原文服务方: 机械传动       
摘要:
滚动轴承发生早期故障时,轴承座的振动信号一般很微弱,且隐含的冲击成分常被淹没在强烈的噪声中,直接做频谱或包络谱分析,其故障特征很难提取.最小熵解卷积方法可以提高被分析信号的信噪比,突出隐含在故障信号中的脉冲成分.应用最小解卷积方法对滚动轴承滚动体、外圈和内圈三类典型早期故障信号进行了相应的解卷积滤波,然后进行幅值谱和包络解调分析,提取出了相应的典型故障特征.应用验证了最小熵解卷积方法在滚动轴承早期故障诊断中的有效性和优点.
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
基于卷积神经网络的滚动轴承故障诊断方法
深度学习
卷积神经网络
特征自动提取
轴承故障诊断
基于小波包熵和ISODATA的滚动轴承故障诊断
故障诊断
滚动轴承
小波包熵
WPE-ISODATA
基于MED和变分模态分解的滚动轴承早期故障诊断方法
最小熵解卷积
变分模态分解
滚动轴承
早期故障诊断
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 最小熵解卷积在滚动轴承早期故障诊断中的应用
来源期刊 机械传动 学科
关键词 故障诊断 滚动轴承 最小熵解卷积 包络谱
年,卷(期) 2015,(8) 所属期刊栏目 开发应用
研究方向 页码范围 189-192
页数 4页 分类号
字数 语种 中文
DOI 10.16578/j.issn.1004.2539.2015.08.045
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 荆双喜 60 402 12.0 17.0
2 杨鑫 6 16 3.0 4.0
3 冷军发 37 283 10.0 15.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (14)
共引文献  (121)
参考文献  (10)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1978(2)
  • 参考文献(1)
  • 二级参考文献(1)
1984(1)
  • 参考文献(1)
  • 二级参考文献(0)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(3)
  • 参考文献(2)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(2)
  • 参考文献(1)
  • 二级参考文献(1)
2012(2)
  • 参考文献(1)
  • 二级参考文献(1)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(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
故障诊断
滚动轴承
最小熵解卷积
包络谱
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
机械传动
月刊
1004-2539
41-1129/TH
大16开
河南省郑州市科学大道149号
1977-01-01
中文
出版文献量(篇)
6089
总下载数(次)
0
总被引数(次)
31469
论文1v1指导