文献

J-GLOBAL ID：202202280896191601   整理番号：22A0924009

改良アンサンブル雑音再構成EMDと適応閾値雑音除去に基づく転がり軸受の弱故障特徴抽出【JST・京大機械翻訳】

Weak fault feature extraction of rolling bearings based on improved ensemble noise-reconstructed EMD and adaptive threshold denoising

著者 (7件)： Yin Chen (School of Mechanical Engineering, Nanjing University of Science and Technology, Nanjing 210094, China) ,  Wang Yulin (School of Mechanical Engineering, Nanjing University of Science and Technology, Nanjing 210094, China) ,  Ma Guocai (State Key Laboratory of Intelligent Manufacturing System Technology, Beijing Institute of Electronic System Engineering, Beijing 100854, China) ,  Wang Yan (Department of Computing, Mathematics and Engineering, University of Brighton, Brighton BN2 4GJ, UK) ,  Sun Yuxin (School of Mechanical Engineering, Nanjing University of Science and Technology, Nanjing 210094, China) ,  Sun Yuxin (State Key Laboratory of Mechanical System and Vibration, School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai 200240, China) ,  He Yan (State Key Laboratory of Mechanical Transmission, Chongqing University, Chongqing 400030, China)
資料名： Mechanical Systems and Signal Processing  (Mechanical Systems and Signal Processing)
巻： 171  ページ： Null  発行年： 2022年 
JST資料番号： T0514A  ISSN： 0888-3270  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 雑音干渉の下で弱い故障特徴を抽出することは,初期段階での転がり軸受の故障診断にとって極めて重要である。本論文では,改良アンサンブル雑音再構成経験的モード分解(IENEMD)と適応閾値雑音除去(ATD)に基づく新しい方法を,転がり軸受の弱い故障特徴抽出のために提案する。第1に,弱い故障特徴の潜水をもたらす付加的Gauss白色雑音を利用するEEMDの欠点に取り組むために,生信号に隠された固有雑音を自動的に抽出して,IENEMDに活用して,生信号を固有モード関数(IMFs)に分解した。IENEMDは元のEMDのモード混合問題を回避するだけでなく,固有雑音の干渉も低減する。次に,情報IMF選択と閾値雑音除去から成るATDを分解IMFs上で実行した。ベンチマークとして転がり軸受の健全性信号を取り上げて,故障情報に富む有意義なIMFsを効率的に選択し,それを新しく構築した自己適応閾値によってさらに雑音除去した。最後に,弱い故障特徴を,包絡線解析手法を採用した再構成雑音除去信号から抽出した。早期故障段階における転がり軸受のシミュレーションケースと2つの実際のケースを利用して,提案したIENEMD-ATDのロバスト性と実現可能性を検証した。結果は,提案した方式が,転がり軸受の弱い故障特徴を抽出する際に,他の最先端の技術を上回ることを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 干渉 ,  *雑音 ,  *閾値 ,  シミュレーション ,  *故障 ,  *転がり軸受 ,  白色雑音 ,  故障診断 ,  *特徴抽出 ,  周波数解析 ,  エンベロープ ,  ベンチマーク ,  ロバスト性 ,  周波数推定 ,  *雑音除去
準シソーラス用語： 経験的モード分解 ,  固有モード関数 , 【Automatic Indexing@JST】

著者キーワード (6件)： 弱い特徴抽出 ,  経験的モード分解 ,  閾値雑音除去 ,  故障診断 ,  エンベロープ解析 ,  転がり軸受

分類 (4件)： 信号理論  (ND02020G) ,  図形・画像処理一般  (JE04010I) ,  軸受  (QB01020W) ,  雑音一般  (ND04010J)

タイトルに関連する用語 (8件)： アンサンブル ,  雑音 ,  再構成 ,  適応閾値 ,  雑音除去 ,  転がり軸受 ,  故障 ,  特徴抽出