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:
局域均值分解(Local Means decomposition,LMD)是一种分解效果明显的时频分析方法,在故障诊断中应用广泛.但噪声对其分解有较大影响.为克服噪声的干扰,提出了一种能够应用于轴承信号处理,由非局部均值去噪算法和LMD相结合的新方法,该方法首先采用NLM对信号进行降噪预处理,然后以去噪信号做为输入进行LMD分解,对分解产生的PF分量与降噪信号做相关度分析,甄选PF分量,然后对有用PF分量进行包络谱分析.并将该方法应用在故障滚动轴承信号的特征提取上,结果表明该方法能有效的提取滚动轴承的故障特征,实现滚动轴承的故障诊断.
推荐文章
基于局部均值分解和K近邻算法的滚动轴承故障诊断方法
滚动轴承
局部均值分解
K近邻算法
特征提取
故障诊断
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
基于SVD-LMD模糊熵与PNN的滚动轴承故障诊断
奇异值分解
局部均值分解
模糊熵
概率神经网络
轴承故障诊断
基于LMD能量熵的滚动轴承故障特征提取
滚动轴承
局部均值分解
能量熵
特征提取
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 非局部均值去噪和LMD综合的滚动轴承故障诊断
来源期刊 机床与液压 学科 工学
关键词 非局部均值 LMD 滚动轴承 故障诊断
年,卷(期) 2015,(13) 所属期刊栏目 故障诊断与可靠性
研究方向 页码范围 172-176
页数 5页 分类号 TH165
字数 3178字 语种 中文
DOI 10.3969/j.issn.1001-3881.2015.13.041
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 吕勇 武汉科技大学机械自动化学院 92 605 14.0 19.0
2 李宁 武汉科技大学机械自动化学院 21 173 6.0 12.0
3 祝青林 武汉科技大学机械自动化学院 1 6 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (39)
共引文献  (287)
参考文献  (9)
节点文献
引证文献  (6)
同被引文献  (33)
二级引证文献  (6)
1989(2)
  • 参考文献(0)
  • 二级参考文献(2)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
1993(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(7)
  • 参考文献(0)
  • 二级参考文献(7)
1999(7)
  • 参考文献(1)
  • 二级参考文献(6)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(5)
  • 参考文献(1)
  • 二级参考文献(4)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(1)
  • 二级参考文献(2)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(3)
  • 参考文献(3)
  • 二级参考文献(0)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(2)
  • 引证文献(1)
  • 二级引证文献(1)
2018(3)
  • 引证文献(2)
  • 二级引证文献(1)
2019(3)
  • 引证文献(1)
  • 二级引证文献(2)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
非局部均值
LMD
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
机床与液压
半月刊
1001-3881
44-1259/TH
大16开
广州市黄埔区茅岗路828号
46-40
1973
chi
出版文献量(篇)
20801
总下载数(次)
44
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导