本文選題：非線性信號　切入點：小波包分解　出處：《控制工程》2016年06期

【摘要】：軸承產(chǎn)生故障后產(chǎn)生非線性振動信號,傳統(tǒng)的特征提取方式在非線性特征提取和非線性關系可視化上存在不足。提出了小波包分解和高階累積量對振動信號進行特征提取,通過主成分分析法對特征數(shù)據(jù)進行了降維處理。該特征提取方式不僅可以揭示特征量之間的非線性關系,而且有利于提高分類速度和準確性;采用神經(jīng)網(wǎng)絡算法進行了故障分類。測試結果表明,該方法可以準確有效的識別出滾動軸承的故障類型。
[Abstract]:Bearing produces nonlinear vibration signal after fault, but the traditional feature extraction method has some shortcomings in nonlinear feature extraction and nonlinear relation visualization.Wavelet packet decomposition and high order cumulant are proposed to extract the feature of vibration signal. The feature data are reduced by principal component analysis (PCA).The method of feature extraction can not only reveal the nonlinear relationship between the features, but also improve the speed and accuracy of classification. The neural network algorithm is used for fault classification.The test results show that the method can identify the fault types of rolling bearings accurately and effectively.
【作者單位】： 楊凌職業(yè)技術學院信息工程學院;河南廣播電視大學理工學院;
【分類號】：TH133.3

【參考文獻】

相關期刊論文 前8條

1 謝國民;佟瑩;陸文斌;;小波在采煤機異步電動機故障診斷中的應用[J];控制工程;2013年04期

2 涂望明;宋執(zhí)環(huán);陳運濤;魏友國;周晶晶;;基于小波變換和LS-SVM的雷達故障診斷[J];控制工程;2013年02期

3 蔣超;張應紅;徐晉勇;趙家臣;高成;;基于振動的滾動軸承故障診斷技術研究[J];煤礦機械;2012年02期

4 萬書亭;吳美玲;;基于時域參數(shù)趨勢分析的滾動軸承故障診斷[J];機械工程與自動化;2010年03期

5 崔碩;;時域指標在滾動軸承故障診斷中的應用[J];機械工程與自動化;2008年01期

6 陳珊珊;;時域分析技術在機械設備故障診斷中的應用[J];機械傳動;2007年03期

7 張輝,王淑娟,張青森,翟國富;基于小波包變換的滾動軸承故障診斷方法的研究[J];振動與沖擊;2004年04期

8 馬建倉,羅磊;滾動軸承故障診斷的一種特征參數(shù)選擇方法[J];機械科學與技術;1996年05期

相關碩士學位論文 前3條

1 魏鵬;基于時頻分析的高速電主軸軸承故障診斷技術研究[D];蘭州理工大學;2012年

2 廖傳軍;基于聲發(fā)射技術的滾動軸承故障診斷時頻分析方法研究[D];湖南科技大學;2008年

3 萬暢;齒輪箱軸承故障診斷的時頻分析方法初步探討[D];蘭州理工大學;2007年

【共引文獻】

相關期刊論文 前10條

1 俞昆;譚繼文;戰(zhàn)紅;孫顯彬;;基于改進鄰域粗糙集與S_Kohonen神經(jīng)網(wǎng)絡的滾動軸承故障診斷研究[J];機床與液壓;2016年23期

2 郭慶豐;梁亞峰;;循環(huán)雙譜在滾動軸承故障特征提取中的應用[J];煤礦機械;2016年12期

3 劉燕;張翠俠;張明玉;;混沌振子檢測微弱信號的抗噪聲能力研究[J];銅陵學院學報;2016年05期

4 孟祥忠;王振起;林存海;;基于模糊診斷理論的提升機振動監(jiān)測診斷系統(tǒng)[J];電子測量技術;2016年09期

5 王銳鋒;熊錦玲;付志成;汪坤;趙美云;;基于AE技術的低速重載齒輪箱故障診斷方法[J];自動化技術與應用;2016年08期

6 汪江秀;王友仁;;相控陣天線故障診斷方法研究[J];電子測量技術;2016年08期

7 羅云林;劉文桐;;民航飛機APU外部件故障診斷方法[J];計算機工程與設計;2016年07期

8 杜振寧;向春枝;;基于小波包分解和PCA的軸承故障診斷[J];控制工程;2016年06期

9 毛清華;張旭輝;馬宏偉;邢望;樊紅衛(wèi);;采煤機搖臂齒輪傳動系統(tǒng)振源定位分析方法[J];振動.測試與診斷;2016年03期

10 高陽;鐘宏宇;陳鑫宇;耿愛成;張柳;雷彩娟;;基于神經(jīng)網(wǎng)絡和小波分析的超短期風速預測[J];可再生能源;2016年05期

相關碩士學位論文 前10條

1 孫守保;基于雙沖擊現(xiàn)象的混合陶瓷球軸承故障區(qū)尺寸估計[D];昆明理工大學;2016年

2 王波;滾動軸承噪聲檢測及故障診斷實驗平臺設計[D];寧夏大學;2015年

3 趙治博;地鐵車輛轉向架軸承故障診斷方法研究[D];北京交通大學;2015年

4 王洋;汽車變速器軸承故障特征頻率提取算法的研究[D];遼寧工業(yè)大學;2015年

5 李欣;滾動軸承裂紋故障聲發(fā)射信號產(chǎn)生機理及其傳播特性研究[D];湖南科技大學;2014年

6 楊月;基于粒子濾波與支持向量機的柴油機故障診斷[D];中北大學;2014年

7 呂飛飛;航空滾動軸承典型缺陷特征分析方法研究[D];河南科技大學;2014年

8 寧小波;聲發(fā)射技術在復合材料損傷檢測中的應用研究[D];中國民用航空飛行學院;2014年

9 王媛媛;滾動軸承的振聲信號分析[D];南京航空航天大學;2014年

10 馮研研;基于聲發(fā)射信號的滾動軸承故障特征提取技術研究[D];沈陽航空航天大學;2015年

【二級參考文獻】

相關期刊論文 前10條

1 涂望明;宋執(zhí)環(huán);孟慶志;張國超;蘇帥;;小波神經(jīng)網(wǎng)絡在雷達故障診斷中的應用研究[J];計算機測量與控制;2012年04期

2 張興;李孝全;謝一靜;;基于經(jīng)驗模式分解的異步電機轉子斷條故障診斷[J];電機與控制應用;2011年09期

3 何斌;戚佳杰;黎明和;;小波分析在滾動軸承故障診斷中的應用研究[J];浙江大學學報(工學版);2009年07期

4 許志宏;盧e，

本文編號：1706628