资料下载
×
基于小波包分析的滚动轴承模糊聚类方法
消耗积分:3 |
格式:rar |
大小:344 |
2009-10-22
百灵千岛酱
分享资料个
基于小波包分析的滚动轴承模糊聚类方法:用小波包方法构造滚动轴承状态信号的能量特征向量，通过模糊聚类方法对滚动轴承状态进行分类，只需少量的样本数据就能获得较好的分类效果，实用性较强。试验证明了该方法的有效性。
关键词：小波包；模糊聚类；滚动轴承；故障诊断
一、小波包故障特征提取
当轴承在工作过程中出现疲劳、压痕或局部腐蚀等故障时，将产生冲击振动，这些振动反复互激又引起更大的振颤。用加速度传感器获取轴承振动加速度信号，在信号各频率成分的能量中，包含了丰富的故障信息，某种或某几种频率成分能量的改变代表一种故障，由此构成轴承故障特征向量。
由小波包分解提取滚动轴承特征的具体算法如下。
1．对轴承的振动信号进行四层小波包分解，分别提取第四层从低频到高频16个频率成分的信号特征：低频系数X40，高频系数X41、X42、X43、X44、X45、X46、X47、X48、X49、X410、X411、X412、X413、X414、X415。
关键词：小波包；模糊聚类；滚动轴承；故障诊断
一、小波包故障特征提取
当轴承在工作过程中出现疲劳、压痕或局部腐蚀等故障时，将产生冲击振动，这些振动反复互激又引起更大的振颤。用加速度传感器获取轴承振动加速度信号，在信号各频率成分的能量中，包含了丰富的故障信息，某种或某几种频率成分能量的改变代表一种故障，由此构成轴承故障特征向量。
由小波包分解提取滚动轴承特征的具体算法如下。
1．对轴承的振动信号进行四层小波包分解，分别提取第四层从低频到高频16个频率成分的信号特征：低频系数X40，高频系数X41、X42、X43、X44、X45、X46、X47、X48、X49、X410、X411、X412、X413、X414、X415。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
