您的位置: 专家智库 > >

国家高技术研究发展计划(2006AA04Z430)

作品数:5 被引量:155H指数:4
相关作者:訾艳阳何正嘉陈略王晓冬成玮更多>>
相关机构:西安交通大学北京航天飞行控制中心中国石油更多>>
发文基金:国家高技术研究发展计划国家自然科学基金国家教育部博士点基金更多>>
相关领域:机械工程电子电信自动化与计算机技术更多>>

文献类型

  • 5篇期刊文章
  • 1篇会议论文

领域

  • 6篇机械工程
  • 1篇电子电信
  • 1篇自动化与计算...

主题

  • 3篇特征提取
  • 2篇多小波
  • 2篇轴承
  • 2篇小波
  • 2篇故障诊断
  • 2篇滚动轴承
  • 1篇信号
  • 1篇旋转机械
  • 1篇噪声
  • 1篇特征提取与识...
  • 1篇峭度
  • 1篇轴承故障
  • 1篇轴承故障诊断
  • 1篇自适
  • 1篇自适应
  • 1篇近场光存储
  • 1篇经验模式分解
  • 1篇光存储
  • 1篇滚动轴承故障
  • 1篇滚动轴承故障...

机构

  • 6篇西安交通大学
  • 2篇北京航天飞行...
  • 1篇中国石油

作者

  • 6篇訾艳阳
  • 5篇何正嘉
  • 2篇王晓冬
  • 2篇陈略
  • 1篇袁静
  • 1篇赵大伟
  • 1篇成玮

传媒

  • 2篇西安交通大学...
  • 1篇振动工程学报
  • 1篇振动与冲击
  • 1篇系统仿真学报

年份

  • 3篇2010
  • 1篇2009
  • 2篇2008
5 条 记 录,以下是 1-6
排序方式:
总体平均经验模式分解与1.5维谱方法的研究被引量:71
2009年
针对复杂背景下机车走行部齿轮箱齿轮裂纹故障微弱特征的提取问题,提出了总体平均经验模式分解(EEMD)与1.5维谱的故障特征提取方法.首先运用EEMD方法对振动信号进行自适应抗混分解,得到不同频带的基本模式分量(IMF),然后运用1.5维谱方法对含有故障特征信息的IMF进行后处理.该方法具有避免模式混淆、抑制高斯白噪声、检测非线性耦合特征等特性,并以此来提取故障的微弱特征信息.根据待处理信号的时频特性与EEMD原理,提出了在EEMD方法中加入高斯白噪声的准则,通过信号仿真验证了EEMD方法的抗混分解能力.将EEMD与1.5维谱方法应用于机车走行部齿轮箱的监测诊断中,成功地提取出齿轮箱大齿轮齿根早期的裂纹故障.
陈略訾艳阳何正嘉成玮
关键词:特征提取
旋转机械复合故障的信号特征提取与识别方法研究
提出了一种基于冗余第二代小波包变换与滑动窗降噪技术相结合的旋转机械复合故障诊断新方法。首先利用频谱分析观察振动信号基本特征,然后采用第二代小波包变换确定故障敏感频带,最后利用滑动窗降噪技术再现了故障特征波形,有效诊断出某...
訾艳阳袁静袁胜军李臻王晓东何正嘉
关键词:旋转机械特征提取
文献传递
近场光存储光学飞行头特性仿真与优化设计
2008年
提出近场光存储光学头飞行问题的综合仿真方案,采用控制体积法求解表面形貌复杂的空气轴承气浮力分布,采用准牛顿迭代法求解光学头稳定飞行姿态;并以此为基础,分析空气轴承表面形貌参数对光学头稳定飞行姿态的影响规律,对其进行优化设计;所设计的光学头飞高为73.87nm,且飞行姿态稳定,满足近场光存储信号读写的要求。
赵大伟訾艳阳何正嘉
关键词:近场光存储
滚动轴承故障诊断的多小波谱峭度方法被引量:45
2010年
采用提升多小波的方法,以峭度为优化目标,遗传算法为优化算法,针对信号特征进行多小波的自适应构造.以构造的多小波作为谱峭度的滤波器,针对多小波特点改进了峭度图,提出了多小波谱峭度方法.该方法建立在传统谱峭度方法的基础上,不仅克服了原方法中滤波器变化有限的劣势,而且提高了谱分析的分辨率.将该方法应用于滚动轴承的故障诊断中,以试验台与电力机车的滚动轴承故障诊断为例进行验证,结果表明,该方法不仅提高了频带选择的准确性与滤出信号的信噪比,而且获得了更好的诊断效果.
王晓冬何正嘉訾艳阳
关键词:多小波滚动轴承故障诊断
多小波自适应构造方法及滚动轴承复合故障诊断研究被引量:32
2010年
机械设备的复合故障由于其故障的多样性、强弱的不平衡、故障间的相互影响等特性,给全面准确地诊断造成困难。多小波具有多个时频特征有所差异的基函数,可以匹配多个故障特征,对于复合故障的诊断具有先天优势。提出了多小波的自适应对称提升方法,以峭度为优化目标对多小波进行自适应构造,对信号进行冗余分解,获得特征频率的相对能量分布,依据相对能量比选择敏感频带,实现对复合故障的一次性识别与诊断。以电力机车滚动轴承外圈与内圈、外圈与滚动体的复合故障诊断为例,验证了该方法的有效性。
王晓冬何正嘉訾艳阳
关键词:多小波滚动轴承
噪声协助的EMD-1.5维谱信号抗混分解与特征提取被引量:13
2010年
针对大型动力装备核心部件微弱故障特征信息提取问题,提出了一种噪声协助的EMD-1.5维谱故障诊断方法。经验模式分解(EMD)方法中,信号极值点间隔特性影响模式混淆现象的出现,针对此状况提出信号极值点间隔特性评价方法,分析高斯白噪声有助于信号抗混分解原理,通过对原始信号加入高斯白噪声得到噪声协助的EMD方法,提高信号抗混分解能力。将1.5维谱与噪声协助的EMD方法结合,得到一种新的故障特征提取方法,该方法具有对信号进行有效抗混分解、提取非线性耦合等特性,并以此来提取故障的微弱特征信息。通过仿真研究与电力机车滚动轴承的故障诊断工程实例,验证了该方法的有效性。
陈略訾艳阳何正嘉袁静
关键词:高斯白噪声故障诊断
共1页<1>
聚类工具0