10.3969/j.issn.1000-3835.2007.04.010
基于改进的Hilbert-Huang变换的滚动轴承故障诊断
由于Hilbert-Huang变换中的EMD(empirical mode decomposition EMD)在低频段产生多余的IMF(intrinsic mode functions IMF)这一缺陷,故在滚动轴承故障诊断应用中也遇到相应的麻烦.文中提出用每个IMF的能量与原始信号的能量比作为判断标准来剔出分解中产生的多余IMF,并且选择能量比最大的IMF进行边际谱的计算,再选取幅值最大处的频率与轴的旋转频率之比作为表征滚动轴承状态的特征向量,然后采用线性神经网络进行状态识别.实验结果表明,该方法是一种非常有效的滚动轴承故障诊断方法.
故障诊断、滚动轴承、改进的Hilbert-Huang变换、神经网络
26
TH165+.3
2007-05-21(万方平台首次上网日期,不代表论文的发表时间)
共4页
39-41,50