文献

J-GLOBAL ID：201702228134502943   整理番号：17A1420507

増強アンサンブル経験的モード分解とランダム減衰技術を用いた故障検出戦略【Powered by NICT】

A fault detection strategy using the enhancement ensemble empirical mode decomposition and random decrement technique

著者 (2件)： Xiang Jiawei (College of Mechanical and Electrical Engineering, Wenzhou University, Wenzhou, PR China) ,  Zhong Yongteng (College of Mechanical and Electrical Engineering, Wenzhou University, Wenzhou, PR China)
資料名： Microelectronics Reliability  (Microelectronics Reliability)
巻： 75  ページ： 317-326  発行年： 2017年 
JST資料番号： C0530A  ISSN： 0026-2714  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 欠陥のある機械部品の振動信号は非定常であり,欠陥のある軸受と歯車の特徴周波数を抽出することは困難である。本論文では,非定常信号定常成分に,定常成分のインパルス信号を抽出するためにランダム減衰技術(RDT)およびHilbertエンベロープスペクトルを分解軸受と歯車の故障を検出するためのインパルス信号を復調するために,高速アンサンブル経験的モード分解(EEMD)を組み合わせた新しいアプローチを提案した。提案した手法は,軸受や歯車の特徴周波数をtackできる振動信号からの固有モード関数(IMF)を抽出するための高速EEMDアルゴリズムを用いている。IMF1は,RDTを使って抽出した後,特徴周波数はHilbertエンベロープスペクトルを用いた信号を解析することにより決定した。欠陥のある軸受と歯車から採取した数値シミュレーションと実験データを用いて,提案した方法を実証した。結果は,EEMD,RDT,とH ilbert包絡線スペクトルの使用は,機械部品の故障を検出するための適切な戦略であることを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 機械要素 ,  エンベロープ ,  周波数 ,  線スペクトル ,  アルゴリズム ,  *故障検出 ,  軸受 ,  シミュレーション ,  高速度
準シソーラス用語： 数値シミュレーション ,  固有モード関数 ,  非定常信号 ,  非定常性 ,  振動信号 ,  *アンサンブル経験的モード分解 , 【Automatic Indexing@JST】

著者キーワード (5件)： アンサンブル経験的モード分解 ,  軸受 ,  歯車 ,  Hilbertエンベロープスペクトル ,  故障診断

分類 (1件)： 固体デバイス計測・試験・信頼性  (NC03040G)

タイトルに関連する用語 (5件)： 増強 ,  アンサンブル経験的モード分解 ,  減衰 ,  故障検出 ,  戦略