Print

基于CS和MOMEDA的滚动轴承故障特征提取

论文摘要

滚动轴承发生故障时会产生周期性脉冲,在噪声干扰下微弱特征难以提取且运算效率低。应用多点优化最小熵解卷积修正(MOMEDA)方法提取故障周期,增强周期性脉冲信号,但在实际运用中该方法提取故障周期的运算效率较低。应用压缩感知(CS)方法对原始信号进行预先处理,通过稀疏表示以及正交匹配追踪算法(OMP)信号重构达到降噪目的。通过试验验证MOMEDA较之其他方法的优越性,CS方法对前者运算效率的提升具有明显效果。

论文目录

  • 1 多点优化最小熵解卷积修正
  • 2 压缩感知
  • 3 故障特征提取流程
  • 4 试验验证
  •   4.1 基于压缩感知的信号降噪
  •   4.2 基于MOMEDA的脉冲信号增强
  • 5 结 论

    • 文章来源

    类型: 期刊论文

    作者: 吕麒鹏,夏均忠,白云川,郑建波,杨刚刚

    关键词: 滚动轴承,故障特征提取,压缩感知,多点优化最小熵解卷积修正

    来源: 军事交通学院学报 2019年08期

    年度: 2019

    分类: 社会科学Ⅰ辑,工程科技Ⅱ辑

    专业: 机械工业

    单位: 陆军军事交通学院国防交通系,陆军军事交通学院军用车辆工程系,陆军军事交通学院学员五大队

    分类号: TH133.33

    DOI: 10.16807/j.cnki.12-1372/e.2019.08.010

    页码: 47-52

    总页数: 6

    文件大小: 1590K

    下载量: 121

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/3e674a686c8a43ea50392bf4.html