利用小波分析和EMD的机械故障特征提取

被引：11

作者：

钟晓平 ^{[1
]}

荆建平 ^{[1
]}

王玉花 ^{[2
]}

张丽新 ^{[2
]}

机构：

[1] 上海交通大学机械系统与振动国家重点实验室

[2] 上海卫星工程研究所

来源：

噪声与振动控制 | 2009年 / 04期

关键词：

振动与波; 故障诊断; 小波分析; 经验模式分解; 特征提取;

D O I：

暂无

中图分类号：

TH17 [机械运行与维修];

学科分类号：

0802 ;

摘要：

故障特征提取是机械设备故障诊断的关键所在。利用小波变换多分辨率分析和经验模式分解的时频特性,将某机械运转机构的振动信号进行分解及重构,得到原始信号在不同频段上分布的详细信息,进而对不同尺度下的细节信号进行频谱分析,通过对比提取出运转过程中的失步故障特征。

引用

页码：60 / 63

页数：4

共 7 条

[1]

小波分析在往复机械特征提取中的应用研究[D]. 鞠培刚.大连理工大学 2007

[2]

基于EMD的故障特征信息提取研究[D]. 吴小娟.武汉理工大学 2006

[3]

小波分析理论与MATLAB 7实现[M]. 电子工业出版社 , 飞思科技产品研发中心编著, 2005

[4]

Matlab小波分析工具箱原理与应用[M]. 国防工业出版社 , 董长虹主编, 2004

[5]

机械设备振动监测与故障诊断[M]. 上海交通大学出版社 , 陈进主编, 1999

[6]

Fault diagnosis of rotating machinery based on auto-associative neural networks and wavelet transforms[J] . Javier Sanz,Ricardo Perera,Consuelo Huerta.Journal of Sound and Vibration . 2007 (4)

[7] Feature extraction of machine sound using wavelet and its application in fault diagnosis [J].

Lin, J .

NDT & E INTERNATIONAL, 2001, 34 (01) :25-30

← 1 →