陈芬
- 作品数:1 被引量:1H指数:1
- 供职机构:武汉理工大学信息工程学院更多>>
- 发文基金:国家教育部博士点基金更多>>
- 相关领域:机械工程更多>>
- 基于筛选参量的EEMD方法及其在轴承故障实时诊断中的应用被引量:1
- 2015年
- 集成经验模式分解(ensemble empirical mode decomposition,EEMD)能够很好地用于非平稳信号的处理和信号特征频率的提取,但是其运算时耗大,很难用于实时处理。在工程应用中,轴承故障可通过固定特征频率来进行有效识别,利用这一特点,一种基于筛选参量的EEMD算法被提出,它改善了通过检验剩余分量为一单调函数或常量的分解停止条件,不仅能快速地获取期望频率成分信号,而且能较好地提高运算速度。通过对比EEMD与筛选参量的EEMD在分解正弦信号以及提取轴承故障频率时的效果和时间,验证了基于筛选参量的EEMD在改善EEMD高时耗上的有效性。
- 陈芬刘泉魏勤
- 关键词:信息处理EMD轴承故障