黑龙江省自然科学基金(E2007-02)
- 作品数：5 被引量：17H指数：3
- 相关作者：戴光余永增于江林张颖汪雪更多>>
- 相关机构：东北石油大学更多>>
- 发文基金：黑龙江省教育厅科学技术研究项目黑龙江省自然科学基金更多>>
- 相关领域：化学工程电子电信机械工程理学更多>>
- 基于小波和EMD的滚动轴承非接触声发射诊断方法被引量：7
- 2009年
- 采用声发射技术对滚动轴承进行非接触检测,利用小波分解把故障轴承信号分解在不同频段,然后依照各频带能量重构信号,消除背景噪声,对降噪信号进行EMD分解,对分解后感兴趣的IMF进行边际谱分析,观察特征频率,得到清晰的故障信息,以此诊断轴承故障。
- 戴光余永增张颖于江林
- 关键词：滚动轴承声发射小波分解EMDIMF
- 基于相关性原理的多传感器滚动轴承故障信号重构方法
- 2009年
- 为了弥补单传感器采集信号不全的缺陷,采用多传感器阵列非接触采集滚动轴承故障的周期信号,剔除多余信息,利用相关性算法将不完整的信号片段重新构成一个完整的滚动轴承故障周期性声信号。给出了一个多传感器波形数据重构的计算实例,验证了该方法的有效性。
- 戴光汪雪张颖邹立君
- 关键词：数据重构滚动轴承
- 基于小波包分析和BP神经网络的滚动轴承非接触声发射诊断方法被引量：4
- 2008年
- 采用声发射技术对滚动轴承进行非接触诊断,以小波包分析方法提取故障信号的能量特征向量,作为BP神经网络的输入向量进行模式识别,区别完好轴承和各类故障轴承。
- 戴光余永增张颖于江林
- 关键词：声发射小波包分解BP神经网络
- 滚动轴承声发射信号的人工神经网络模式识别技术被引量：5
- 2008年
- 根据声发射检测中常用的BP、RBF和PNN神经网络模型,利用声发射在线检测系统对故障滚动轴承进行测试,提取不同故障轴承声发射信号特征参量作为神经网络输入向量,并分别用3种神经网络对滚动轴承故障模式进行识别.结果表明,采用BP神经网络的声发射信号识别技术的正确识别率略低于其余2种的识别率;RBF和PNN网络的分类结果相同,且在分类能力和学习速度方面均优于BP网络.
- 于江林余永增戴光汪雪
- 关键词：滚动轴承声发射人工神经网络模式识别
- 滚动轴承非接触式声学故障诊断方法研究及应用被引量：3
- 2009年
- 基于非接触式声学诊断方法,以滚动轴承人工缺陷为对象进行试验测试,通过统计参量分析,对滚动轴承有无故障进行判断,并对轴承声学信号传播特性进行了研究。分别用与特征频率密切相关的触发数,小波包分析与BP神经网络结合两种分析方法对故障模式进行识别,提高了轴承故障诊断的有效性和准确性。
- 于江林戴光王美波余永增
- 关键词：滚动轴承故障诊断声学非接触式
