导航切换
噪声与振动控制
首页
关于本刊
出版伦理
编委会
专家中心
评审表
自荐评审人
作者中心
投稿指南
论文模板
版权转让协议
期刊订阅
广告合作
联系我们
期刊
出版年
关键词
结果中检索
(((高康平[Author]) AND 1[Journal]) AND year[Order])
AND
OR
NOT
文题
作者
作者单位
关键词
摘要
分类号
DOI
Please wait a minute...
选择:
导出引用
EndNote
Ris
BibTeX
显示/隐藏图片
Select
1.
EEMD-ICA联合降噪的旋转机械故障信号检测方法
高康平, 徐信芯, 焦生杰, 师宁
噪声与振动控制 2022, 42 (
2
): 95-101.
摘要
(
291
)
PDF(pc)
(2107KB)(
628
)
可视化
收藏
针对旋转机械前期故障信号微弱、易被噪声淹没、故障特征难以提取的问题,提出一种聚合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和独立成分分析(Independent Component Analysis,ICA)相结合的故障特征提取方法。首先,运用EEMD理论将振动信号分解为一系列的固有模态函数(Intrinsic Mode Function,IMF),然后根据相关系数和均方根准则选取含有原始信号多的IMF分量构造观测信号,引入虚拟噪声通道;最后,通过FastICA算法将噪声与故障特征信号进行分离,并对分离出的有用信号进行频谱分析,突显故障频率。通过仿真信号验证所提出方法的有效性,并将其应用于轴承的内外圈故障识别,与传统的EEMD-WTD降噪方法对比,结果表明:所提出的方法能提取出清晰微弱故障特征信号,对低频噪声的抑制效果明显优于EEMD-WTD方法。
相关文章
|
多维度评价
Select
2.
基于SSA和随机共振的旋转机械微弱信号提取
高康平, 徐信芯, 师宁, 焦生杰
噪声与振动控制 2022, 42 (
1
): 112-118.
摘要
(
562
)
PDF(pc)
(2046KB)(
754
)
可视化
收藏
针对旋转机械早期故障信号微弱,富含大量噪声的问题,提出麻雀优化算法(SSA)和随机共振(SR)相结合的微弱信号提取方法。首先,对大参数信号进行变尺度处理,使其满足SR的要求;其次,以信噪比作为目标函数,运用SSA算法优化SR模型的结构参数,利用系统的SR实现微弱信号信噪比的提高;最后,通过仿真信号验证所提出方法的有效性,并将该方法应用于轴承内圈故障和轻度磨损钻头微弱信号的提取中。结果表明:提出的方法对微弱信号的提取性能优于传统的SR模型以及PSO-SR模型,有效提高了信号信噪比,实现了故障微弱信号的提取与增强。
相关文章
|
多维度评价