本文選題：時(shí)延自相關(guān) + 變模態(tài)分解　； 參考：《蘭州理工大學(xué)學(xué)報(bào)》2017年04期

【摘要】：在故障診斷領(lǐng)域,時(shí)延自相關(guān)已是一種重要的信號(hào)處理工具,而變模態(tài)分解則是新興起的信號(hào)處理方法.文中利用時(shí)延自相關(guān)函數(shù)對(duì)信號(hào)進(jìn)行降噪處理,再對(duì)提取的時(shí)延自相相關(guān)函數(shù)進(jìn)行變模態(tài)分解,選擇有效本征模態(tài)函數(shù)提取出故障頻率.模擬仿真與故障實(shí)驗(yàn)結(jié)果表明:該方法更能有效地抑制噪聲,凸顯故障特征信息,在旋轉(zhuǎn)機(jī)械故障診斷領(lǐng)域具有廣泛的應(yīng)用前景.
[Abstract]:In the field of fault diagnosis, time-delay autocorrelation is an important signal processing tool, and variable mode decomposition is a new signal processing method. In this paper, the time-delay autocorrelation function is used to reduce the noise of the signal, and then the time-delay autocorrelation function is decomposed by variable mode decomposition, and the effective eigenmode function is selected to extract the fault frequency. The simulation and fault experiment results show that the proposed method is more effective in suppressing noise and highlighting fault feature information. It has a wide application prospect in the field of rotating machinery fault diagnosis.
【作者單位】： 四川工程職業(yè)技術(shù)學(xué)院機(jī)電工程系;石家莊鐵道大學(xué)機(jī)械工程學(xué)院;
【基金】：國家自然科學(xué)基金(11372198) 河北省高等學(xué)校創(chuàng)新團(tuán)隊(duì)領(lǐng)軍人才計(jì)劃(LJRC018)
【分類號(hào)】：TH17

【相似文獻(xiàn)】

相關(guān)博士學(xué)位論文 前1條

1 呂中亮;基于變分模態(tài)分解與優(yōu)化多核支持向量機(jī)的旋轉(zhuǎn)機(jī)械早期故障診斷方法研究[D];重慶大學(xué);2016年

相關(guān)碩士學(xué)位論文 前2條

1 王敬;基于離散模態(tài)分解法的表面建模與裝配仿真研究[D];浙江大學(xué);2017年

2 王振威;基于變分模態(tài)分解的故障診斷方法研究[D];燕山大學(xué);2015年

，

本文編號(hào)：2090186