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:
船用柴油机发生拉缸故障时,其振动信号较为复杂,而且伴有较强的背景噪声,经验模态分解(Empirical Mode Decomposition,EMD)无法有效地诊断出柴油机拉缸故障,为此采用加窗和集合经验模态分解(Ensemble Empirical Mode De-composition,EEMD)的方法.以6-135柴油机为研究对象,测取典型工况下机体表面的加速度信号,根据柴油机的结构和配气相位分布,分析确定加速度信号的加窗位置,再将加窗后的信号进行EEMD处理,计算前3阶模态分量的能量值并对重构信号进行频谱分析.结果表明:基于加窗和EEMD的方法可以更加精确有效地实现柴油机拉缸故障的诊断.
推荐文章
船舶柴油机拉缸故障振动诊断技术
船舶柴油机
拉缸
故障诊断
振动信号
基于神经网络的柴油机故障诊断方法
神经网络
BP算法
柴油机
故障诊断
基于EEMD的柴油机缸套磨损故障诊断
总体经验模态分解
柴油机
气缸套
磨损
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 基于加窗和EEMD的船用柴油机拉缸故障诊断
来源期刊 舰船电子工程 学科 工学
关键词 船用柴油机 拉缸 EEMD 窗函数 故障诊断
年,卷(期) 2020,(6) 所属期刊栏目 可靠性、保障性技术与效能分析
研究方向 页码范围 149-154
页数 6页 分类号 TK428
字数 4716字 语种 中文
DOI 10.3969/j.issn.1672-9730.2020.06.035
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 张永祥 海军工程大学动力工程学院 130 1003 17.0 25.0
2 王宇 海军工程大学动力工程学院 8 6 2.0 2.0
3 姚晓山 空军预警学院军械技术系 5 15 1.0 3.0
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  (1)
参考文献  (11)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(1)
  • 二级参考文献(1)
2010(2)
  • 参考文献(1)
  • 二级参考文献(1)
2012(4)
  • 参考文献(0)
  • 二级参考文献(4)
2013(2)
  • 参考文献(0)
  • 二级参考文献(2)
2015(3)
  • 参考文献(1)
  • 二级参考文献(2)
2016(5)
  • 参考文献(3)
  • 二级参考文献(2)
2017(3)
  • 参考文献(3)
  • 二级参考文献(0)
2020(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
船用柴油机
拉缸
EEMD
窗函数
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
舰船电子工程
月刊
1672-9730
42-1427/U
大16开
湖北省武汉市
1981
chi
出版文献量(篇)
9053
总下载数(次)
18
总被引数(次)
27655
论文1v1指导