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:
提出了一种基于卷积稀疏滤波和Hilbert包络谱的齿轮微弱故障检测方法.该方法通过稀疏特征学习,提取强噪声样本中的微弱故障信息,提高故障信号的信噪比,最后通过时域波形和Hilbert包络谱的特征频率及其谐波,判断轴承的故障信息.通过仿真和试验信号,验证了该方法的有效性,与经典的MED算法相比,提出的方法具有更强的噪声适应能力.
推荐文章
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CYCBD和包络谱的滚动轴承微弱故障特征提取
滚动轴承
最大2阶循环平稳盲解卷积
微弱故障
特征提取
基于稀疏局部嵌入深度卷积网络的冷水机组故障诊断方法
算法
神经网络
安全
故障诊断
稀疏局部嵌入
深度卷积网络
空间金字塔最大池化
基于动态稀疏保局投影的故障检测方法
故障检测
保局投影
稀疏表示
特征提取
过程监控
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 基于卷积稀疏滤波的轴承微弱故障检测方法
来源期刊 农业装备与车辆工程 学科 工学
关键词 无监督学习 稀疏滤波 微弱信号增强 Hilbert包络解调
年,卷(期) 2020,(9) 所属期刊栏目
研究方向 页码范围 131-134
页数 4页 分类号 TH133.3
字数 语种 中文
DOI 10.3969/j.issn.1673-3142.2020.09.031
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 王树城 4 2 1.0 1.0
2 苗乃树 5 34 2.0 5.0
3 王东岳 3 0 0.0 0.0
4 杨化伟 3 12 1.0 3.0
5 卢绪振 5 1 1.0 1.0
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  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 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
无监督学习
稀疏滤波
微弱信号增强
Hilbert包络解调
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
农业装备与车辆工程
月刊
1673-3142
37-1433/TH
大16开
济南市桑园路19号
1963
chi
出版文献量(篇)
5192
总下载数(次)
16
论文1v1指导