文献

J-GLOBAL ID：201402202195706313   整理番号：14A0107432

EEMDとWPTに基づく初期故障の高感度特性抽出

Sensitive Features Extraction of Early Fault Based on EEMD and WPT

著者 (2件)： Wang Hongjun (Key Lab. of Modern Measurement & Control Technol., Beijing Information Sci. & Technol. Univ., Beijing) ,  Wan Peng (Key Lab. of Modern Measurement & Control Technol., Beijing Information Sci. & Technol. Univ., Beijing)
資料名： Beijing Ligong Daxue Xuebao  (Beijing Ligong Daxue Xuebao)
巻： 33  号： 9  ページ： 945-950  発行年： 2013年 
JST資料番号： W0652A  ISSN： 1001-0645  CODEN： BLXUEV  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： アンサンブル実証的モード分解(EEMD)およびウェーブレットパケット変換(WPT)に基づく方法を提示し,それを初期故障の高感度特性の抽出に使用する。また,初期故障診断モデルも構築する。この方法に基づいて,先ず,EEMDを用いて動作領域からの振動信号を様々なIMF(固有モード関数)に分解する。次に,IMF構成要素と元信号の最大関連係数のIMFを選択し,新しい情報を形成する。IMFを重視して,WPTの分解を支援して,ウェーブレット係数の各ノードを得る。これらをWPTを用いて分解し,各ノードのウェーブレット係数を得る。最後に,ウェーブレットパケット係数のエンベロープをHilbert変換を用いて計算し,パワースペクトルを使用して,初期故障の高感度特性を得る。提案方法の有効性をシミュレーションにより検証する。また,この方法を転がり軸受の内輪故障,外輪故障および転がり部品の故障診断に使用する。診断結果は,高感度特性の抽出方法が有効であり,かつ迅速かつ正確な故障診断を実現することを示している。Data from the ScienceChina, LCAS. Translated by JST

シソーラス用語： 初期故障 ,  *特徴抽出 ,  高感度 ,  ウェーブレット変換 ,  係数 ,  Hilbert変換 ,  パワースペクトル ,  故障診断 ,  周波数推定 ,  モード解析 ,  分解 ,  転がり軸受 ,  信号 ,  振動
準シソーラス用語： *特性抽出 ,  ウェーブレットパケット変換 ,  ウェーブレット係数 ,  固有モード関数 ,  モード分解 ,  振動信号

分類 (1件)： 数値計算  (JE02000J)

タイトルに関連する用語 (3件)： 初期故障 ,  高感度 ,  特性抽出