本文選題：故障診斷 + 自適應(yīng)最稀疏時(shí)頻分析　； 參考：《湖南大學(xué)學(xué)報(bào)(自然科學(xué)版)》2017年08期

【摘要】：自適應(yīng)最稀疏時(shí)頻分析(adaptive and sparsest time-frequency analysis,ASTFA)是一種新的時(shí)頻分析方法,該方法需要事先確定較為準(zhǔn)確的初始值,缺乏自適應(yīng)性.針對(duì)ASTFA存在的問題,提出了基于初值優(yōu)化的ASTFA方法.該方法使用殘余量的能量作為優(yōu)化目標(biāo)函數(shù),使用不同的初始值對(duì)信號(hào)進(jìn)行分解,當(dāng)殘余量的能量最小時(shí),則認(rèn)為該初始值為最優(yōu)初始值.因此,該方法能夠自適應(yīng)地尋找最優(yōu)的初始值,增加了ASTFA方法的自適應(yīng)性.采用仿真信號(hào)將該方法與原ASTFA方法進(jìn)行對(duì)比,結(jié)果表明該方法能自適應(yīng)地得到更準(zhǔn)確的分解結(jié)果.對(duì)仿真信號(hào)和滾動(dòng)軸承故障數(shù)據(jù)進(jìn)行分析,結(jié)果表明ASTFA在抑制端點(diǎn)效應(yīng)和模態(tài)混淆、抗噪聲性能、提高分量的準(zhǔn)確性等方面要優(yōu)于經(jīng)驗(yàn)?zāi)B(tài)分解(empirical mode decomposition,EMD),并能有效應(yīng)用于滾動(dòng)軸承故障診斷.
[Abstract]:Adaptive and sparsest time-frequency Analysis (ASTFAA) is a new time-frequency analysis method, which requires accurate initial values in advance and lacks self-adaptability.Aiming at the problem of ASTFA, a ASTFA method based on initial value optimization is proposed.In this method, the residual energy is used as the optimization objective function, and different initial values are used to decompose the signal. When the residual energy is minimum, the initial value is considered to be the optimal initial value.Therefore, the method can find the optimal initial value adaptively and increase the adaptability of the ASTFA method.The simulation signal is used to compare the method with the original ASTFA method. The results show that the method can get more accurate decomposition results adaptively.The simulation signal and rolling bearing fault data are analyzed. The results show that ASTFA can suppress the end-point effect and modal confusion, and can resist noise.It is better to improve the accuracy of components than empirical mode decomposition (EMD) and can be effectively applied to the fault diagnosis of rolling bearings.
【作者單位】： 湖南大學(xué)汽車車身先進(jìn)設(shè)計(jì)制造國(guó)家重點(diǎn)實(shí)驗(yàn)室;
【基金】：國(guó)家科技支撐計(jì)劃資助項(xiàng)目(2015BAF32B03) 國(guó)家自然科學(xué)基金資助項(xiàng)目(51375152,51575168) 智能型新能源汽車國(guó)家2011協(xié)同創(chuàng)新中心、湖南省綠色汽車2011協(xié)同創(chuàng)新中心資助項(xiàng)目~~
【分類號(hào)】：TH17

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蓋廣洪;;基于經(jīng)驗(yàn)?zāi)B(tài)分解的轉(zhuǎn)子啟動(dòng)波德圖繪制[J];機(jī)械科學(xué)與技術(shù);2006年01期

2 黃迪山;;經(jīng)驗(yàn)?zāi)B(tài)分解中虛假模態(tài)分量消除法[J];振動(dòng).測(cè)試與診斷;2011年03期

3 黃駿;何永勇;;經(jīng)驗(yàn)?zāi)B(tài)分解停止準(zhǔn)則及在故障診斷中的應(yīng)用[J];機(jī)械強(qiáng)度;2011年05期

4 張超;楊立東;李建軍;;局部均值分解和經(jīng)驗(yàn)?zāi)B(tài)分解的性能對(duì)比研究[J];機(jī)械設(shè)計(jì)與研究;2012年03期

5 王昆;李凌均;周喜格;;支持向量數(shù)據(jù)描述和經(jīng)驗(yàn)?zāi)B(tài)分解相結(jié)合的故障診斷[J];機(jī)械強(qiáng)度;2009年06期

6 孫華剛;馮廣斌;曹登慶;毛向東;;經(jīng)驗(yàn)?zāi)B(tài)分解端點(diǎn)波形延拓改進(jìn)方法研究[J];電子測(cè)量與儀器學(xué)報(bào);2010年04期

7 王玉靜;康守強(qiáng);張?jiān)?劉學(xué);姜義成;Mikulovich V I;;基于集合經(jīng)驗(yàn)?zāi)B(tài)分解敏感固有模態(tài)函數(shù)選擇算法的滾動(dòng)軸承狀態(tài)識(shí)別方法[J];電子與信息學(xué)報(bào);2014年03期

8 張來斌;王朝暉;樊長(zhǎng)博;;經(jīng)驗(yàn)?zāi)B(tài)分解在機(jī)械設(shè)備故障診斷應(yīng)用研究概述[J];礦山機(jī)械;2007年02期

9 鄭近德;程軍圣;曾鳴;羅頌榮;;基于偽極值點(diǎn)假設(shè)的經(jīng)驗(yàn)?zāi)B(tài)分解及其在轉(zhuǎn)子故障診斷中的應(yīng)用[J];中國(guó)機(jī)械工程;2014年18期

10 劉樹林;趙海峰;齊波;王輝;;基于經(jīng)驗(yàn)?zāi)B(tài)分解及自相關(guān)分析的微弱信號(hào)提取方法[J];大慶石油學(xué)院學(xué)報(bào);2007年05期

相關(guān)碩士學(xué)位論文 前9條

1 趙強(qiáng);基于EMD的齒輪故障診斷技術(shù)研究[D];東北石油大學(xué);2015年

2 黃陽;基于經(jīng)驗(yàn)?zāi)B(tài)分解的軸承故障診斷系統(tǒng)研究[D];東北石油大學(xué);2016年

3 李曜洲;經(jīng)驗(yàn)?zāi)B(tài)分解的方法改進(jìn)研究[D];湖南科技大學(xué);2016年

4 王玉龍;改進(jìn)的EEMD分析方法及其在故障診斷中的應(yīng)用[D];天津大學(xué);2016年

5 景蓓蓓;基于微分的經(jīng)驗(yàn)?zāi)B(tài)分解及其在多重轉(zhuǎn)子故障分析中的應(yīng)用[D];上海交通大學(xué);2009年

6 高建新;改進(jìn)經(jīng)驗(yàn)?zāi)B(tài)分解及其在齒輪故障診斷中的應(yīng)用研究[D];太原理工大學(xué);2011年

7 王可;基于經(jīng)驗(yàn)?zāi)B(tài)分解的滾動(dòng)軸承故障振動(dòng)信號(hào)消噪研究[D];湖南科技大學(xué);2012年

8 徐明林;基于小波降噪和經(jīng)驗(yàn)?zāi)B(tài)分解的滾動(dòng)軸承故障診斷[D];哈爾濱工業(yè)大學(xué);2013年

9 陳凱;快速非平穩(wěn)信號(hào)分析診斷與應(yīng)用[D];上海交通大學(xué);2015年

，

本文編號(hào)：1770690