文献

J-GLOBAL ID：201502216187467414   整理番号：15A0932576

MED EEMDに基づく回転要素軸受のための弱故障診断【Powered by NICT】

Weak fault diagnosis for rolling element bearing based on MED-EEMD

著者 (4件)： Wang Zhijian (Coll. of Mechanical Engineering, Taiyuan Univ. of Technol., Taiyuan) ,  Han Zhennan (Coll. of Mechanical Engineering, Taiyuan Univ. of Technol., Taiyuan) ,  Liu Qiuzu (Coll. of Mechanical Engineering, Taiyuan Univ. of Technol., Taiyuan) ,  Ning Shaohui (Coll. of Mechanical Engineering, Taiyuan Univ. of Technol., Taiyuan)
資料名： Nongye Gongcheng Xuebao  (Nongye Gongcheng Xuebao)
巻： 30  号： 23  ページ： 70-78  発行年： 2014年 
JST資料番号： C2454A  ISSN： 1002-6819  CODEN： NGOXEO  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： 複雑な環境下では,風車歯車箱のような回転機械はマルチ歯車と多軸受を持っている。これら成分の動的応答は互いには複雑であり,妨害となる。はそれらの潜在的故障を診断することは通常難しい。多重故障と強いバックグラウンド雑音が共存する特にとき,いくつかの欠陥によって励起された振動信号を互いに組み合わせた非線形および非定常であり,観察された振動信号は,非常に複雑でかつ伝統的な方法を用いることにより,各故障を同定するために困難にしている。特に強いバックグランド雑音のもとで転がり軸受の故障特徴は非常に弱く,通常雑音により圧倒。本論文では,最小エントロピーデコンボリューション(MED)とアンサンブル経験的モード分解(EEMD)は転がり軸受の弱い故障診断のための組み合わせた。EEMDは自己適応型解析法であり,複雑な信号を分解信号の局所特性に応じた固有モード関数(IMF)にできる。EEMDであるMEDより回転機械の故障を診断するためのより正確で有効,転がり軸受の故障特徴抽出に使用されている。しかし,信号の周波数成分は複雑すぎて,背景ノイズが非常に強いならば,それらは分解結果に影響するので,元の信号の信号対雑音比を改善するために非常に重要である。MEDは尖度の最大値,信号のピークを反映する指標である出力信号を回復できることをフィルタ係数の最適集合を探索するため,MED法は,断層インパルスを抽出することを目的とした雑音を最小化し,その結果,高いノイズ,EEMDの不足を改善できるでも明確な検出結果をもたらした。本論文では,MEDとEEMDをシミュレーション信号と風力タービンのギアボックス用に結合した。,MEDはプレフィルタは振動信号を精密化するとして使用し,転がり軸受の強いバックグラウンド雑音はMED法により減少した。第二に,上記の信号は,EEMDで作製され,付加白色雑音の振幅は試行錯誤法モードエイリアシングの問題を最小化することに基づいて実装を決定することができた。Data from the ScienceChina, LCAS. Translated by JST【Powered by NICT】

シソーラス用語： 回転機械 ,  特徴抽出 ,  *故障診断 ,  白色雑音 ,  歯車 ,  風車 ,  動的応答 ,  SN比 ,  転がり軸受 ,  歯車箱 ,  バックグラウンド ,  *軸受
準シソーラス用語： 周波数成分 ,  固有モード関数 ,  振動信号 , 【Automatic Indexing@JST】

分類 (2件)： 農業一般  (FB01010A) ,  情報処理一般  (JE15010U)

タイトルに関連する用語 (4件)： MED ,  回転要素 ,  軸受 ,  故障診断