济祥 《兰州理工大学学报》 CAS 北大核心 2016年第6期43-47,共5页
针对在强噪声背景下轴承振动信号的非线性、非平稳性以及信号出现的复杂调制现象,提出了一种基于小波包熵与EEMD(总体模态分解)相结合的能量算子解调故障诊断方法.根据信号的小波包熵值对信号小波包降噪,采用EEMD方法选取相关度最大的I... 针对在强噪声背景下轴承振动信号的非线性、非平稳性以及信号出现的复杂调制现象,提出了一种基于小波包熵与EEMD(总体模态分解)相结合的能量算子解调故障诊断方法.根据信号的小波包熵值对信号小波包降噪,采用EEMD方法选取相关度最大的IMF(本征模态分量)以避免选取信号的盲目性,对该分量进行能量算子解调,实现提取该分量下的故障信号的幅值和频率信息.对机械故障振动信号进行实验分析表明,相对于EMD分析存在的模态混叠现象以及普通Hilbert解调法的运算精度满足不了诊断需求的情况,该方法能够有效解调出故障频率信息,以实现对故障类别的推断. 展开更多
关键词 小波包熵值 eemd 能量算子 调制解调 故障诊断
下载PDF
基于EEMD奇异值熵的滚动轴承故障诊断方法 被引量:38
20
作者 张琛 赵荣珍 邓林峰 《振动.测试与诊断》 EI CSCD 北大核心 2019年第2期353-358,446,447,共8页
为充分利用振动信号进行故障辨识,提出一种基于集合经验模态分解(ensemble empirical mode decomposition,简称EEMD)奇异值熵判据的滚动轴承故障诊断方法。首先,对滚动轴承的振动信号进行EEMD分解获得若干个本征模态函数(intrinsic mode... 为充分利用振动信号进行故障辨识,提出一种基于集合经验模态分解(ensemble empirical mode decomposition,简称EEMD)奇异值熵判据的滚动轴承故障诊断方法。首先,对滚动轴承的振动信号进行EEMD分解获得若干个本征模态函数(intrinsic mode function,简称IMF),并根据一种IMF分量故障信息含量的评价指标(即峭度、均方差和欧氏距离)选出能够表征原始信号状态的分量进行信号重构;其次,利用奇异值分解技术对重构信号进行处理,结合信息熵算法求取其奇异值熵;最后,利用奇异值熵的大小判断滚动轴承的故障类别。用美国西储大学滚动轴承振动信号对所述方法进行验证的结果表明,相比传统的EMD奇异值熵故障诊断方法,本方法能够清晰的划分出滚动轴承不同工作状态的类别特征区间,而且具有更高的故障诊断精度。 展开更多
关键词 滚动轴承 集合经验模态分解 奇异值熵 故障诊断
下载PDF
上一页 1 2 10 下一页 到第
使用帮助 返回顶部