• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>other >Detection of weak fault using sparse empirical wavelet transform for cyclic fault
【2h】

Detection of weak fault using sparse empirical wavelet transform for cyclic fault

机译：基于稀疏经验小波变换的循环故障检测

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The successful prediction of the remaining useful life of rolling element bearings depends on the capability of early fault detection. A critical step in fault diagnosis is to use the correct signal processing techniques to extract the fault signal. This paper proposes a newly developed diagnostic model using a sparse-based empirical wavelet transform (EWT) to enhance the fault signal to noise ratio. The unprocessed signal is first analyzed using the kurtogram to locate the fault frequency band and filter out the system noise. Then, the preproc signal is filtered using the EWT. The lq-regularized sparse regression is implemented to obtain a sparse solution of the defect signal in the frequency domain. The proposed method demonstrates a significant improvement of the signal to noise ratio and is applicable for detection of cyclic fault, which includes the extraction of the fault signatures of bearings and gearboxes.
机译：滚动轴承的剩余使用寿命的成功预测取决于早期故障检测的能力。故障诊断中的关键步骤是使用正确的信号处理技术来提取故障信号。本文提出了一种新的诊断模型，该模型使用基于稀疏的经验小波变换（EWT）来提高故障信噪比。首先使用谱图分析未处理的信号，以定位故障频带并滤除系统噪声。然后，使用EWT对前置信号进行滤波。执行lq-regularized的稀疏回归以获得频域中缺陷信号的稀疏解。所提出的方法证明了信噪比的显着改善，适用于周期性故障的检测，包括提取轴承和齿轮箱的故障特征。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号