固有时间尺度分解
固有时间尺度分解的相关文献在2010年到2022年内共计79篇,主要集中在机械、仪表工业、无线电电子学、电信技术、电工技术
等领域,其中期刊论文66篇、会议论文6篇、专利文献89707篇;相关期刊49种,包括机械科学与技术、机械设计与制造、车用发动机等;
相关会议6种,包括2016年全国设备监测诊断与维护学术会议、第十五届全国设备故障诊断学术会议、第十七届全国设备监测与诊断学术会议、2016年全国设备诊断工程会议、中国电机工程学会第13届青年学术会议、第2届河南省计算机专业研究生“尖峰”论坛等;固有时间尺度分解的相关文献由237位作者贡献,包括张涛、范玉刚、刘建屏等。
固有时间尺度分解—发文量
专利文献>
论文:89707篇
占比:99.92%
总计:89779篇
固有时间尺度分解
-研究学者
- 张涛
- 范玉刚
- 刘建屏
- 安金坤
- 易克初
- 朱澈
- 李大中
- 李泽文
- 胥永刚
- 蔡文河
- 赵杰
- 钟毅
- 马延会
- 于明奇
- 任东方
- 何志坚
- 冯早
- 刘敏
- 刘昱
- 刘超
- 句海洋
- 叶柯华
- 向玲
- 吴素琴
- 周卿松
- 夏均忠
- 孙永军
- 孙远韬
- 安学利
- 张俊红
- 张小龙
- 张朝林
- 张氢
- 张英堂
- 彭翰川
- 徐文艳
- 曾祥君
- 李学成
- 李志宁
- 李春
- 段田东
- 汪治安
- 潘庆丰
- 王之宏
- 王华庆
- 王新华
- 田斌
- 田晶
- 秦仙蓉
- 胡璇
-
-
胡雷鸣;
黄卉;
丁岳平;
洪福文;
袁长征
-
-
摘要:
针对水轮发电机组振动信号呈现为非平稳、非线性且易受周围环境噪声影响导致机组振动信号特征难以准确提取的问题,提出固有时间尺度分解(Intrinsic time scale decomposition,ITD)结合模糊熵(fuzzy entropy,FE)奇异值差分谱(singular value decomposition,SVD)的水轮发电机组振动信号去噪方法。利用ITD先对振动数据进行分解以模糊熵为阈值,选取模糊熵值小于2的分量进行重构,达到第一次去噪的效果。再在这个去噪的基础上进行SVD分解,根据奇异值差分谱中奇异值变化较大的点来选择重构阶数对数据进行重构,从而达到几乎完全去噪的效果。最后将本方法和局部均值分解(LMD)结合模糊熵和奇异值差分谱的方法进行对比发现,ITD-FE-SVD去噪效果更好,能够保留更多的原信号信息。
-
-
刘丰;
李欣欣;
黄河;
郭思远;
李金明;
黄振峰;
毛汉领
-
-
摘要:
为研究滚动轴承早期微弱故障特征提取以及最大相关峭度解卷积(MCKD)的参数对诊断效果的影响,提出了一种基于固有时间尺度分解(ITD)与改进最大相关峭度解卷积(IMCKD)相结合的轴承早期微弱故障诊断方法(ITD-IMCKD).首先,运用ITD算法对故障信号进行分解,按峭度相关系数准则重构信号;其次,利用灰狼优化(GWO)算法以解卷积后信号的排列熵为适应函数对MCKD算法的关键参数进行自适应优选;最后,采用GWO改进的MCKD对重构信号进行滤波去噪,通过Hilbert包络谱可以清晰获得轴承故障频率信息.仿真与实验结果表明,所提出的ITD-IMCKD方法避免了经验选择MCKD参数影响诊断效果的问题,并且相比于ITD-MCKD、ITD-MED方法可有效提取轴承早期微弱故障特征.
-
-
胡璇;
李春;
叶柯华
-
-
摘要:
基于风力机齿轮箱振动信号显著的非线性及非平稳性,分别采用集合经验模态分解(EEMD)、固有时间尺度分解(ITD)和经验小波变换(EWT)分解方法对齿轮箱振动信号进行处理,求取各分解方法分量信息熵并构成特征向量,然后作为支持向量机(SVM)模型的输入进行故障识别及分类。结果表明:EWT能较好地提取振动信号中的冲击成分;ITD在3种分解方法中诊断准确率最高且最稳定,最利于风力机齿轮箱故障诊断。
-
-
王银玲;
尹显明;
李华聪
-
-
摘要:
针对滚动轴承故障信号的非平稳性、非线性及复杂性特征以及在故障识别过程中存在噪声干扰、故障特征不清晰的问题,提出一种基于固有时间尺度分解(Intrinsic Time-scale Decomposition,ITD)与最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)结合的轴承故障特征提取方法.利用固有时间尺度分解对故障信号进行分解,降低信号分解中的模态混叠;对分解的固有旋转分量进行选择,提取故障信号的有用成分,实现信号降噪;采用粒子群优化的MCKD提取故障特征信号的冲击成分.实验结果表明,该方法可以降低信号的模态混叠问题,增强故障特征,有利于噪声环境下轴承故障特征的提取.
-
-
胡璇;
李春;
叶柯华
-
-
摘要:
基于风力机齿轮箱振动信号显著的非线性及非平稳性,分别采用集合经验模态分解(EE-MD)、固有时间尺度分解(ITD)和经验小波变换(EWT)分解方法对齿轮箱振动信号进行处理,求取各分解方法分量信息熵并构成特征向量,然后作为支持向量机(SVM)模型的输入进行故障识别及分类.结果表明:EWT能较好地提取振动信号中的冲击成分;ITD在3种分解方法中诊断准确率最高且最稳定,最利于风力机齿轮箱故障诊断.
-
-
杨静宗;
杨天晴;
吴丽玫
-
-
摘要:
为提高滚动轴承故障诊断的准确性,提出一种基于固有时间尺度分解(ITD)、奇异值分解(SVD)和多点最优最小熵反褶积(MOMEDA)相结合的故障特征提取方法.首先,采用ITD分解故障振动信号,并构建基于峭度和相关系数的组合权重指标筛选准则,从而完成分量信号的筛选与重构.其次,对其进行SVD滤波降噪.最后,利用MOMEDA提取降噪后信号中的周期性冲击成分,并通过Hilbert包络谱分析得到诊断结果.经过实验数据分析,结果表明所提出的方法不仅能滤除噪声干扰,增强故障特征信息,而且能准确提取出故障特征.
-
-
张仲良;
彭飞;
牟金磊;
闵少松
-
-
摘要:
为了识别典型船体结构裂纹损伤,提出基于支持向量机(SVM)的分类方法,采用固有时间尺度分解(ITD)和奇异值分解(SVD)方法对振动信号进行特征向量提取,得到训练样本和验证样本数据,应用SVM算法对训练样本数据进行正确的分类.为评估SVM分类准确性,引入BP神经网络算法进行对比分析,2种算法对验证样本进行分类预测,结果证明SVM方法对小样本试验数据进行模式分类具有更高的准确率.对十字加筋板的损伤模式进行分类研究,可对船体局部结构的维修和管理提供更好辅助决策支持.
-
-
-
胡轶波;
吕佳佳;
彭翰川;
冯亮
-
-
摘要:
在不影响行波检测精度的前提下,提出一种基于电场探针的行波检测方法以降低检测成本.该方法根据输电线路周围的空间电场情况,利用镜像法理论对输电线路附近的电场分布进行分析,选择恰当的检测位置安装探针以检测空间电位.探针不与输电线路直接接触,可在不停止运行的情况下进行安装与检修,通过接地线得到该电位产生的感应电流,再利用固有时间尺度分解方法分析感应电流信号以提取故障行波信号.仿真结果表明,利用探针感应电流表征输电线路上的电压信号的方法是可行的.此外,该方法定位误差较小,精度高,能够实现跨度较长输电线路的故障检测.
-
-
钟毅;
朱澈
-
-
摘要:
为解决光伏微电网中电弧故障检测问题,设计了一种EEMD-MITD-CNN联合的多特征融合故障检测方法。针对采集电流数据时可能因为设备等原因造成的噪声,提出了基于相关系数的EEMD去噪法,对含有噪声的电流信号进行去噪并重构;针对传统ITD的缺点,提出了改进ITD的定义,将改进ITD与传统ITD进行对比,结果表明改进ITD分解效果较好。使用改进ITD方法对重构的信号进行分解并提取特征,经过特征选择后将筛选出的特征与原始电流数据融合成特征矩阵后放入卷积神经网络(CNN)中训练并测试,以检验所提方法的精确度。为评估提出的故障检测方法的性能,对基于IEC-61850标准搭建的光伏微电网进行了评估研究,实验表明所提方法相较于传统ITD检测方法精度更高。
-
-
-
-
XIE Xin;
谢馨;
WANG Huaqing;
王华庆;
LI Lingyang;
李岭阳;
KE Yanliang;
柯燕亮
- 《2016年全国设备监测诊断与维护学术会议、第十五届全国设备故障诊断学术会议、第十七届全国设备监测与诊断学术会议、2016年全国设备诊断工程会议》
| 2016年
-
摘要:
滚动轴承故障信号具有非线性、非平稳性的特点,为有效提取其故障特征,实现轴承典型故障识别,提出了基于固有时间尺度分解(Intrinsic Time-scale Decomposition,ITD)和广义分形维数的轴承故障诊断方法.首先,利用ITD方法将包含噪声的振动信号分解为多个分量,应用Teager能量算法选取有效分量获得重构信号,从而实现信号的降噪;其次,采用广义分形方法获得降噪信号维数,作为故障识别特征参量:最后,通过求取待测信号与样本信号的分形维数距离函数,实现故障模式的识别.分析结果表明:对于复杂的轴承故障状态信号,广义分形维数可以从多个测度来描述振动信号的分形特性,该方法可有效识别轴承典型故障.
-
-
-
-
安金坤;
易克初
- 《第十五届全国信号处理学术年会》
| 2011年
-
摘要:
非合作通信条件下估计未知直接序列扩频信号的伪随机(PN)码是截获直接序列扩频信号信息内容的关键。本文提出一种基于固有时间尺度分解(ITD)的时域波形处理算法,可以在很低信噪比的条件下准确地估计直接序列扩频信号的PN码。该算法充分利用ITD时频分辨率高和适于实时处理的优势,直接分解直扩信号波形,借助于多个周期的伪随机码信号的相干累加提高信噪比,通过对载频处瞬时幅度累加值与第一上过零点频率处瞬时幅度累加值的差分信号波动特性的分析,找到一个PN码周期内相邻码片极性变化的位置,从而揭示PN码,而不必猜测其代数结构。与已有PN码估计算法相比,该算法具有采样精度要求低,对载频估计误差不敏感,适用于各种类型PN码等优势。计算机仿真验证了所提算法的可行性。