基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在信号处理中,现有的常规指标如峭度、峰值、裕度以及谱峭度等对信号因偶然因素引起的数据奇异通常十分敏感,在轴承的状态监测中容易引起误判断.针对这一问题,提出了基于时频的频带熵方法.对信号进行时频变换,再沿时间轴计算各个频率上的幅值谱熵,得到信号的频带熵,以此为特征进行轴承故障的识别.频带熵表征频率成分随时间变化的的复杂性.正常与故障状态的轴承信号频率成分变化的复杂性不同,其频带熵也就不同,因此可将频带熵用于轴承故障的识别.同时偶然因素引起的数据奇异对频率成分变化的复杂性影响很小,频带熵可自动消解这些因素的影响,从而减少对轴承状态的误判断.将频带熵方法用于实际滚动轴承故障的识别,并与峭度、峰值、谱峭度指标对比,证明频带熵能够有效排除数据奇异的干扰,准确判别轴承状态,具有实用性.
推荐文章
基于多尺度熵的滚动轴承故障诊断方法
样本熵
多尺度熵
滚动轴承
故障诊断
复杂性
精细谱负熵及其在滚动轴承故障诊断中的应用
滚动轴承
谱负熵
经验小波变换
共振边频带
故障特征提取
基于变量预测模型的模式识别方法在滚动轴承故障诊断中的应用
模式识别
故障诊断
变量预测模型
滚动轴承
基于LMD基本尺度熵的AP聚类滚动轴承故障诊断
局部均值分解
基本尺度熵
滚动轴承
故障诊断
AP聚类算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于时频的频带熵方法在滚动轴承故障识别中的应用
来源期刊 振动与冲击 学科 工学
关键词 时频分析 频带熵 滚动轴承 故障诊断
年,卷(期) 2012,(18) 所属期刊栏目
研究方向 页码范围 29-33
页数 分类号 TP206+.3
字数 4557字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈进 上海交通大学机械系统与振动国家重点实验室 109 1353 21.0 33.0
2 王小玲 上海交通大学机械系统与振动国家重点实验室 26 135 7.0 10.0
3 从飞云 上海交通大学机械系统与振动国家重点实验室 7 52 2.0 7.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
时频分析
频带熵
滚动轴承
故障诊断
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
振动与冲击
半月刊
1000-3835
31-1316/TU
大16开
上海市华山路1954号上海交通大学
4-349
1982
chi
出版文献量(篇)
12841
总下载数(次)
12
总被引数(次)
124504
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导