没有合适的资源?快使用搜索试试~
我知道了~
文库首页
行业
制造
倒频谱分析在旋转机械故障诊断中的应用
倒频谱分析在旋转机械故障诊断中的应用
倒频谱分析
需积分: 18
16 下载量
131 浏览量
2016-08-16
14:23:39
上传
评论
收藏
1.2MB
PDF
举报
温馨提示
立即下载
本文主要介绍了倒频谱分析在旋转机械故障诊断中的应用。
资源推荐
资源评论
倒频谱分析
浏览:38
5星 · 资源好评率100%
倒频谱方法分析提取信号特征,对人们认识信号有着很大的帮助
倒频谱法在齿轮箱故障诊断中的应用
浏览:155
5星 · 资源好评率100%
基于LABVIEW的虚拟仪器平台建立数据采集系统,实现了对齿轮进行全生命周期实验过程中采集到大量振动信号数据,提出使用时域分析法(时域同步平均)与频域分析法(功率谱)相结合的信号处理方法对振动信号数据按齿轮可能出现的各种运行状态加以分类,从而有霞点的应用倒频谱法对已经出现故障的齿轮箱振动信号进行分析,倒频谱的边频带频谱识别能力有助于研究啮合频率及边频特征,进而准确诊断出齿轮故障性质,并定位出故障齿
倒频谱分析方法
浏览:44
本文主要介绍了倒频谱分析方法的基本原理。
基于LabVIEW的倒频谱与包络谱分析在风电机组齿轮箱故障诊断中的应用
浏览:129
3星 · 编辑精心推荐
基于LabVIEW的倒频谱与包络谱分析在风电机组齿轮箱故障诊断中的应用,大家一块学习。
齿轮箱升降速过程阶次倒谱故障诊断方法研究 (2007年)
浏览:125
齿轮箱升降速过程中的振动信号包含有重要的参考信息,研究该过程中的振动信号,有助于识别齿轮箱的故障。将常规的倒谱分析技术与阶次分析相结合,提出了阶次倒谱的齿轮箱故障诊断方法。首先利用重采样技术,将时域非平稳信号转化为角域平稳信号,最后对角域重采样信号进行倒阶次谱分析,就可提取齿轮的故障特征。实验分析结果表明该方法能有效地识别齿轮的故障类型。图8,表1,参8。
python实现信号时域统计特征提取代码
浏览:3
4星 · 用户满意度95%
1.实验数据需求 为了对采集的压力实验数据做特征工程,需要对信号进行时域的统计特征提取,包含了均值、均方根、偏度、峭度、波形因子、波峰因子、脉冲因子、峭度因子等,现用python对其进行实现。 2.python实现 其中的输入参数含义: ① data:实验数据的DataFrame ② p1:所截取实验信号的起始采样点位置 ③ p2:所截取实验信号的终止采样点位置 from pandas impo
fast -kurtogram
浏览:178
5星 · 资源好评率100%
快速谱峭度,计算不同频带的谱峭度,选择最大峭度值频带为解调频带
谱峭度工具箱
浏览:53
谱峭度工具箱,由法国人编写,非常实用,故障诊断的利器,发论文的好帮手! 谱峭度工具箱,由法国人编写,非常实用,故障诊断的利器,发论文的好帮手!
快速峭度普
浏览:28
5星 · 资源好评率100%
利用快速峭度谱实现对故障信号的特征提取,对故障诊断十分有效
ACCUGRAM for Frequency Band Selection:用于旋转机械故障诊断的有用的频带选择工具。-matlab开发
浏览:139
旋转机械故障诊断中的频带选择(FBS)旨在识别包括全频带频谱之外的故障瞬变在内的频带位置,从而故障诊断可以抑制来自其他频率分量的噪声影响。 冲动性和循环平稳性最近被认为是瞬态的两个独特特征。 因此,许多研究都集中在开发两个签名的量化指标,并将它们用作指导 FBS 的指标。 然而,以往的大多数研究几乎忽略了FBS的另一个方面,即健康参考,这对FBS性能有显着影响。 为了解决这个问题,本文研究了健康参
旋转机械故障诊断方法
浏览:47
文章概述了旋转机械故障诊断的基本方法和国内外的先进技术,分别阐述了各方法的基本原理、优缺点及典型应用
基于倒频谱分析的齿轮故障诊断
浏览:133
齿轮传动是机械设备中最常见的传动方式,齿轮的状态直接关系着机械设备整体的运行状态,因而对齿轮的故障进行诊断非常重要。倒频谱变换是一种非线性的信号处理方法,这种分析方法受传感的测点位置及传输途径的影响小,常用于提取信号中的周期成分。采用倒频谱的分析方法对齿轮点蚀故障信号进行分析,成功定位了齿轮故障发生的部位,验证了该方法的有效性。
滚动轴承故障诊断的matlab倒频谱分析.pdf
浏览:65
5星 · 资源好评率100%
滚动轴承故障诊断的matlab倒频谱分析.pdf
旋转电机故障诊断,小波分析
浏览:4
小波变换分析电机故障信号,阐述了电机故障诊断和状态监测的各种的基础知识,包括电机的诊断等检测方法、允许限值、诊断设备及诊断原理,还利用希尔伯特变换进行分析
fft应用及频谱分析
浏览:23
哈尔滨工业大学数字信号处理课程实验——用FFT作谱分析对fft的理解
模态分解emd算法Python实现
浏览:35
传统的经验模态分解,适合初级的研究生学习故障诊断,信号处理方式。
时域特征的求取,例如峭度、裕度等等。
浏览:185
3星 · 编辑精心推荐
先把我们的数据进行分解,然后求取每个的时域特征,接着用分类器进行分类,得到你想到的。这里是时域特征求取的代码。
谱峭度V4-V3版本的进化版.rar
浏览:171
5星 · 资源好评率100%
本算法主要用于轴承振动信号处理,其作用是自适应的定位轴承故障响应所处的频带,确定出中心频率和带宽,继而构造出最优的带通滤波器。
基于谱峭度和cICA的滚动轴承故障特征提取.pdf
浏览:142
独立分量分析(ICA)可以实现混合信号的按源分离,但由于其使用时通常需要预先知道信号源数量,使其应用受到限制。在ICA基础上发展起来的约束独立分量分析(cICA)方法,可根据一定的先验知识生成参考信号以提取感兴趣的独立分量(IC)。包络提取技术可有效隔离解调共振带之外的干扰源信号,同时起到对信号的振源降维作用。谱峭度包络提取是近年来发展起来的崭新包络提取方法,可实现对信号包络的自适应提取。本文将谱
基于小波频谱分析的滚动轴承故障诊断研究
浏览:13
提出了一种基于小波频谱分析的滚动轴承故障诊断方法。利用小波默认阈值方法进行数据消噪处理,并对消噪后振动数据进行了5层小波分解。根据轴承故障特征频率,对故障特征频率所在层进行小波重构,计算功率谱密度。对滚动轴承故障的振动信号的仿真结果表明,该方法能有效识别滚动轴承的内圈、外圈和滚动体故障。
小波分析在旋转机械故障诊断中的应用
浏览:15
小波分析在旋转机械故障诊断中的应用 小波分析 故障诊断
旋转机械故障诊断.ppt
浏览:95
旋转机械是指主要功能是由旋转动作来完成的机械,尤其是指转速较高的机械。旋转机械广泛应用于大型石油、化工、冶金、电力等行业。 由于旋转机械的结构及零部件设计加工、安装调试、 维护检修等方面的原因和运行操作方面的失误,使得机器在运行过程中会引起振动,其振动类型可分为径向振动、轴向振动和扭转振动三类,其中过大的径向振动往往是造成机器损坏的主要原因,也是状态监测 的主要参数和进行故障诊断的主要依据。
小波分析在故障诊断中的应用研究
浏览:161
摘 要:在简单介绍小波分析的发展和基本原理的基础上,系统综述了小波分析在故障 诊断中的研究进展与状况,详细介绍了小波分析在故障诊断中应用的各种方法,重点阐述了 小波分析信号处理的故障诊断方法,以及小波分析与各种智能理论与技术结合的故障诊断方 法,如小波分析与神经网络相结合的方法、小波分析与模糊理论相结合的方法和小波分析与 数据融合等理论相结合的故障诊断方法,并对各种方法做了分析与讨论。分析了小
小波分析在采煤机故障诊断中的应用
浏览:134
研究了小波分析在机械故障诊断方面的应用,通过对截割滚筒部位振动信号的研究表明,对此类信号的小波分析提取基础上的机械故障诊断,是一种有效的分析手段。将小波分析后的数据转换到频域,在频域里进行倒谱运算。数据处理结果证明:倒谱处理使得特征频率处的特征值更加明显。对破损轴承进行上述处理和分析,证明了小波分析和倒谱结合进行故障诊断的有效性。
python 计算数据偏差和峰度的方法
浏览:122
今天小编就为大家分享一篇python 计算数据偏差和峰度的方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
spectral kurtosis_ a useful tool for characterising non-stationary signals
浏览:148
5星 · 资源好评率100%
安东尼关于谱峭度的经典文章,请大家好好学习一下。
旋转机械故障诊断4.pptx
浏览:142
旋转机械故障诊断4.pptx
旋转机械故障诊断3.pptx
浏览:25
旋转机械故障诊断3.pptx
评论
收藏
内容反馈
立即下载
资源评论
资源反馈
评论星级较低,若资源使用遇到问题可联系上传者,3个工作日内问题未解决可申请退款~
联系上传者
评论
火柴人8888
粉丝: 4
资源:
15
私信
上传资源 快速赚钱
我的内容管理
展开
我的资源
快来上传第一个资源
我的收益
登录查看自己的收益
我的积分
登录查看自己的积分
我的C币
登录后查看C币余额
我的收藏
我的下载
下载帮助
前往需求广场,查看用户热搜
最新资源
MapReduce单词统计 hadoop集群
深度学习源码神经网络新闻分类多分类问题ipynb源码带数据集
深度学习源码神经网络用预训练的卷积神经网络ipynb源码带数据集
深度学习源码神经网络使用词嵌入ipynb源码带数据集
深度学习源码神经网络使用LSTM生成文本ipynb源码带数据集
深度学习源码神经网络生成式对抗网络简介ipynb源码带数据集
深度学习源码神经网络神经风格迁移ipynb源码带数据集
深度学习源码神经网络理解循环神经网络ipynb源码带数据集
genesis 钻孔导入,建立D码
genesis,99SE输出资料时,焊盘变形
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功