典型文献
基于MED和WMSDL的滚动轴承内圈故障特征诊断
文献摘要：
针对滚动轴承早期内圈故障特征较为微弱,并伴随环境噪声的干扰,微弱的故障特征信息易被环境噪声所淹没的问题,课题组提出基于最小熵解卷积(MED)和加权多尺度字典学习(WMSDL)的滚动轴承早期故障诊断方法.课题组通过设置一个滤波器使故障特征信号峭度最大实现解卷积,利用WMSDL对解卷积后的信号稀疏分解后进行平方包络解调突出内圈故障特征频率.仿真分析和实例分析结果表明:解卷积后信号的信噪比明显提高,内圈冲击成分明显增强.课题组的研究可有效提取滚动轴承故障特征频率.
文献关键词：
滚动轴承;内圈;最小熵解卷积;加权多尺度字典学习;峭度
中图分类号：
作者姓名：
周余成;高哲瑜;沈丹峰;梁昌艺
作者机构：
西安工程大学 机电工程学院,陕西 西安 710048
文献出处：
引用格式：
[1]周余成;高哲瑜;沈丹峰;梁昌艺-.基于MED和WMSDL的滚动轴承内圈故障特征诊断)[J].轻工机械,2022(06):59-64
A类：
WMSDL,加权多尺度字典学习
B类：
MED,滚动轴承,轴承内圈,微弱,环境噪声,特征信息,淹没,最小熵解卷积,早期故障诊断,故障诊断方法,滤波器,特征信号,峭度,稀疏分解,包络解调,故障特征频率,明显增强,有效提取,轴承故障
AB值：
0.197174
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。
