CN117216636B 强背景噪声下的高压辊磨机滚动轴承eemd-fku-pmckd微弱故障诊断方法 （郑州轻工业大学）_第1页
CN117216636B 强背景噪声下的高压辊磨机滚动轴承eemd-fku-pmckd微弱故障诊断方法 （郑州轻工业大学）_第2页
CN117216636B 强背景噪声下的高压辊磨机滚动轴承eemd-fku-pmckd微弱故障诊断方法 （郑州轻工业大学）_第3页
CN117216636B 强背景噪声下的高压辊磨机滚动轴承eemd-fku-pmckd微弱故障诊断方法 （郑州轻工业大学）_第4页
CN117216636B 强背景噪声下的高压辊磨机滚动轴承eemd-fku-pmckd微弱故障诊断方法 （郑州轻工业大学）_第5页
已阅读5页，还剩12页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

强背景噪声下的高压辊磨机滚动轴承EEMD-本发明提出一种强背景噪声下的高压辊磨模型进行自适应参数优化，获得PMCKD中滤波器长度L、解卷积周期Ts和移位数M的最佳组合参数，将最佳优化参数结果回代到PMCKD模型对一络谱提取的轴承故障特征频率与理论值进行对21.强背景噪声下的高压辊磨机滚动轴承E使用加速度传感器对高压辊磨机双辊滚动轴承进行数据采集将原始输入信号用集合经验模态分解技术进行信号分解除噪，产通过互相关系数和峭度阈值筛选出IMF分量中相关性最强子信号进行信号通过滤波信号包络谱中突出频率确定解卷积周期Ts范围，从而确定对MCKD算法中参数对特征增强信号通过包络处理提取出滚动轴承故障特征，并与传动3[0005]传统滚动轴承故障诊断方法，如小波降噪，经验模态分解(EMD)，局部均值分解验模态分解(EEMD)通过加入高斯白噪声可有效避免EMD、LMD等信号分解产生的模态混叠、4机滚动轴承EEMD_FKU_PMCKD微弱故[0022]2.MCKD,FKU有较强的数学理论支撑，同时FK5下6到2k_1,2倍降采样的目的是保证单层7[0080]PSO算法对MCKD参数搜索范围滤波器长度[20,200]，移位数[1,7],解卷积周期89

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论