典型文献
基于自适应增强形态滤波的滚动轴承复合故障分离法
文献摘要：
针对滚动轴承复合故障难以分离的问题,课题组提出了一种自适应多尺度形态滤波分离方法.首先,利用具有提取周期性特征的多尺度形态滤波器和峭度特征能量积(kurtosis feature energy product,KF)提取出一种主要的故障特征分量;然后,利用奇异值分解(singular value decomposition,SVD)降噪方法对提取的故障特征进行降噪处理,增强故障特征;最后,对去噪信号进行迭代筛选分离,得到多个故障特征模式分量.通过仿真信号与异步牵引电机实际故障信号对比实验,结果表明:该方法能够分离复合故障特征,并有效提取噪声干扰下的故障特征信息.该方法滤波效果强于传统方法,具有较好的工程应用价值.
文献关键词：
滚动轴承;复合故障;峭度特征能量积;多尺度形态滤波;奇异值分解
中图分类号：
作者姓名：
权伟;魏豪;马晨;何建国
作者机构：
西安工程大学 机电工程学院,陕西 西安 710048;西安工程大学 材料工程学院,陕西 西安 710048
文献出处：
引用格式：
[1]权伟;魏豪;马晨;何建国-.基于自适应增强形态滤波的滚动轴承复合故障分离法)[J].轻工机械,2022(05):67-75
A类：
多尺度形态滤波,峭度特征能量积
B类：
自适应增强,滚动轴承,复合故障,故障分离,分离法,波分,分离方法,形态滤波器,kurtosis,feature,energy,product,KF,故障特征,奇异值分解,singular,value,decomposition,SVD,降噪方法,降噪处理,去噪,特征模式,异步牵引电机,故障信号,有效提取,噪声干扰,特征信息
AB值：
0.299683
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。
