-
公开(公告)号：CN108982107A
公开(公告)日：2018-12-11
申请号：CN201810837758.9
申请日：2018-07-26
Applicant: 北京工业大学
CPC classification number: G01M13/045 , G06F17/18
Abstract: 本发明公开了一种基于形态学和多尺度排列熵均值的轴承故障定量趋势诊断方法，当轴承内圈或者外圈故障尺寸变化时，其振动信号的调制程度会发生变化，这些变化影响其振动信号的复杂度和随机性。该方法应用了多尺度排列熵在表征振动信号不确定性程度方面的优越性，绘制多尺度排列熵均值与故障大小关系图，继而实现对滚动轴承故障定量趋势诊断。实验采集到的振动信号中含有很重的噪声和大量的干扰信号，为了去除噪声的干扰并且增强振动信号的冲击特性，将多尺度形态学引用到本发明中，大大提高了滚动轴承故障定量趋势的准确度。
-
公开(公告)号：CN108645620B
公开(公告)日：2020-07-03
申请号：CN201810836972.2
申请日：2018-07-26
Applicant: 北京工业大学
IPC: G01M13/045
Abstract: 本发明公开了一种基于信息熵和多尺度形态学的滚动轴承早期故障诊断方法，在多尺度形态滤波方法中，结构元素的尺度对滤波效果尤其重要。由于传统的形态滤波方法的结构元素最优尺度为单独的一个尺度，导致提取的滚动轴承故障特征信息不完善，使得故障特征表现不明显。本发明没有将结构元素的最优尺度固定为一个值，而是选取多个尺度的结构元素对故障轴承振动信号形态学分析。该方法融合了信息熵在表征信号方面的优越性，用信息熵量化分析后的信号，通过迭代法得到信息熵的最佳阈值来优化结构元素尺度，然后根据硬阈值对信号进行叠加，以保证有用信息的完整性，实现滚动轴承故障诊断。
-
公开(公告)号：CN108982107B
公开(公告)日：2019-07-12
申请号：CN201810837758.9
申请日：2018-07-26
Applicant: 北京工业大学
IPC: G01M13/045 , G06F17/18
Abstract: 本发明公开了一种基于形态学和多尺度排列熵均值的轴承故障定量趋势诊断方法，当轴承内圈或者外圈故障尺寸变化时，其振动信号的调制程度会发生变化，这些变化影响其振动信号的复杂度和随机性。该方法应用了多尺度排列熵在表征振动信号不确定性程度方面的优越性，绘制多尺度排列熵均值与故障大小关系图，继而实现对滚动轴承故障定量趋势诊断。实验采集到的振动信号中含有很重的噪声和大量的干扰信号，为了去除噪声的干扰并且增强振动信号的冲击特性，将多尺度形态学引用到本发明中，大大提高了滚动轴承故障定量趋势的准确度。
-
公开(公告)号：CN108645620A
公开(公告)日：2018-10-12
申请号：CN201810836972.2
申请日：2018-07-26
Applicant: 北京工业大学
IPC: G01M13/04
CPC classification number: G01M13/045
Abstract: 本发明公开了一种基于信息熵和多尺度形态学的滚动轴承早期故障诊断方法，在多尺度形态滤波方法中，结构元素的尺度对滤波效果尤其重要。由于传统的形态滤波方法的结构元素最优尺度为单独的一个尺度，导致提取的滚动轴承故障特征信息不完善，使得故障特征表现不明显。本发明没有将结构元素的最优尺度固定为一个值，而是选取多个尺度的结构元素对故障轴承振动信号形态学分析。该方法融合了信息熵在表征信号方面的优越性，用信息熵量化分析后的信号，通过迭代法得到信息熵的最佳阈值来优化结构元素尺度，然后根据硬阈值对信号进行叠加，以保证有用信息的完整性，实现滚动轴承故障诊断。
-
-
-
Search Results
4
records
(took 0.018 seconds)
