CN110263649B - 一种基于EMD和Teager算子的变负荷活塞式发动机冲击特征提取方法 - Google Patents

一种基于EMD和Teager算子的变负荷活塞式发动机冲击特征提取方法 Download PDF

Info

Publication number
CN110263649B
CN110263649B CN201910428539.XA CN201910428539A CN110263649B CN 110263649 B CN110263649 B CN 110263649B CN 201910428539 A CN201910428539 A CN 201910428539A CN 110263649 B CN110263649 B CN 110263649B
Authority
CN
China
Prior art keywords
engine
impact
signal
vibration
teager
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910428539.XA
Other languages
English (en)
Other versions
CN110263649A (zh
Inventor
张进杰
祁桢
茆志伟
江志农
赵南洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Chemical Technology
Original Assignee
Beijing University of Chemical Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing University of Chemical Technology filed Critical Beijing University of Chemical Technology
Priority to CN201910428539.XA priority Critical patent/CN110263649B/zh
Publication of CN110263649A publication Critical patent/CN110263649A/zh
Application granted granted Critical
Publication of CN110263649B publication Critical patent/CN110263649B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01MTESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M15/00Testing of engines
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08Feature extraction
    • G06F2218/10Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12Classification; Matching
    • G06F2218/14Classification; Matching by matching peak patterns

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Of Engines (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明涉及一种基于EMD和Teager算子的变负荷活塞式发动机冲击特征提取方法,首先针对发动机气缸振动冲击信号利用EMD与teager算子进行处理,获得重构后的振动波形;然后,针对发动机存在的变负荷工况,利用信号数据变化率提取正常工况下的冲击判断门限值,解决了以往单一固定阈值识别冲击受负荷影响大,存在偏差的问题;最后,利用发动机振动信号按照固定相位分布的特点,将振动信号进行分段处理,利用每段的冲击峰值与冲击判断门限进行对比,有效识别整周期冲击次数,可用于发动机气门、撞缸、连杆断裂等冲击类故障判断报警。

Description

一种基于EMD和Teager算子的变负荷活塞式发动机冲击特征 提取方法
技术领域
本发明属于发动机故障监测诊断技术领域,涉及一种基于EMD和Teager算子的变负荷活塞式发动机冲击特征提取方法。
背景技术
活塞式发动机作为动力设备广泛应用在船舶、舰艇、石油石化和核电等领域,对于发动机的监测诊断意义重大。发动机振动信号与旋转机械相比,最本质特征是冲击性特征,系统结构复杂、振动激励源众多;信号具有时变性,属于典型时变系统。因冲击较多,信号整体体现强烈的非高斯性;在同机组不同测点处采集得到的振动信号中,其振动冲击相互混叠,激励复杂,难以提取识别振动冲击,确定冲击来源,诊断故障的发生。
随着国内外发动机故障诊断技术的发展,对于振动冲击识别的研究较为欠缺;目前多数机组以热工参数监测为主,无法满足现场机组检维修的需要。而振动信号监测诊断的方法,仍存在信号多变、冲击多源、成分复杂、故障征兆提取困难等问题。发动机故障监测诊断方法研究方面,(1)钟庆敏等人根据热工监测信号绘制发动机示功图,诊断燃烧角提前、燃烧角滞后等燃烧类故障;(2)李敏通采用小波分析、EMD分解等时频方法分析缸盖振动信号,诊断供油压力异常、提前角异常等故障;(3)Jing Y B等应用fast-ICA独立成分分解,采用SVM支持向量机识别故障;(4)Ftoutou E等应用图像处理的思路,S变化转为时频图后利用NMF非负矩阵分解提取特征,并采用多层神经感知器识别故障。
其他研究方面,将EMD与teager算子结合的研究主要包括:(1)张卫等在《EMD结合Teager能量用于语音情感识别》一文中,利用EMD分解得到一组IMF分量,再对各阶IMF分量提取Teager能量;然后通过对不同语种的不同情感语音的Teager能量在Mel频率的分析,提出了一种新的情感特征。(2)何巍等在《改进小波去噪-teager算子的齿轮微弱故障提取方法》一文中,采用改进小波阈值函数对振动信号进行去噪处理,对去噪后的信号进行集合经验模态分解得到若干本征模式函数,计算各IMF分量与原信号的相关系数并结合各IMF分量的频谱剔除虚假分量。对有效的IMF分量计算其teager能量算子,并重构得到teager能量谱,对重构信号进行时频分析并将其结果与原信号的希尔伯特黄变换得到的边际谱进行对比。(3)任学平等在《基于CEEMD-MED和Teager能量算子的滚动轴承微弱故障特征提取》一文中,首先应用互补集合经验模态分解(CEEMD)对故障信号进行分解,依据相关系数原则,选取相关系数最大的分量作为分析对象;然后应用最小熵反褶积(MED)对选出的分量进行降噪;最后应用Teager能量算子对降噪后的信号进行解调处理,从其能量谱中便可准确地获取故障特征信息。(4)王耀赢等在《基于EMD和改进Teager能量算子的轴承故障诊断》一文中,首先通过EMD将振动信号分解为若干阶本征模态分量(IMF),计算各阶IMF的峭度和与原信号的相关系数,利用峭度和相关系数均较大的IMF进行信号的重构,然后利用NTEO计算重构信号的瞬时Teager能量序列,最后对能量序列进行FFT变换,提取轴承的故障特征频率。(5)陈召全等在《基于EMD-Teager能量和子带谱熵法的语音端点检测》一文中,首先利用EMD分解的IMF分量中的中高频分量IMF3-IMF5对语音信号进行重构,然后计算Teager能量平均值,再与传统的子带谱熵法相结合,可以达到对语音进行减噪和平稳处理的目的,最后采用双门限端点检测的算法对含噪声的语音进行端点检测。(6)肖森等在《基于EMD和Teager能量的滚动轴承故障诊断》一文中,通过对EMD分解出的与原信号互相关系数最大的分量作Teager能量谱分析进行诊断;分析了滚动轴承故障实验信号,并与信号的直接Teager能量谱作了比较,验证了该方法的有效性。(7)李辉等在《基于EMD和Teager能量算子的轴承故障诊断研究》一文中,首先利用经验模态分解方法,将振动信号分解成不同特征时间尺度的单分量固有模态函数,然后用Teager能量算子计算各固有模态函数的瞬时幅值,最后对感兴趣固有模态函数瞬时幅值的包络谱进行分析,可识别齿轮箱轴承的故障部位和类型。(8)张德祥等在《基于经验模式分解和Teager能量谱的齿轮箱故障诊断》一文中,先利用经验模式分解获得故障信号的本征模式函数,然后计算本征模式函数Teager能量谱,提取本征模式函数系数-能量谱特征值来分析时频故障特性。(9)赵军等在《随机共振降噪下的齿轮微弱故障特征提取》一文中,首先对含噪故障信号进行随机共振输出,降噪后再进行经验模式分解,分解得到具有不同特征时间尺度的固有模态函数,最后通过teager能量算子解调方法求取每个有效IMF分量的幅频信息,从而提取齿轮微弱故障特征。
本发明内容与上述公开成果存在显著区别。首先,本发明针对发动机气缸振动冲击信号利用EMD与teager算子进行处理,提取冲击次数;然后,本发明针对发动机存在的变负荷工况,利用信号数据变化率提取正常工况下的冲击判断门限值,解决了以往单一固定阈值识别冲击受负荷影响大,存在偏差的问题;最后,本发明利用发动机振动信号按照固定相位分布的特点,将振动信号进行分段处理,利用每段的冲击峰值与冲击判断门限进行对比,有效识别整周期冲击次数。
发明内容
1、一种基于EMD和Teager算子的变负荷活塞式发动机冲击特征提取方法,该方法采用EMD和Teager算子对变负荷工况下发动机振动信号进行处理,提取冲击信号特征;该方法特征在于包括以下步骤:
1)发动机气缸数量为I,发动机每个气缸的整周期振动信号记为V(i,j),i代表气缸数,j代表波形采样点数,总数记为J;若发动机为四冲程,则V(i,j)采集曲轴转动720度的振动波形,若发动机为二冲程,则V(i,j)采集曲轴转动360度的振动波形,保证信号V(i,j)与发动机工作周期一致;
2)对V(i,j)进行EMD分解,得到各阶IMF分量,第i个气缸的第k阶IMF分量记为M(i,j,k);计算各阶IMF分量M(i,j,k)与原振动信号V(i,j)的相关系数R(i,k),取R(i,k)≥0.5的所有IMF分量,重构信号得到V'(i,j);
3)对重构信号V'(i,j)求Teager峰值,得到经过Teager算子运算后的信号VV(i,j);
4)当发动机为四冲程时,对信号VV(i,j)均分为72段,当发动机为二冲程时,对信号VV(i,j)均分为36段,提取每段中的最大值作为该段的振动峰值,记为F(i,m),当发动机为四冲程时m=1,2,3…72,当发动机为二冲程时m=1,2,3…36;
5)利用发动机正常状态下整周期振动信号VV(i,j)提取冲击特征判断门限值S(i),用于对其他未知状态的数据进行判断;
6)对步骤4)中提取的振动峰值F(i,m),与步骤5)中提取的门限值S(i)进行比较,当F(i,m)大于或等于S(i)时,令F(i,m)=1,当F(i,m)小于S(i)时,令F(i,m)=0;对第i个气缸的F(i,m)进行求和,得到第i个气缸振动波形V(i,j)的冲击次数
Figure BDA0002068253570000031
当发动机为四冲程时n=72,当发动机为二冲程时n=36;
7)对四冲程发动机,当Z(i)大于等于24时,认为发动机第i个气缸存在异常冲击,需对气缸部件进行检修;对二冲程发动机,当Z(i)大于等于12,认为发动机第i个气缸存在异常冲击,需对气缸部件进行检修;
2、根据权利要求1中所述的一种基于EMD和Teager算子的变负荷活塞式发动机冲击特征提取方法,其特征在于所述步骤2)中的重构方法与相关系数计算方法:
Figure BDA0002068253570000041
对k=1到l,R(i,k)≥0.5;对k=l+1,R(i,k)<0.5;l代表某阶IMF分量;
R(i,k)采用皮尔逊相关系数,计算公式为:
Figure BDA0002068253570000042
其中mean(X)代表X的平均值;
3、根据权利要求1中所述的一种基于EMD和Teager算子的变负荷活塞式发动机冲击特征提取方法,其特征在于所述步骤3)中的信号VV(i,j)计算方法:
对V'(i,j)计算Teager能量算子:
VV(i,j)=V'(i,j)^2-V'(i,j-1)×V'(i,j+1)
第i个气缸的振动波形VV(i,j)的总点数比V'(i,j)少2个;
4、根据权利要求1中所述的一种基于EMD和Teager算子的变负荷活塞式发动机冲击特征提取方法,其特征在于所述步骤5)中的门限值S(i)计算方法:
1)对振动信号VV(i,j)取绝对值后从小到大进行排序,得到新的信号VP(i,j);
2)计算VP(i,j)的变化率W(i,j)=VP(i,j+1)-VP(i,j);
3)计算W(i,j)的平均值S(i),S(i)=mean(W(i,j));
4)遍历W(i,j),得到与S(i)相差最小的值,记该值在信号W(i,j)中的列向量序号为jj,该值可记为W(i,jj);
5)门限值S(i)=VP(i,jj)。
附图说明
图1 A1缸正常状态下原始振动波形
图2 B1缸正常状态下原始振动波形
图3 A4缸正常状态下原始振动波形
图4 A4缸异常状态下原始振动波形
图5 A1缸正常状态下经过EMD分解重构后的波形
图6 B1缸正常状态下经过EMD分解重构后的波形
图7 A4缸正常状态下经过EMD分解重构后的波形
图8 A4缸异常状态下经过EMD分解重构后的波形
图9 A1缸正常状态下经过teager算子计算后的波形
图10 B1缸正常状态下经过teager算子计算后的波形
图11 A4缸正常状态下经过teager算子计算后的波形
图12 A4缸异常状态下经过teager算子计算后的波形
图13 12缸发动机正常状态下各缸冲击门限值计算结果
图14 12缸发动机正常与异常状态下各缸冲击次数计算结果
具体实施方式
以一台12缸V型TBD234柴油机为对象,对本发明提出的一种基于EMD和Teager算子的变负荷活塞式发动机冲击特征提取方法进行计算和实现。该发动机工作参数如下所示。
表1 TBD234发动机工作参数表
Figure BDA0002068253570000051
Figure BDA0002068253570000061
本方法的具体实施过程和结果如下:
(1)在该发动机每个气缸缸盖位置布置振动加速度传感器,采集气缸振动信号。该机组为四冲程发动机,因此采集曲轴转动两圈的振动信号。分布针对正常状态和模拟气门故障实验状态下进行信号采集,故障实验是在与正常状态的相同转速和功率状态下完成的。代表性的各缸正常状态振动波形如图1、图2、图3所示,A4缸故障实验状态采集的振动波形如图4所示,每组波形的数据点数为4096。
(2)采用EMD方法对上述振动波形V(i,j)进行分解,每组振动波形得到12阶IMF分量,第i个气缸的第k阶IMF分量记为M(i,j,k);每阶IMF数据点数与原振动波形一致。
计算各阶IMF分量M(i,j,k)与原振动信号V(i,j)的相关系数R(i,k),取R(i,k)≥0.5的所有IMF分量,重构信号得到V'(i,j);R(i,k)采用皮尔逊相关系数,计算公式为:
Figure BDA0002068253570000062
其中mean(X)代表X的平均值;重构信号V'(i,j)如图5、图6、图7、图8所示。可看出,经过分解和重构的信号,在信号主要特征上保持了与原始振动信号的一致,也为后续信号处理奠定了基础。
(3)对重构信号V'(i,j)求Teager峰值,再开方后得到经过Teager算子运算后的信号VV(i,j);计算公式如下:
VV(i,j)=V'(i,j)^2-V'(i,j-1)×V'(i,j+1),
第i个气缸的振动波形VV(i,j)的总点数比V'(i,j)少2个;计算后的结果如图9、图10、图11、图12所示。
(4)由于研究对象发动机是四冲程的,对信号VV(i,j)均分为72段,提取每段中的最大值作为该段的振动峰值,记为F(i,m),m=1,2,3…72;
(5)利用发动机正常状态下整周期振动信号VV(i,j)提取冲击特征判断门限值S(i),用于对其他未知状态的数据进行判断;
门限值S(i)计算方法如下:
1)对振动信号VV(i,j)取绝对值后从小到大进行排序,得到新的信号VP(i,j);
2)计算VP(i,j)的变化率W(i,j)=VP(i,j+1)-VP(i,j);
3)计算W(i,j)的平均值S(i),S(i)=mean(W(i,j));
4)遍历W(i,j),得到与S(i)相差最小的值,记该值在信号W(i,j)中的列向量序号为jj,该值可记为W(i,jj);
5)门限值S(i)=VP(i,jj)。
不同气缸在正常状态下门限值的计算结果如图13所示。
(6)对步骤(4)中提取的振动峰值F(i,m),与步骤(5)中提取的门限值S(i)进行比较,当F(i,m)大于或等于S(i)时,令F(i,m)=1,当F(i,m)小于S(i)时,令F(i,m)=0;对第i个气缸的F(i,m)进行求和,得到第i个气缸振动波形V(i,j)的冲击次数
Figure BDA0002068253570000071
由于研究对象发动机为四冲程,因此n=72。机组正常与故障状态下的冲击次数计算结果如图14所示。
(7)研究对象发动机为四冲程发动机,当Z(i)大于等于24时,认为发动机第i个气缸存在异常冲击,需对气缸部件进行检修;对比计算结果,可看出,A2、A4、A6缸冲击次数超过了24,存在异常,其中A4缸冲击次数严重偏大,故障较为严重,需停机进行必要检修。

Claims (1)

1.一种基于EMD和Teager算子的变负荷活塞式发动机冲击特征提取方法,该方法采用EMD和Teager算子对变负荷工况下发动机振动信号进行处理,提取冲击信号特征;包括以下步骤:
1)发动机气缸数量为I,发动机每个气缸的整周期振动信号记为V(i,j),i代表气缸数,j代表波形采样点数,总数记为J;若发动机为四冲程,则V(i,j)采集曲轴转动720度的振动波形,若发动机为二冲程,则V(i,j)采集曲轴转动360度的振动波形,保证信号V(i,j)与发动机工作周期一致;
2)对V(i,j)进行EMD分解,得到各阶IMF分量,第i个气缸的第k阶IMF分量记为M(i,j,k);计算各阶IMF分量M(i,j,k)与原振动信号V(i,j)的相关系数R(i,k),取R(i,k)≥0.5的所有IMF分量,重构信号得到V'(i,j);
3)对重构信号V'(i,j)求Teager峰值,得到经过Teager算子运算后的信号VV(i,j);
4)当发动机为四冲程时,对信号VV(i,j)均分为72段,当发动机为二冲程时,对信号VV(i,j)均分为36段,提取每段中的最大值作为该段的振动峰值,记为F(i,m),当发动机为四冲程时m=1,2,3…72,当发动机为二冲程时m=1,2,3…36;
5)利用发动机正常状态下整周期振动信号VV(i,j)提取冲击特征判断门限值S(i),用于对其他未知状态的数据进行判断;
6)对步骤4)中提取的振动峰值F(i,m),与步骤5)中提取的门限值S(i)进行比较,当F(i,m)大于或等于S(i)时,令F(i,m)=1,当F(i,m)小于S(i)时,令F(i,m)=0;对第i个气缸的F(i,m)进行求和,得到第i个气缸振动波形V(i,j)的冲击次数
Figure FDA0003034288410000011
当发动机为四冲程时n=72,当发动机为二冲程时n=36;
7)对四冲程发动机,当Z(i)大于等于24时,认为发动机第i个气缸存在异常冲击,需对气缸部件进行检修;对二冲程发动机,当Z(i)大于等于12,认为发动机第i个气缸存在异常冲击,需对气缸部件进行检修;
所述步骤5)中的门限值S(i)计算方法:
1)对振动信号VV(i,j)取绝对值后从小到大进行排序,得到新的信号VP(i,j);
2)计算VP(i,j)的变化率W(i,j)=VP(i,j+1)-VP(i,j);
3)计算W(i,j)的平均值S(i),S(i)=mean(W(i,j));
4)遍历W(i,j),得到与S(i)相差最小的值,记该值在信号W(i,j)中的列向量序号为jj,该值可记为W(i,jj);
5)门限值S(i)=VP(i,jj)。
CN201910428539.XA 2019-05-22 2019-05-22 一种基于EMD和Teager算子的变负荷活塞式发动机冲击特征提取方法 Active CN110263649B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910428539.XA CN110263649B (zh) 2019-05-22 2019-05-22 一种基于EMD和Teager算子的变负荷活塞式发动机冲击特征提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910428539.XA CN110263649B (zh) 2019-05-22 2019-05-22 一种基于EMD和Teager算子的变负荷活塞式发动机冲击特征提取方法

Publications (2)

Publication Number Publication Date
CN110263649A CN110263649A (zh) 2019-09-20
CN110263649B true CN110263649B (zh) 2021-07-20

Family

ID=67915056

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910428539.XA Active CN110263649B (zh) 2019-05-22 2019-05-22 一种基于EMD和Teager算子的变负荷活塞式发动机冲击特征提取方法

Country Status (1)

Country Link
CN (1) CN110263649B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111104887B (zh) * 2019-12-11 2024-03-29 北京化工大学 一种基于振动机理与深度学习技术的整周期无键相监测方法
CN111062538B (zh) * 2019-12-21 2022-09-20 东北电力大学 空间负荷预测中确定元胞负荷合理最大值的ceemd方法
CN111811642B (zh) * 2020-07-22 2022-05-03 三一重机有限公司 一种挖掘机发动机的故障检测方法及故障检测装置
CN112433148B (zh) * 2020-11-13 2021-12-31 海南电网有限责任公司海南输变电检修分公司 一种从振动信号中提取断路器机构动作时间的方法
CN112858485B (zh) * 2021-01-15 2024-04-19 沈阳工业大学 一种转子碰摩故障声发射诊断方法
CN112687068B (zh) * 2021-03-19 2021-05-28 四川通信科研规划设计有限责任公司 一种基于微波和振动传感器数据的侵入检测方法
CN113468756B (zh) * 2021-07-15 2023-10-20 北京化工大学 一种多冲击振动信号变分时域分解方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106895906A (zh) * 2017-03-23 2017-06-27 西安理工大学 一种水轮发电机组振动故障的特征提取方法
CN109598255A (zh) * 2018-12-19 2019-04-09 北京化工大学 一种基于能量算子k-梯度的往复机械振动信号冲击始点自适应提取方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI460416B (zh) * 2011-03-28 2014-11-11 Univ Nat Taiwan 機械系統狀態之判斷方法及判斷裝置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106895906A (zh) * 2017-03-23 2017-06-27 西安理工大学 一种水轮发电机组振动故障的特征提取方法
CN109598255A (zh) * 2018-12-19 2019-04-09 北京化工大学 一种基于能量算子k-梯度的往复机械振动信号冲击始点自适应提取方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
EMD分解滤波特性在航空发动机平稳振动信号分析中的应用;陈荣刚 等;《四川兵工学报》;20100731;第31卷(第7期);第63-65页 *
基于EMD和改进Teager能量算子的轴承故障诊断;王耀赢 等;《组合机床与自动化加工技术》;20180630(第6期);第81-83、88页 *
基于振动冲击特征的柴油机典型故障监测诊断方法及应用研究;张晓帆;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20190215;第11-13、29-40、45页 *

Also Published As

Publication number Publication date
CN110263649A (zh) 2019-09-20

Similar Documents

Publication Publication Date Title
CN110263649B (zh) 一种基于EMD和Teager算子的变负荷活塞式发动机冲击特征提取方法
Xi et al. A feature extraction and visualization method for fault detection of marine diesel engines
Wang et al. Early fault diagnosis for planetary gearbox based on adaptive parameter optimized VMD and singular kurtosis difference spectrum
Xiang et al. Fault diagnosis of rolling bearing under fluctuating speed and variable load based on TCO spectrum and stacking auto-encoder
CN111412978B (zh) 一种基于无故障振动信号的往复机械异常检测方法
Li et al. A new intelligent fusion method of multi-dimensional sensors and its application to tribo-system fault diagnosis of marine diesel engines
CN105760839A (zh) 基于多特征流形学习与支持向量机的轴承故障诊断方法
CN108982107B (zh) 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
Hashim et al. Combustion fault detection technique of spark ignition engine based on wavelet packet transform and artificial neural network
CN103499437A (zh) 可调品质因子双树复小波变换的旋转机械故障检测方法
Loutas et al. Utilising the wavelet transform in condition-based maintenance: A review with applications
Zhao et al. Variational time-domain decomposition of reciprocating machine multi-impact vibration signals
Williams et al. Helicopter transmission fault detection via time-frequency, scale and spectral methods
Singh et al. A review of vibration analysis techniques for rotating machines
Chemseddine et al. Gear fault feature extraction and classification of singular value decomposition based on Hilbert empirical wavelet transform
Jafarian et al. Vibration analysis for fault detection of automobile engine using PCA technique
Liu et al. Composite multi-scale basic scale Entropy based on CEEMDAN and its application in hydraulic pump fault diagnosis
Liang et al. Multi-sensor signals multi-scale fusion method for fault detection of high-speed and high-power diesel engine under variable operating conditions
Li et al. A fault diagnosis approach for gears using multidimensional features and intelligent classifier
CN107490477B (zh) 基于频谱核密度函数相关性比较的齿轮箱故障诊断方法
Li et al. On-line fault detection in wind turbine transmission system using adaptive filter and robust statistical features
Zurita et al. A review of vibration machine diagnostics by using artificial intelligence methods
CN113704688B (zh) 基于变分贝叶斯平行因子分解的缺失振动信号的恢复方法
Zhao et al. An intelligent fault diagnosis method for a diesel engine valve based on improved wavelet packet-Mel frequency and convolutional neural network
Hazra et al. Gearbox fault detection using synchro-squeezing transform

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant