典型文献
基于频谱包络分割EWT的轴承故障特征提取方法
文献摘要：
为了提高轴承在强干扰背景下的故障诊断精度,提出了一种基于频谱包络分割EWT算法的轴承故障特征提取方法.首先,针对传统EWT算法频段冗余分割导致的模态相似、信号失真等问题,基于三次B样条包络线极点进行了频段分割,有效提取了信号在不同频段的模态分量;然后,使用裕度因子分析了模态分量的敏感度,并分离出了高敏感模态分量,计算了高敏感模态分量的排列熵,组成了特征向量;最后,使用聚类法对频谱包络EWT特征、传统EWT特征、小波信息熵特征进行了分析,其中频谱包络EWT特征不存在类间交叉现象,且类内聚集度较高;将上述3种故障特征输入到支持向量机中进行了模式识别实验.研究结果表明:小波信息熵特征的诊断准确率为93.75％,经典EWT特征的诊断准确率为87.50％,频谱包络EWT特征的诊断准确率为98.75％;这表明频谱包络EWT特征的质量最好,能够在强干扰背景下有效提高轴承的诊断准确率.
文献关键词：
轴承振动信号分析;故障特征冲击分量;特征向量提取;经验小波变换;裕度因子;敏感模态选择;排列熵
中图分类号：
作者姓名：
龙雄辉;胡蓉;苏丹
作者机构：
广州铁路职业技术学院,广东广州510430;福建工程学院福建省大数据挖掘与应用重点实验室,福建福州350108
文献出处：
引用格式：
[1]龙雄辉;胡蓉;苏丹-.基于频谱包络分割EWT的轴承故障特征提取方法)[J].机电工程,2022(11):1567-1574
A类：
裕度因子,小波信息熵,故障特征冲击分量,敏感模态选择
B类：
谱包络,EWT,轴承故障特征提取,强干扰,故障诊断精度,频段,信号失真,样条,包络线,极点,有效提取,模态分量,排列熵,聚类法,熵特征,中频,内聚,聚集度,模式识别,诊断准确率,轴承振动信号分析,特征向量提取,经验小波变换
AB值：
0.203121
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
