滚动轴承故障诊断的算法选择与优化

针对基于复Morlet小波和Harmonic小波函数的带通滤波器的不足,提出一种在频域具有几乎"盒形"特性、时域又能迅速衰减的改进带通滤波器。为了解决滚动轴承的损伤类故障诊断问题,

考虑到滚动轴承振动信号的非平稳特征和实际应用中典型故障样本不易获得等原因,而在实际应用中,故障程度识别和故障类型诊断一样重要,提出一种滚动轴承故障类型及故障程度识别方法。首先对原始振动信号进行EMD分

滚动轴承常见故障滚动轴承特征频率与振动信号特征

用于进行滚动轴承故障诊断和分析，自动得到诊断结果

1.引言 滚动轴承是各种旋转机械中应用最广泛的一种通用机械部件,它的运行状态是否正常往往直接影响到整台机器的性能。据统计,在使用滚动轴承的旋转机械中,由于滚动轴承损坏而引起的故障约占30%[1]。

研究滚动轴承故障诊断的有效方法,目前主要有神经网络、专家系统方法、模糊数学方法等,但是利用这些技术对滚动轴承进行故障诊断,由于获得的故障断数据存在不精确和不完备的缺陷,无法获得满意的诊断效果。为了能够

滚动轴承的故障数据，可用于滚动轴承故障诊断中，故障均有两种程度

提出了一种基于复局部均值分解(CLMD)和复信号包络谱(CSES)的滚动轴承故障诊断新方法。首先通过互相垂直安装的加速度传感器采集2个方向的振动信号,并将其组成一个复数信号;然后利用CLMD对二元复数

该系统充分利用单片机的控制功能强、DSP的运算能力强的特点,对较复杂的信号具有较强的处理能力。实验表明,该系统能满足列车滚动轴承故障诊断的实际需要,并减少了复杂的编程过程,有效地提高了工作效率,降低了

关于算法滚动轴承诊断；基于局域波法和KPCA_LSSVM的滚动轴承故障诊断_杨先勇