最大相关峭度解卷积相关论文
智能化电机驱动的关键技术之一就是实现设备的故障预测与健康管理,旋转机械的健康状态监测是保证工业过程可靠性的一项重要任务。......
作为旋转机械设备的关键组成部件,滚动轴承在旋转机械设备中应用广泛,是最容易受到损坏的零件之一,其运转状态直接影响着旋转机械......
本文针对已有诊断方法对强噪声环境中滚动轴承早期故障诊断的不足,提出一种基于谱聚类算法、经验小波变换(EWT)、L-峭度、蝗虫优化......
精密柔性薄壁轴承是谐波减速器的核心部件之一,其工作的稳定性决定谐波减速器的性能,因此,针对柔性薄壁轴承开展故障诊断方法的研......
鉴于采煤机复杂工况下微弱故障特征难以提取的问题,应用最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)方......
为解决受背景噪声和信号传递路径等因素影响，轴承早期故障特征微弱，难以有效诊断出轴承故障的问题，提出了一种最大相关峭度解卷积（ Max......
为研究滚动轴承早期微弱故障特征提取以及最大相关峭度解卷积(MCKD)的参数对诊断效果的影响,提出了一种基于固有时间尺度分解(ITD)......
针对电机轴承微弱故障识别困难这一问题,提出了优化最大相关峭度解卷积（optimized maximum correlated kurtosis deconvolution,OMC......
针对噪声环境下滚动轴承故障特征提取的难题,提出了基于迭代滤波和最大相关峭度解卷积的滚动轴承故障诊断方法。首先对轴承振动信......
针对强背景噪声环境下齿轮早期故障诊断问题,提出了最大相关峭度解卷积（Maximum Correlated Kurtosis Deconvolution,MCKD）结合稀疏......
滚动轴承早期故障振动信号微弱,并且受环境噪声影响严重,特征信号提取困难。针对这一问题,提出了最大相关峭度解卷积方法来提取轴......
强背景噪声环境下,多故障特征的准确分离是滚动轴承复合故障诊断的关键与难点。针对此问题,提出了一种改进最大相关峭度解卷积的滚......
针对行星齿轮箱在故障早期时振动信号比较微弱,受噪声污染严重、且传递路径复杂多变,实际情况下故障特征难以准确提取与分离的问题......
针对强噪声环境下旋转机械复合故障信号难于提取与分离的问题,提出了基于最大相关峭度解卷积（Maximum Correlated Kurtosis Deconvo......
针对最小解熵解卷积（ Minimum entropy deconvolution, MED）算法易受强噪声和野值的影响，引出了最大相关峭度解卷积（ Maximum correlat......
滚动轴承是旋转机械最重要的零部件之一,也是最容易发生故障的机械部件,其运行状态直接关系到工业生产的安全。因此,分析滚动轴承......
滚动轴承是旋转机械中重要零部件之一,不同种类的轴承故障可能会对机械系统造成严重的危害。长期运行的轴承往往会出现多个故障并......
当齿轮箱内旋转零件发生故障时,其振动信号中的故障脉冲成分易被箱体中其他旋转部件的谐波信号和背景噪声所淹没,故障特征难以被有......
谐波减速器是工业机器人机械传动系统中重要的精密减速器,柔性薄壁轴承作为谐波减速器的核心零部件之一,其工作的稳定性决定了谐波......
由于微型电机体积小,其振动信号无法用常规的加速度传感器进行采集,且对微型电机的故障诊断不需要诊断出其具体故障类型,只需要判......
齿轮箱作为机械设备中必不可少的传递运动与动力的关键部件,广泛应用于现代工业各种大型、重型机械设备中,其工作和运行环境一般比......
受环境噪声、传递路径、信号衰减以及源信号本身比较微弱的影响,滚动轴承早期微弱冲击性故障的信号特征难以提取。近年来,最小熵解......
针对某炼钢厂除尘风机服役在高温、高湿、多粉尘恶劣环境下以及强背景噪声的,致使其驱动侧滚动轴承振动信号呈现多源耦合与非线性......
针对油田现场强背景噪声干扰下,难以实现齿轮箱故障精确诊断的问题,提出基于深度置信网络(deep belief network,DBN)的齿轮箱智能......
齿轮箱轴承是高速列车传动系统中的重要零件之一,其故障检测对保障列车的正常运行具有重要意义。针对强背景噪声环境下高速列车齿......
针对强噪声情况下滚动轴承早期故障信号特征难以提取的问题,提出了MCKD与对称差分能量算子解调的特征提取方法。MCKD算法进行滤波......
针对风机滚动轴承微弱故障信号所具有的非线性和非平稳特征及易被强背景噪声掩盖的特点,提出了一种变分模态分解(variational moda......
针对最大相关峭度解卷积（MCKD）降噪效果受滤波器阶数影响的问题,提出了自适应MCKD方法。针对频率切片小波变换（FSWT）在强背景噪声中提......
针对滚动轴承故障特征微弱以及振动信号的非平稳性,提出一种基于最大相关峭度解卷积(maximum correlated kurtosis deconvolution,......
作为旋转机械中广泛应用的关键部件,滚动轴承的运行状态直接影响机械设备的性能甚至整个生产线的安全,深入开展滚动轴承故障诊断和......
针对风电机组轴承故障特征难以提取的问题，提出一种基于最大相关峭度解卷积（maximum correlated kurtosis deconvolution，MCKD）和变分......
针对滚动轴承早期故障难以提取和最大相关峭度解卷积(maxim correlated kurtosis deconvolution,MCKD)降噪效果受滤波器长度L的影......
齿轮箱在状态监测和故障诊断过程中,依据传统的奈奎斯特采样定律采集到的振动信号数据量过大,且传输速度过慢。针对这些问题提出了......
为了准确地进行齿轮故障特征提取,结合最大相关峭度解卷积和形态滤波,给出了一种新的方法;首先利用最大相关峭度解卷积恢复信号中......
在实际工程中,齿轮箱故障往往以复合故障的形式出现,不同故障的信号相互耦合,彼此干扰,难以进行准确诊断。采用变分模态分解(VMD)......
ue＊M＃’＃dkB4＃＃8＃”专利申请号:00109“7公开号:1278062申请日:00.06.23公开日:00.12.27申请人地址:（100084川C京市海淀区清华园申请人:清......
针对滚动轴承早期故障特征非常微弱,易受随机噪声和其他信号干扰而难以提取等现象,提出了用最大相关峭度解卷积(Maximum Correlate......
针对最大相关峭度解卷积(MCKD)算法在提取轴承故障特征过程中对滤波效果评价的不足,提出以峭度和故障特征频率能量比值组成的复合......
针对传统解调分析难以提取轴承故障信息的这一特征,提出了一种变分模态分解(variational mode decomposition,VMD)与最大相关峭度......
针对Teager能量算子在解调滚动轴承早期微弱故障特征中的不足,提出一种最大相关峭度解卷积降噪与Teager能量算子解调相结合的滚动......
当滚动轴承处于早期故障阶段的时候,受环境噪声和信号衰减的影响,滚动轴承振动信号特征频率成分难以精确提取,并且在信噪比较低时C......
转子系统在石油石化行业中应用广泛,一旦发生故障可能造成人员伤亡、财产损失等十分严重的后果。转子系统故障诊断过程中存在两个......
滚动轴承是列车转向架系统旋转部件的重要组成部分,其良好运行状态是列车安全的重要保证,故对列车滚动轴承故障诊断方法研究具有重......
齿轮箱作为风力发电机连接主轴和发电机之间的重要组件,其故障仅占总故障的4%,然而因其导致的停机时间却是所有故障中最长的,致使......
风电机组轴承处于早期故障阶段时,特征信号往往比较微弱,并且受环境噪声及信号衰减的影响严重,因此轴承早期故障特征一直难以提取......
旋转机械在工业生产中应用广泛,以汽轮机发电机组为典型代表的大型旋转机械轴系跨度大、结构复杂、工况多变,对其工作状态进行监测......
风电机组具有载荷复杂、运行环境恶劣等特点,因此故障率和运维费用高。其中,风电机组传动链的问题尤其突出。针对风电机组传动系统......
