峭度准则相关论文
为了解决轴承故障诊断数据样本量少,背景噪声干扰大和准确率不高的问题,提出一种基于奇异谱分解(Singular spectral decomposition......
针对滚动轴承振动信号在进行早期故障诊断时通常会伴随噪声干扰的问题,提出一种新的基于峭度准则的轴承故障信息分析方法.首先根据......
电力系统中局放信号的采集容易出现噪声干扰,从而导致无法准确提取局放信号,针对这一问题提出了联合变分模态分解(VMD)与改进小波......
从经验模态分解(EMD)中得到的本征模态函数(IMF)存在模态混合现象,并且其末端效应影响分解效果,针对这一问题,以西安交通大学XJTU-......
针对矿用电动机PD信号中含有大量的高斯白噪声信号这一问题,提出了一种基于VMD和SVD的去噪方法。首先利用VMD算法对含噪声的信号进......
针对傅里叶分解方法(FDM)在强噪声的环境下难以准确地提取故障特征的问题,利用FDM具有正交性、完备性及局部性的特点,及Teager能量......
针对难以识别的轴承运行振动信号中的状态特征,提出变分模态分解(VMD)和基于峭度准则排列熵结合的滚动轴承故障诊断方法。VMD分解......
提出一种集合经验模态分解(EEMD)降噪与隐马尔科夫模型(HMM)的采煤机摇臂滚动轴承故障诊断方法。采用基于峭度准则的EEMD对采集到......
针对强噪声干扰背景下微弱故障特征信息难以提取的问题,提出了一种基于奇异值分解(SVD)-形态降噪的Teager能量算子(TKEO)故障诊断......
期刊
针对滚动轴承早期微弱故障特征难以从强噪声背景中分离的问题,提出了一种本征时间尺度分解（ITD）和自适应广义形态滤波的特征提取方法......
在噪声干扰下有效提取振动信号所包含的微弱故障特征,是轴承故障诊断的关键问题,提出了一种基于敏感奇异值分解（SSVD）和总体平均经验......
针对桩基检测环境复杂,存在复杂噪声的问题.提出一种基于峭度准则和信号相关性分析的经验模态分解(EMD)去噪改进算法,通过峭度准则......
针对强噪声干扰背景下微弱故障特征信息难以提取的问题,提出了一种基于奇异值分解（SVD）-形态降噪的Teager能量算子（TKEO）故障诊断方法......
为提高滚动轴承故障诊断的智能性及准确性,针对传统模型难以提取故障特征的问题,提出了一种基于变分模态分解(VMD)及卷积神经网络(......
轴承的故障诊断是保证设备安全运行的重要手段。故障诊断的关键是振动信号解调的方法。自适应噪声完备集合经验模态分解(CEEMDAN)......
如何在含有噪声的振动信号中提取故障特征,是轴承故障诊断的关键问题,为此本文提出一种基于本征时间尺度分解（Intrinsic Time-scale......
针对滚动轴承早期故障特征非常微弱,易受随机噪声和其他信号干扰而难以提取等现象,提出了用最大相关峭度解卷积(Maximum Correlate......
针对旋转机械早期微弱故障诊断问题,提出了基于多元经验模态分解的旋转机械早期故障诊断新方法。首先将多个加速度传感器合理布置......
在实际工况下滚动轴承较易发生故障,为了保障机械运行可靠性,对其进行故障诊断研究显得非常重要,提出一种基于局部特征尺度分解(Lo......
针对滚动轴承故障诊断问题，提出一种结合局部均值分解（LMD）和切片双谱的诊断新方法。首先利用LMD算法对故障信号进行自适应分解，分解后......
针对自然图像压缩收敛速度慢的问题，提出一种新的基于峭度的绝对值和固定系数方差的稀疏编码SC（Sparse Coding）算法。该算法采用稀疏......
