文献

J-GLOBAL ID：202002230733678898   整理番号：20A1138922

相関多周波数経験モード分解の故障診断性能最適化手法【JST・京大機械翻訳】

Fault diagnosis performance optimization method based on decorrelation multi-frequency EMD

著者 (3件)： Zhan Yingyu (广東工業大学計算机学院,广州510006;广東省信息物理融合系統重点試験室,广州510006) ,  Cheng Lianglun (广東工業大学計算机学院,广州510006;广東省信息物理融合系統重点試験室,广州510006) ,  Wang Tao (广東省信息物理融合系統重点試験室,广州,510006)
資料名： Zhendong yu Chongji  (Zhendong yu Chongji)
巻： 39  号： 1  ページ： 115-122,149  発行年： 2020年 
JST資料番号： C2157A  ISSN： 1000-3835  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： 故障診断におけるEMD法を用いるモードエイリアシングは,故障特徴抽出精度の低い問題を引き起こす。解相関多周波数経験モード分解(DecorrelationMuhiple-FrequencyEmpiricalModeDecomposition,DMFEMD)法を提案した。最初に,初期信号に複数の周波数のマスキング信号を付加し,異なる周波数比の信号成分を分解して,IMF成分を得た。次に,隣接IMFの相関係数を計算し,次に,IMFのエイリアシング部分を分離し,そして,IMFの最適IMFを得た。最後に、原始信号から最適なIMFを減算し、その後、上述のステップを繰り返し、残留成分が定数または単調となる。モードエイリアシングは,IMFの相互相関と相互干渉がないので,故障特徴抽出の精度を効果的に改善できる。一連の最適IMF構造特徴サンプル集合を,配列エントロピーアルゴリズムによって構築して,故障分類モデルをSVMによって確立して,装置故障診断を実現した。実験により、DMFEMDは従来の方法に比べ、異なる周波数比の混合信号を効果的に分離でき、分解効果を高めることができることを証明した。同時に、軸受振動信号を例にして、DMFEMDは軸受の故障特徴をよりよく抽出でき、PEとSVMを結合して、異なる故障タイプの高効率で精確な診断を実現できる。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： マスキング ,  *故障 ,  軸受 ,  *故障診断 ,  特徴抽出 ,  相関係数 ,  構造特性 ,  エイリアシング
準シソーラス用語： 機器障害 ,  高効率 ,  混合信号 ,  相互相関 ,  *モード分解 ,  振動信号 ,  故障分類 , 【Automatic Indexing@JST】

分類 (1件)： 軸受  (QB01020W)

タイトルに関連する用語 (7件)： 相関 ,  多周波 ,  経験 ,  モード分解 ,  故障 ,  診断性能 ,  最適化手法