典型文献
EEMD改进算法在异步电机轴承故障诊断中的应用
文献摘要：
[目的]为了克服传统的集成经验模态分解(EEMD)方法凭经验选取参数(集成次数及白噪声幅值系数)的弊端,同时降低该方法的计算时间成本,提出一种快速集成经验模态分解(FEEMD)方法来提取特征频率.[方法]通过改变添加白噪声的分布密度,得到不同的信号包络线.进一步通过求解移动均值滤波器最优的搜索窗口宽度来实现寻找最优的包络线,从而避免EEMD方法凭经验选择参数的缺陷.同时,在信号中的异常分量分解出来后,对剩余分量进行经验模态分解(EMD),从而进一步节省计算成本.最后,将该方法与Hilbert包络解调技术相结合应用到对异步电机轴承内环故障特征频率诊断中,并与传统的EEMD方法进行比较.[结果]结果表明,FEEMD方法能够更高效地完成对故障频率的提取.[结论]FEEMD方法可克服传统EEMD方法凭经验选取参数的弊端并缩短计算时间,有效应用在轴承故障频率的提取试验中.
文献关键词：
异步电机;故障诊断;快速集成经验模态分解;包络解调
中图分类号：
作者姓名：
吴勇;朱建军;邹奔
作者机构：
中国舰船研究设计中心,湖北武汉 430064
文献出处：
引用格式：
[1]吴勇;朱建军;邹奔-.EEMD改进算法在异步电机轴承故障诊断中的应用)[J].中国舰船研究,2022(06):111-117
A类：
快速集成经验模态分解
B类：
改进算法,异步电机,电机轴承,轴承故障诊断,白噪声,声幅值,计算时间,时间成本,FEEMD,提取特征,分布密度,信号包络,包络线,均值滤波器,解出来,计算成本,Hilbert,包络解调,技术相结合,结合应用,故障特征频率,有效应用,轴承故障频率,提取试验
AB值：
0.236104
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。
