為改善再生相移正弦輔助經(jīng)驗?zāi)B(tài)分解（RPSEMD）在噪聲影響下魯棒性較差的缺陷,引入了一種廣義的極小極大凹罰函數(shù)（GMC）作為1范數(shù)的替代,建立起了基于凸優(yōu)化的降噪框架。將該凸優(yōu)化降噪方法作為一種前處理手段,隨后利用RPSEMD對預(yù)處理過的信號進行模態(tài)分解。數(shù)值仿真信號和實測軸承故障信號的試驗結(jié)果,以及與EMD及EEMD的對比分析表明,該方法能夠消除模態(tài)混疊現(xiàn)象的影響,有效提取軸承的故障特征頻率。 

【文章來源】：軸承. 2020,(06)北大核心

【文章頁數(shù)】：7 頁

【文章目錄】：
1 理論分析
    1.1 基于GMC罰函數(shù)的凸優(yōu)化降噪算法
        1.1.1 MC罰函數(shù)的定義
        1.1.2 MC罰函數(shù)的縮放
        1.1.3 廣義極大極小凹罰函數(shù)的獲得
    1.2 RPSEMD理論描述
    1.3 基于凸優(yōu)化及RPSEMD的故障診斷方法
2 仿真信號分析
3 試驗分析
    3.1 試驗1
    3.2 試驗2
4 結(jié)束語


【參考文獻】：
期刊論文
[1]基于凸優(yōu)化的激光誘導(dǎo)擊穿光譜基線校正方法[J]. 柯軻,呂勇,易燦燦.  光譜學與光譜分析. 2018(07)
[2]基于變模式分解降噪的滾動軸承故障診斷研究[J]. 劉江,呂勇.  機械設(shè)計與制造. 2015(10)
[3]解相關(guān)EMD:消除模態(tài)混疊的新方法[J]. 肖瑛,殷福亮.  振動與沖擊. 2015(04)
[4]基于EMD降噪和譜峭度的軸承故障診斷方法[J]. 張超,陳建軍.  機械科學與技術(shù). 2015(02)
[5]機械故障診斷基礎(chǔ)研究“何去何從”[J]. 王國彪,何正嘉,陳雪峰,賴一楠.  機械工程學報. 2013(01)
[6]EEMD的非平穩(wěn)信號降噪及其故障診斷應(yīng)用[J]. 呂建新,吳虎勝,田杰.  計算機工程與應(yīng)用. 2011(28)



本文編號：3056931