您的位置: 专家智库 > >

国家自然科学基金(50375157)

作品数:53 被引量:434H指数:14
相关作者:郑海起唐力伟李辉康海英栾军英更多>>
相关机构:中国人民解放军军械工程学院石家庄铁路职业技术学院中北大学更多>>
发文基金:国家自然科学基金浙江省自然科学基金河北省教育厅高等学校自然科学研究项目更多>>
相关领域:机械工程电子电信自动化与计算机技术兵器科学与技术更多>>

文献类型

  • 53篇期刊文章
  • 1篇会议论文

领域

  • 36篇机械工程
  • 9篇电子电信
  • 8篇自动化与计算...
  • 3篇兵器科学与技...
  • 1篇动力工程及工...
  • 1篇一般工业技术
  • 1篇理学

主题

  • 36篇故障诊断
  • 24篇齿轮
  • 17篇阶次跟踪
  • 16篇轴承
  • 14篇轴承故障
  • 12篇经验模态分解
  • 12篇齿轮箱
  • 11篇信号
  • 10篇信号处理
  • 8篇阶次分析
  • 8篇齿轮故障
  • 7篇轴承故障诊断
  • 7篇阶次
  • 5篇时频
  • 5篇包络谱
  • 4篇倒谱
  • 4篇振动
  • 4篇小波
  • 4篇模式识别
  • 4篇角域平均

机构

  • 51篇中国人民解放...
  • 19篇石家庄铁路职...
  • 4篇天津大学
  • 4篇中北大学
  • 3篇石家庄铁道学...
  • 3篇徐州空军学院
  • 3篇中国人民解放...
  • 2篇北京交通大学
  • 2篇清华大学
  • 2篇军械工程学院
  • 1篇河北科技大学
  • 1篇中国人民解放...
  • 1篇中国人民解放...

作者

  • 43篇郑海起
  • 19篇唐力伟
  • 16篇李辉
  • 15篇康海英
  • 14篇栾军英
  • 7篇任国全
  • 4篇徐燕申
  • 4篇潘宏侠
  • 3篇卢如平
  • 3篇张培林
  • 3篇张英堂
  • 3篇杨绍普
  • 3篇李国璋
  • 3篇祁彦洁
  • 3篇方丹
  • 3篇曹进华
  • 3篇田燕
  • 3篇李辉
  • 2篇李毓辉
  • 2篇米东

传媒

  • 9篇振动.测试与...
  • 8篇振动与冲击
  • 5篇机械强度
  • 3篇军械工程学院...
  • 3篇火炮发射与控...
  • 3篇中北大学学报...
  • 2篇数据采集与处...
  • 2篇轴承
  • 2篇润滑与密封
  • 1篇电子测量技术
  • 1篇机械工程学报
  • 1篇农业机械学报
  • 1篇中国机械工程
  • 1篇上海交通大学...
  • 1篇计算机应用研...
  • 1篇内燃机学报
  • 1篇中国电机工程...
  • 1篇河北工业大学...
  • 1篇测试技术学报
  • 1篇机电工程技术

年份

  • 2篇2012
  • 1篇2011
  • 2篇2010
  • 3篇2009
  • 2篇2008
  • 19篇2007
  • 20篇2006
  • 5篇2005
53 条 记 录,以下是 1-10
排序方式:
基于EEMD和THT的齿轮故障诊断方法被引量:20
2011年
提出了一种基于总体平均经验模态分解(ensemble empirical mode decomposition,简称EEMD)和Teager-Huang变换的齿轮箱故障诊断方法,该方法首先运用EEMD方法,将振动信号分解成不同特征时间尺度的单分量固有模态函数,然后用Teager能量算子计算各固有模态函数的瞬时频率和瞬时幅值,得到Teager-Huang变换时频谱。齿轮箱齿轮裂纹故障振动试验信号的研究结果表明,Teager-Huang变换时频谱优于Hilbert-Huang变换时频谱,能有效识别齿轮故障。
李辉郑海起唐力伟
关键词:故障诊断齿轮经验模态分解信号处理
阶次包络谱在轴承故障诊断中的应用被引量:9
2007年
旋转机械的升降速过程包含丰富的状态信息,因而旋转机械的升降速过程对于旋转机械的故障诊断具有独特的价值。将常规的阶次分析技术与包络谱相结合,提出基于阶次包络谱的齿轮箱故障诊断方法。首先对齿轮箱升降速瞬态信号进行时域采样,再对时域信号实行等角度重采样,转化为角域平稳信号,最后对角域重采样信号进行包络谱分析,就可提取轴承的故障特征。通过对轴承内圈、外圈故障实验信号的分析,表明该方法能有效诊断轴承的故障。
李辉郑海起唐力伟
关键词:齿轮箱故障诊断阶次分析包络谱分析
声测法和经验模态分解在轴承故障诊断中的应用被引量:27
2006年
提出了一种基于声测法、经验模态分解(EMD)和包络谱分析的轴承故障诊断新方法。声测法是轴承故障诊断最有效方法之一,但在获得的声测信号中含有大量噪声,严重影响了信号处理的结果。采用EMD可以有效地实现对信号的处理,大大地提高信噪比。EMD是把时间序列信号,分解成不同特征时间尺度的固有模态函数(IMF),具有自适应的分析能力,通过选取表征轴承故障的IMF分量进行包络谱分析,可提取轴承故障信号的特征。实验结果表明该方法能有效地诊断轴承故障。
李辉郑海起唐力伟
关键词:故障诊断轴承包络谱分析
基于阶次倒双谱分析的滚动轴承故障诊断方法被引量:2
2008年
针对齿轮箱升降速过程中振动信号非平稳的特点,将常规的阶次分析与倒双谱技术相结合,提出了基于阶次倒双谱的轴承故障诊断方法.首先对齿轮箱升降速瞬态信号进行时域采样,再对时域非平稳信号进行等角度重采样,转化为角域平稳信号,最后对角域重采样信号进行倒双谱分析,就可提取滚动轴承振动信号的故障特征.通过对滚动轴承内圈、外圈故障实验信号的分析,表明阶次倒双谱分析能有效地诊断滚动轴承故障.
李辉郑海起潘宏侠
关键词:故障诊断滚动轴承阶次跟踪故障特征
基于TMS320VC33和PXI总线的抽样率转换滤波器设计
2007年
传统的机械测试中,欲使系统达到足够带宽,需以较高频率进行采样,致使数据大量冗余;受模拟滤波器本身特性所限,难以通过改变抗混滤波器参数精减数据。因此本文利用TMS320VC33 DSP和PXI总线设计了抽样转换滤波器硬件系统,并简要介绍了抽样率转换滤波器的原理,通过实例在硬件系统上编程实现详细地说明了该系统的应用,得到了比较理想的结果。通过本系统对高频采集的数据做进一步处理,然后上传主机,不仅保证了测试系统的通用性,且又能大幅度精减数据,提高整个测试系统的处理速度。
张秀成栾军英杨通强郑海起张林锐
关键词:数字信号处理器TMS320VC33PXI总线
基于经验模态分解的瞬时相位分析方法的应用被引量:6
2007年
提出了基于经验模态分解的瞬时相位分析的新方法。通过对振动信号作经验模态分解得到信号的固有模态函数,再求出各个固有模态函数的Hilbert变换,得到信号的瞬时相位,通过瞬时相位的傅里叶分析就可提取信号特征。介绍了该方法的基本原理,并应用于齿轮箱轴承的故障诊断研究,通过选取表征轴承故障的固有模态函数进行瞬时相位和傅里叶分析,就可提取轴承故障振动信号的特征。通过对轴承故障实验信号的分析,表明该方法能有效地诊断轴承的故障。
李辉郑海起唐力伟
关键词:故障诊断信号处理HILBERT变换经验模态分解
Application of The ARMA Model in Non-Stationary Vibration Signals
In order to process the non-stationary vibration signals such as speed up or speed down,a new method combined ...
Haiying Kan
文献传递
基于阶次跟踪和经验模式分解的齿轮故障诊断被引量:10
2007年
提出了一种研究旋转机械瞬态信号的分析方法.对齿轮箱加速时测得的原始振动信号进行角域重采样,并对角域里的信号进行经验模式分解(EMD)得到多个固有模式函数(IMF),最后对包含齿轮故障信息的IMF分量进行阶次谱分析.结果表明,阶次跟踪技术能够有效地避免传统频谱方法所无法解决的频率模糊现象,EMD方法能够提取包含故障信息的IMF分量,将两种方法相结合是对传统的频谱分析法的有力补充,具有很广阔的应用前景.
康海英栾军英郑海起崔清斌
关键词:阶次跟踪经验模式分解齿轮故障诊断
基于阶次跟踪和BP网络的齿轮箱故障模式识别
2006年
在对齿轮箱的原始振动信号进行时域采样的基础上,利用小波包分析对其进行消噪,然后对得到的数据进行角域重采样,得到基于阶次跟踪的采样信号,再对该信号进行特征参量提取,最后利用BP网络对得到的故障特征参量集进行模式识别.该方法能够避免传统分析方法中难以克服的“频率模糊”现象,对于瞬态信号有较好的分析处理能力,是对传统频谱分析法的有力补充.
栾军英康海英郑海起曹进华
关键词:阶次跟踪BP网络齿轮箱故障模式识别
应用Hilbert-Huang变换的齿轮磨损故障诊断研究被引量:20
2005年
提出了一种基于H ilbert-Huang变换的齿轮磨损故障诊断的新方法。H ilbert-Huang变换是先把时间序列信号,用经验模态分解方法分解成不同特征时间尺度的固有模态函数,然后经过H ilbert变换获得频谱的信号处理新方法。介绍了该方法的基本原理,并将H ilbert-Huang变换应用于齿轮箱中齿轮磨损故障诊断的研究,通过选取表征齿轮磨损故障的IM F分量进行边际谱和能量谱分析,就可提取齿轮故障振动信号的特征。齿轮故障实验信号的研究结果表明,H ilbert-Huang变换时频分析方法,能有效地诊断齿轮的磨损故障。
李辉郑海起唐力伟
关键词:HILBERT-HUANG变换经验模态分解故障诊断齿轮时频分析
共6页<123456>
聚类工具0