《表2 变分模态分量Ui的峭度值和相关系数》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于终止准则改进K-SVD字典学习的稀疏表示特征增强方法》
图6a为外圈故障轴承振动信号经过归一化处理后的时域波形图,由于故障尺寸较小,振动能量较微弱,导致信号中的冲击成分被噪声等其他干扰成分所淹没。根据轴承故障振动特性,对振动信号进行高通滤波及包络谱分析,由图6b所示的包络谱中可以发现,故障特征频率淹没在其他干扰频率中,无法识别出故障状态。因此,基于稀疏表示策略对外圈故障信号进行特征增强处理,表2为VMD分解后各分量相关系数与峭度值,选取U6为最优分量。得到特征增强结果如图7所示,从图中可以有效提取轴承的微弱故障特征,实现故障状态的准确识别。
图表编号 | XD0068143600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.05 |
作者 | 王华庆、任帮月、宋浏阳、董方、王梦阳 |
绘制单位 | 北京化工大学机电工程学院、北京化工大学机电工程学院、北京化工大学机电工程学院、北京化工大学机电工程学院、北京化工大学机电工程学院 |
更多格式 | 高清、无水印(增值服务) |