自适应掩膜信号集成局部特征尺度分解及其应用OA北大核心CSCDCSTPCD
Adaptive Mask Signal-Based Local Characteristic-Scale Decomposition and Its Application
局部特征尺度分解(LCD)是为克服经验模态分解(EMD)中均值曲线构造的不足而提出的一种自适应信号分解方法,已被应用于机械故障诊断领域.但LCD存在与EMD类似的模态混叠问题,为此,基于均匀相位差掩膜信号构造,提出了自适应掩膜信号集成局部特征尺度分解(AMSELCD),该方法不仅能够将一个复杂信号自适应地分解为若干个本征模态函数和一个剩余项之和,而且能够有效地解决LCD的模态混叠现象.通过仿真信号分析,将AM-SELCD与现有多种抑制模态分解方法进行了对比,结果表明了所提方法的有效性和优越性.最后,针对滚动轴承和转子碰摩故障振动信号的调制特征,将所提AMSELCD方法应用于转子碰摩和滚动轴承的故障诊断,对比和实验分析结果进一步验证了所提方法的有效性和优越性.
郑近德;潘海洋;童靳于;刘庆运;丁克勤
安徽工业大学机械工程学院,安徽马鞍山243032安徽工业大学机械工程学院,安徽马鞍山243032安徽工业大学机械工程学院,安徽马鞍山243032安徽工业大学机械工程学院,安徽马鞍山243032中国特种设备检测研究院,北京 100029
信息技术与安全科学
经验模态分解局部特征尺度分解总体平均经验模态分解模态混叠故障诊断
《电子学报》 2020 (10)
广义自适应谐波分解理论及其在低速重载齿轮箱故障诊断与预测中的应用
2060-2070,11
国家重点研发计划(No.2017YFC0805100)国家自然科学基金(No.51975004)安徽省高校自然科学研究重点项目(No.KJ2019A0053,No.KJ2019A092)
评论