检索结果-南通市图书馆

基于数学形态学和模糊聚类的旋转机械故障诊断

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

仪器仪表学报 2012年第5期33卷 1055-1061页

作者：王书涛张金敏李圆圆张淑清燕山大学电气工程学院河北省测试计量技术及仪器重点实验室秦皇岛066004

提出了一种数学形态学与GG(Gath-Geva)模糊聚类相结合的旋转机械故障诊断方法,通过对滚动轴承信号的多尺度形态运算得到信号的形态谱,定量反映了信号在不同尺度下的形态变化特征。为进一步对滚动轴承信号进行故障识别,提取出基于形态学... 详细信息

提出了一种数学形态学与GG(Gath-Geva)模糊聚类相结合的旋转机械故障诊断方法,通过对滚动轴承信号的多尺度形态运算得到信号的形态谱,定量反映了信号在不同尺度下的形态变化特征。为进一步对滚动轴承信号进行故障识别,提取出基于形态学操作的分形维数和描述不同信号形态特征的指标即形态谱熵,并把这2个参数作为GG聚类的故障特征向量,进行聚类分析,同时对GG聚类与FCM(fuzzy center means)聚类和GK(Gustafaon-Kessel)聚类进行了比较。实验证明了基于数学形态学与GG聚类相结合的机械故障诊断方法的有效性,且证明了GG聚类更适合对不同形状、大小和密度的空间故障数据模糊聚类,聚类效果更好。

关键词：数学形态学 GG模糊聚类分形维数形态谱形态谱熵故障诊断

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于数学形态谱的水泵振动识别研究

人民长江 2014年第14期45卷 93-96页

作者：梁兴南昌工程学院机械与电气工程学院江西南昌330099

针对实测水泵振动信号夹杂噪声等现象,利用多尺度数学形态谱及形态谱熵理论,对不同转速下的水泵振动实测信号进行分析,提取相应的特征形状和特征量,进行振动故障识别,并验证了该方法的可行性与准确性。研究表明,随着转速的逐步增加,存... 详细信息

针对实测水泵振动信号夹杂噪声等现象,利用多尺度数学形态谱及形态谱熵理论,对不同转速下的水泵振动实测信号进行分析,提取相应的特征形状和特征量,进行振动故障识别,并验证了该方法的可行性与准确性。研究表明,随着转速的逐步增加,存在着不对中和不平衡故障的水泵机组,其振动特性可以划分为正常运行、周期性碰摩运行及混沌运行3类;当水泵振动类型相同时,随着转速的变化,相应的数学形态谱及形态谱熵分析结果几乎不变;采用数学形态谱及形态谱熵理论能够对夹杂大量噪声的故障测试信号进行分析处理,且故障信号识别成功率较高,其中形态谱识别成功率高于形态谱熵,能较好地达到故障识别的目的,也充分证明了该方法的抗干扰性。

关键词：水泵振动识别故障诊断数学形态谱形态谱熵

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于数学形态学的水泵振动故障诊断研究

中国农村水利水电 2014年第2期 110-113页

作者：吕石生林亚涛梁兴刘霞湖南省水利厅防汛办公室长沙410007 武汉大学动力与机械学院武汉430072

基于多尺度数学形态谱及形态谱熵等理论,对多组实测水泵故障信号分析对比其形态谱特征和形态谱熵,提取故障信号特征,并结合信号时域图,达到故障识别的目的。研究表明:采用数学形态谱和形态谱熵理论能够对杂乱无章的故障进行特征提取,故... 详细信息

基于多尺度数学形态谱及形态谱熵等理论,对多组实测水泵故障信号分析对比其形态谱特征和形态谱熵,提取故障信号特征,并结合信号时域图,达到故障识别的目的。研究表明:采用数学形态谱和形态谱熵理论能够对杂乱无章的故障进行特征提取,故障信号识别成功率在90%以上,较好地达到了故障诊断的目的,这为信号处理和水泵故障诊断提供了新方法,具有较高的实用价值和学术价值。

关键词：水泵振动故障诊断数学形态谱形态谱熵

经验小波振动特征提取及在往复压缩机故障诊断中的应用

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

经验小波振动特征提取及在往复压缩机故障诊断中的应用

作者：张隆宇东北石油大学

学位级别：硕士

针对往复机械振动信号具有复杂非线性、非平稳等特性,使用一种基于小波框架的自适应经验小波变换(Empirical wavelet transform,简称EWT)和以集合角度处理信号的形态学滤波来进行往复机械故障特征提取。经验小波变换通过构造合适的正交... 详细信息

针对往复机械振动信号具有复杂非线性、非平稳等特性,使用一种基于小波框架的自适应经验小波变换(Empirical wavelet transform,简称EWT)和以集合角度处理信号的形态学滤波来进行往复机械故障特征提取。经验小波变换通过构造合适的正交小波滤波器组对频谱进行划分,提取具有紧支撑傅里叶频谱的调频调幅成分,再使用Hilbert变换对信号进行时频分析。经验小波变换由于其建立在小波变换的框架上,有严格的数学证明,而且计算过程没有迭代等优点,在进行处理非线性非平稳信号时具有数学解释合理、经验模态分量分隔清晰、计算量小等优点。但在实际的往复压缩机故障诊断中,存在着分隔经验模态分量过多、得到的非单组分经验模态分量无法进行Hilbert变换的问题。因此本文从实际出发,以实验数据为基础,对经验小波方法进行改进,使其可以适用于往复压缩机的故障诊断。首先对经验小波变换的频谱分隔方法进行改进,在基于尺度空间理论的频谱分隔方法基础上,通过理论分析与大量数据的对比,优选了分隔经验模态分量效果最优的尺度变换参数,并使用皮尔逊相关系数和峭度对经验模态分量进行优选,实测信号表明改进的经验小波变换是一种稳定有效的信号分解方法。其次,针对实测信号得到的非单组分经验模态分量无法进行Hilbert变换的问题,提出使用基于数学形态学的方法对经验模态分量进行滤波和故障特征提取。该方法通过能量指标判断信号所处的状态,之后,根据信号所处的不同状态自适应构造结构元素对经验模态分量进行形态学滤波,使滤波更有针对性。再次,介绍了形态谱熵这一故障特征提取方法,振动信号处于不同形状特征时,其形态谱特征不同,而形态谱熵正是通过多尺度形态学计算得到的可以定量描述形态谱值的指标。使用该方法对实测信号进行处理,结果表明形态谱熵可以明确地识别故障,并具有良好的稳定性。最后提出了基于经验小波变换与状态形态学滤波的故障特征提取方法,该方法使用改进的经验小波变换进行经验模态分量划分,再经过状态形态学滤波后计算其形态谱熵,从而进行故障识别。利用所提方法对往复压缩机故障数据进行分析,结果表明该方法可以有效提取故障特征,实现不同故障类型的诊断。

关键词：经验小波变换数学形态学形态谱熵往复压缩机故障诊断

基于形态分析和支持向量机的轴承故障分类研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于形态分析和支持向量机的轴承故障分类研究