基于核主元模糊聚类的旋转机械故障-科普

传感器检测到的机械设备状态信号是以时间为变量的时域信号,时域分析是用信号的幅值随时间变化的图形或表达式来分析的,当信号中含有明显的简谐成分、周期成分或瞬时脉冲成分时,直接利用时域信号进行分析就能得出设备运行......查看详细>>

标签:基于核主元模糊聚类的旋转机械故障

频域分析是设备故障诊断中使用最广泛的信号处理方法,频域分析是把信号的幅值、相位或能量变换为以频率坐标轴表示,进而分析其频率特性的一种方法,它是以傅里叶分析为基础的,通过寻找功率谱中各频率能量大小变化和分布的情......查看详细>>

标签:基于核主元模糊聚类的旋转机械故障

机械设备故障诊断技术所涉及的领域非常广泛,而信息处理技术是这些广泛技术中的关键技术,它包括快速傅里叶变换、倒谱分析、短时傅里叶变换、Winger-Vile分析、时间序列分析、时域模型分析、时频分析、小波分析等方法。小波分......查看详细>>

标签:基于核主元模糊聚类的旋转机械故障

在分析齿轮工作状态时,为了减少测试系统、环境噪声等因数的影响,使信号分析结果有一个客观、统一的评价标准,首先采用均值-方差标准化方法对测量信号进行归一化预处理。信号预处理的目的在于提高信号的可靠性和数据的精度......查看详细>>

标签:基于核主元模糊聚类的旋转机械故障

在相同的环境条件下,分别采集齿轮在正常无故障的情况下,以及在齿轮箱中z2齿轮断齿状态下的齿轮箱运转情况的能量和振动信号,以此来达到对比分析齿轮箱在含故障齿轮的情况下与正常无故障齿轮的情况下表现出来的信号特征情况......查看详细>>

标签:基于核主元模糊聚类的旋转机械故障

采用EMD方法对原始功率信号进行分解的时候,分解后的IMF分量具有良好的线性和稳定性,具备完备正交的特点,而且每个IMF分量都包含了数据真实的部分物理信息。假设功率信号x(t)分解为n个IMF分量c1(t),c2(t),…,cn(t)和一个残留分量rn(t)......查看详细>>

标签:基于核主元模糊聚类的旋转机械故障

通过时域波形可以得到一些关键的统计特征参量,它们常用来评价系统状态。这里提取齿轮输入功率信号的绝对均值、均方根值、方差、峰峰值、峭度、峰值指标、波形指标、脉冲指标、裕度指标、峭度指标10个时域特征参数,如表......查看详细>>

标签:基于核主元模糊聚类的旋转机械故障

功率信号作为典型的非平稳、非线性的时间序列信号,有必要从序列复杂性和统计量化的角度出发,选取特定的时域参数作为故障特征之一。这里从衡量时间数据序列整体复杂性的角度出发将数据信号的近似熵(ApproximateEntropy,APEN)作为......查看详细>>

标签:基于核主元模糊聚类的旋转机械故障

齿轮传动系统故障状态识别的前提以及关键之处在于实现相应状态的有效特征提取,本章围绕这一环节进行了如下研究:(1)分析了针对能量信号的小波降噪技术,分别用db4和sym4小波对齿轮断齿输入能量信号进行若干层分解重构,分解后分......查看详细>>

标签:基于核主元模糊聚类的旋转机械故障

通过上一章的分析可以得知,齿轮传动系统的故障原因与特征参数值之间表现为错综复杂的非线性映射关系,并且各特征参数之间往往呈现出强耦合性和非线性关系,这就增加了故障诊断的难度。对于上一章所建立起来的待识别多维故......查看详细>>

标签:基于核主元模糊聚类的旋转机械故障