文献

J-GLOBAL ID：202002288682355684   整理番号：20A0224731

MCKD-VMDに基づく歯車故障特徴抽出【JST・京大機械翻訳】

Gear Fault Feature Extraction Based on MCKD-VMD

著者 (4件)： Ren Bin (Shijiazhuang Tiedao University,School of Mechanical Engineering,Shijiazhuang,China) ,  Li Siwen (Shijiazhuang Tiedao University,School of Mechanical Engineering,Shijiazhuang,China) ,  Hao Rujiang (Shijiazhuang Tiedao University,School of Mechanical Engineering,Shijiazhuang,China) ,  Yang Shaopu (Shijiazhuang Tiedao University,School of Mechanical Engineering,Shijiazhuang,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： PHM-Qingdao  ページ： 1-9  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 機関車送電システムにおける歯車故障抽出の困難性のために,それは強いノイズにおいて沈めることが簡単であった。歯車の故障特徴を抽出するために,MCKD-VMD(最大相関尖度分解-変調モード分解)の組合せを提案した。最初に,この方法は収集した振動信号に関する相関関数融合を実行して,より高い相関を有する信号を融合して,効果的に干渉信号を取り除いた。MCKD法を用いて,低周波信号をより明白にするために,融合信号の信号を強化した。MCKD強化信号をVMDによって分解して,いくつかのモード成分を得て,より大きな相関係数を有する成分を再構築して,パワースペクトル解析を実行して,歯車の故障周波数特性を同定した。提案方法の雑音除去性能は,歯車破壊歯のシミュレーション実験による他の方法より良い。この方法をMCKD-EMD法と比較した。結果は,提案した方法がモーダルエイリアシング問題を抑制するだけでなく,歯車故障頻度と位置のより正確な抽出を抑制することができることを示した。それは,機関車の早期警戒のために,重要な実用的意義を持っている。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音除去 ,  相関係数 ,  雑音 ,  送電 ,  *故障 ,  *特徴抽出 ,  周波数特性 ,  機関車 ,  シミュレーション ,  相関関数 ,  再構成
準シソーラス用語： パワースペクトル解析 ,  振動信号 ,  モード分解 ,  尖度 , 【Automatic Indexing@JST】

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (3件)： 歯車 ,  故障 ,  特徴抽出