基于PCA和LMD分解的滚动轴承故障特征提取方法.pdfVIP

下载本文档

7
0
约1.8万字
约 5页
2015-09-07 发布于湖北
举报
版权申诉

基于PCA和LMD分解的滚动轴承故障特征提取方法.pdf

1、本文档共5页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于PCA和LMD分解的滚动轴承故障特征提取方法.pdf

2015矩仪表技术与传感器 2015 第4期 Instrument andSensor No．4 Technique 基于PCA和LMD分解的滚动轴承故障特征提取方法黄浩，吕勇，肖涵，侯高雁 (武汉科技大学，冶金装备及其控制教育部重点实验室，湖北武汉430081) 摘要：局部均值分解(LMD)是一种自适应时频分析方法，并在轴承的故障诊断中成功应用，但是受噪声的影响比较大。为了最大程度地降低噪声的干扰，提出了主分量分析(PCA)与局部均值分解(LMD)相结合的故障诊断方法。该方法首先利用相空间重构将一维时间序列振动信号嵌入为等效的多维时间序列信号，然后利用主分量分析提取主要成分实现降噪，最后把降噪之后的信号进行LMD分解，分解成若干个乘积函数(PV)之和，对能量最高的PFl进行包络谱分析，提取出故障特征信息。通过仿真试验和轴承故障试验，结果表明该方法能够有效地提取出信号的故障特征，证明了该方法的有效性。关键词：相空间重构；主分量分析；LMD；特征提取中图分类号：THl65 文献标识码：A 文章编号：1002—1841(2015)04—0076—03 FeatureExtractionMethodof Fault RollingBearing Basedon andLocalMean Component Principal Analysis HUANG Hao，LO Han，HOU Yong，XIAO Gao—yan ofScienceand (WuhanUniversity 430081，China) Technology，Wuhan mean an is usedinroll- Abstract：Local decomposition(LMD)isadaptivetime—frequencyanalysismethod，whichsuccessfully fault but influencednoise．Inordertoreducethenoiseinterferencetothe faultdi— ingbeatingdiagnosisstrongly by greatestextent，a method local agnosis basedon component mean principal analysis(PCA)anddecomposition(LMD)Was mensiontimeseries wereembeddedto the vibration multi-dimensionsreconstructed