局部特征尺度分解
局部特征尺度分解的相关文献在2012年到2022年内共计92篇,主要集中在机械、仪表工业、无线电电子学、电信技术、自动化技术、计算机技术
等领域,其中期刊论文86篇、会议论文1篇、专利文献120844篇;相关期刊43种,包括振动工程学报、噪声与振动控制、轴承等;
相关会议1种,包括2018年全国设备监测诊断与维护学术会议暨第十六届全国设备故障诊断学术会议、第十八届全国设备监测与诊断学术会议、2018年全国设备诊断工程会议等;局部特征尺度分解的相关文献由192位作者贡献,包括程军圣、杨宇、郑近德等。
局部特征尺度分解—发文量
专利文献>
论文:120844篇
占比:99.93%
总计:120931篇
局部特征尺度分解
-研究学者
- 程军圣
- 杨宇
- 郑近德
- 崔伟成
- 吴占涛
- 曾鸣
- 许爱强
- 盛沛
- 孟凡磊
- 李伟
- 李宝庆
- 周博
- 李洪儒
- 潘海洋
- 罗颂荣
- 黄传金
- 刘义亚
- 刘吉彪
- 刘林密
- 刘燕飞
- 孟雅俊
- 张征
- 张桂香
- 徐学文
- 李可
- 李恒
- 李永国
- 王余奎
- 王岩
- 王斐
- 罗倩
- 许葆华
- 赵静
- 邓辉
- 郑振
- DONG Xinmin
- PANG Bo
- WANG Mingming
- ZHANG Yanlei
- 丁亚琦
- 丁克勤
- 于明奇
- 仝蕊
- 伍济钢
- 何知义
- 余忠潇
- 余忠潇1
- 佟庆彬
- 刁延松
- 刘双燕
-
-
杨创艳;
王晓东;
罗亭;
李卓睿
-
-
摘要:
为了有效提取出滚动轴承振动信号的故障特征,提出一种基于分段三次Hermite插值?局部特征尺度分解PCHIP?LCD的故障特征提取方法.采用分段三次Hermite插值代替LCD中的三次样条插值(Cubic spline interpolation,CSI),提出了改进的LCD方法,完成振动信号x(t)分解,获得若干内禀尺度分量(Intrinsic scale components,ISCs);建立基于峭度和相关系数K?C组合权重指标的有效ISCs分量筛选规则,完成ISCs分量的选择和重构,获得重构信号xnew(t);对重构信号xnew(t)进行Teager能量算子(Teager energy operator,TEO)解调分析,获得TEO解调能量谱图,进而实现滚动轴承的故障特征提取.结果表明,该方法可增强对信号的包络拟合能力,提高信号的分解精度.
-
-
杨耿杰;
许晔;
高伟;
洪翠;
郭谋发
-
-
摘要:
分析谐振接地系统发生单相接地故障时各区段故障暂态零序电流的相似性特征,提出基于故障暂态零序电流Hilbert瞬时能量谱相似性自适应仿射传播聚类(adAP)的故障区段定位方法.所提方法对故障后首半个工频周期的故障线路各区段的故障暂态零序电流进行局部特征尺度分解(LCD),对得到的各频带波形进行Hilbert变换得到Hilbert瞬时能量谱.计算Hilbert瞬时能量谱两两间的动态时间弯曲距离,对动态时间弯曲距离构成的相似度矩阵进行adAP,根据Silhouette指标最高的聚类情况定位故障区段.在电弧故障、存在分布式消弧线圈系统、不同消弧线圈补偿度系统、噪声干扰、两点接地、采样不同步的场景下的仿真结果和现场数据验证结果表明,所提方法能克服工程应用中可能存在的影响,鲁棒性好、准确度高.
-
-
周博;
王瑶瑶;
刘双燕;
文振华
-
-
摘要:
针对滚动轴承振动信号具有非线性和非稳态的特点,故障特征精确提取困难的问题,提出了一种基于局部特征尺度分解(LCD)和递归定量分析(RQA)的滚动轴承故障诊断与健康评估方法.首先,利用LCD将滚动轴承振动信号分解为若干个内禀尺度分量(ISC);然后,对各ISC分量进行相空间重构并构建递归图;最后,通过提取递归图的定量特征参数进行故障诊断与健康评估.试验结果表明,试验数据的三维散点图可以很好地区分不同故障状态,试验数据的置信度则可以反映出轴承健康度随故障程度的加深在逐渐下降,该方法可以有效用于滚动轴承的故障诊断与健康评估.
-
-
王涛;
胡定玉;
廖爱华;
师蔚;
丁亚琦;
陶涛
-
-
摘要:
针对滚动轴承故障诊断中声信号信噪比较低、特征提取困难的问题,提出多重降噪轴承故障特征提取方法.该方法首先用最小熵解卷积对故障轴承声信号进行预处理来提高信噪比,然后利用局部特征尺度分解将处理后的信号分解为多个内禀尺度分量,进一步利用相关系数-峭度值原则,筛选出最佳内禀尺度分量进行重构,最后通过1.5维Teager能量谱提取轴承故障特征.仿真及实验结果表明,相较于单一使用最小熵解卷积或局部特征尺度分解等降噪方法,多重降噪方法可以在信噪比极低的情况下有效提取故障特征.
-
-
马愈昭;
王瑞松;
熊兴隆
-
-
摘要:
针对光纤振动信号受噪声干扰严重、特征提取单一和识别时间长的问题,提出了改进的局部特征尺度分解和蚁群算法优化深度置信网络的识别方法。首先,采用三次B样条函数插值拟合均值曲线改进局部特征尺度分解算法,并对原始信号进行分解得到一系列内禀尺度分量之和。其次,利用峭度因子和能谱系数构成融合指标筛选有效分量。然后,分别提取有效分量在时域、频域和时-频域的熵值特征进行融合并降维。最后,将综合特征向量馈入蚁群优化后的深度置信网络进行训练和识别,提高算法效率和识别率。采用实测数据进行实验验证,结果表明,信噪比平均提升8 dB,信号平均识别率可达95.83%,平均识别时间为0.715 s。
-
-
-
-
-
郑近德;
潘海洋;
童靳于;
刘庆运;
丁克勤
-
-
摘要:
局部特征尺度分解(LCD)是为克服经验模态分解(EMD)中均值曲线构造的不足而提出的一种自适应信号分解方法,已被应用于机械故障诊断领域.但LCD存在与EMD类似的模态混叠问题,为此,基于均匀相位差掩膜信号构造,提出了自适应掩膜信号集成局部特征尺度分解(AMSELCD),该方法不仅能够将一个复杂信号自适应地分解为若干个本征模态函数和一个剩余项之和,而且能够有效地解决LCD的模态混叠现象.通过仿真信号分析,将AM-SELCD与现有多种抑制模态分解方法进行了对比,结果表明了所提方法的有效性和优越性.最后,针对滚动轴承和转子碰摩故障振动信号的调制特征,将所提AMSELCD方法应用于转子碰摩和滚动轴承的故障诊断,对比和实验分析结果进一步验证了所提方法的有效性和优越性.
-
-
史素敏;
杨春长;
王斐
-
-
摘要:
为有效提取出电动汽车电机轴承故障特征频率,将局部特征尺度分解、线性局部切空间排列和包络分析进行结合,用于电动汽车电机轴承的故障特征频率的提取.首先利用局部特征尺度分解对电动汽车电机轴承故障信号进行分解,得到若干个内禀尺度分量;然后利用线性局部切空间排列对由内禀尺度分量构成的矩阵进行降维处理,得到低维矩阵并以此进行信号重构;最后对重构信号进行包络谱分析,获得故障特征频率.仿真信号和实验信号的实验结果验证了方法的有效性.
-
-
ZHANG Yanlei;
张炎磊;
DONG Xinmin;
董辛旻;
WANG Mingming;
王鸣明;
PANG Bo;
庞博
- 《2018年全国设备监测诊断与维护学术会议暨第十六届全国设备故障诊断学术会议、第十八届全国设备监测与诊断学术会议、2018年全国设备诊断工程会议》
| 2018年
-
摘要:
针对在工程实际中单通道滚动轴承故障信号的特征提取信息不全面、不准确等问题,提出了一种基于全矢谱(Full Vector Spetrum,FVS)技术的局部特征尺度分解(Local Characteristic-Scale Decomposition,LCD)和核独立分量分析(Kernel Independent Component Analysis,KICA)相结合的方法,并利用Hilbert包络分析提取故障特征.首先通过LCD将两个相互垂直方向的振动信号分解成一系列内禀尺度分量(Intrinsic Scale Component,ISC),其后将含故障特征信息更加明显的较高能量的ICS分量利用KICA分离故障信号与噪声信号,最后利用全矢包络分析处理有效分量信号,提取故障特征.通过实验验证,该方法提取滚动轴承的故障特征有效.