韩宝珠
- 作品数：3 被引量：19H指数：3
- 供职机构：北京交通大学电气工程学院更多>>
- 发文基金：国家自然科学基金中央高校基本科研业务费专项资金更多>>
- 相关领域：机械工程自动化与计算机技术电子电信更多>>
- 基于RSGWPT和EEMD的滚动轴承故障诊断被引量：3
- 2016年
- 针对较强噪声环境下的滚动轴承故障识别问题,提出并研究了一种新的滚动轴承故障诊断技术,采用将冗余二代小波包变换(RSGWPT)和集合经验模态分解(EEMD)相结合提取故障特征的方法。仿真实验和振动信号诊断结果表明,此方法可以提取特征频率,有效抑制噪声,根据实际数据准确地诊断出滚动轴承的故障类型,为强噪声背景下提取弱信号开辟了新思路。
- 王德丽韩宝珠佟庆彬
- 关键词：滚动轴承故障诊断
- 基于小波分析和在线极限学习机的滚动轴承故障诊断方法研究
- 随着旋转机械设备趋于大型化、高效化、集成化，对旋转机械安全可靠运行的要求也相应提高。滚动轴承是影响旋转机械设备安全运行的关键因素之一，但是由于加工工艺、工作环境等原因造成其寿命参差性较大和损坏率高的缺点，因此需要对滚动轴...
- 韩宝珠
- 关键词：滚动轴承故障诊断小波分析
- 文献传递
- 基于RSGWPT-LCD的轴承信号故障特征提取及模式识别被引量：3
- 2018年
- 为了有效提取滚动轴承振动信号的故障特征和提高分类识别精度,提出了一种基于冗余二代小波包变换-局部特征尺度分解(redundant second generation wavelet packet transform-local characteristic scale decomposition,简称RSGWPT-LCD)和极限学习机(extreme learning machine,简称ELM)相结合的故障特征提取和分类识别方法。首先,利用希尔伯特变换对原始振动信号进行处理,得到包络信号;其次,基于双层筛选机制,结合冗余二代小波包变换(redundant second generation wavelet packet transform,简称RSGWPT)和局部特征尺度分解(local characteristic-scale decomposition,简称LCD)方法对包络信号进行分解,筛选出包含主要信息的内禀尺度分量(intrinsic scale components,简称ISCs);然后,对提取的各ISCs分量构建初始特征矩阵并进行奇异值分解(singular value decomposition,简称SVD),将得到的奇异值作为表征各损伤信号的特征向量;最后,以提取的特征向量为输入样本,建立ELM模式分类器对滚动轴承损伤信号进行识别。信号仿真和实测数据表明,该方法可有效提取振动信号故障特征,提高分类识别精度,实现滚动轴承故障诊断。
- 王保华佟庆彬胡海曹君慈韩宝珠卢艳霞张卫东朱颖
- 关键词：局部特征尺度分解极限学习机特征提取模式识别
