基于改进小波去噪预处理和EEMD的采煤机齿轮箱-中南大学学报.PDFVIP

基于改进小波去噪预处理和EEMD的采煤机齿轮箱-中南大学学报.PDF

  1. 1、本文档共7页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于改进小波去噪预处理和EEMD的采煤机齿轮箱-中南大学学报

第 47 卷第 10 期 中南大学学报( 自然科学版) Vol.47 No.10 2016 年 10 月 Journal of Central South University (Science and Technology) Oct. 2016 DOI: 10.11817/j.issn.1672-7207.2016.10.016 基于改进小波去噪预处理和EEMD 的 采煤机齿轮箱故障诊断 李力1, 2, 3,倪松松1 (1. 中南大学 机电工程学院,湖南 长沙,410083; 2. 高性能复杂制造国家重点实验室,湖南 长沙,410083; 3. 深海矿产资源开发利用技术国家重点实验室,湖南 长沙,410012) 摘要:针对采煤现场强噪声背景下采煤机齿轮箱振动信号集合经验模态分解(EEMD)故障特征不明显和分解效率 较低的问题,提出基于改进小波去噪预处理和 EEMD 的故障诊断方法。采用小波改进阈值函数法对振动信号进行 去噪预处理,与传统小波阈值函数法相比能够有效地提高信号的信噪比。对去噪后的信号进行 EEMD 分解得到若 干个本征模态分量(IMF),计算各 IMF 分量的相关度并剔除虚假分量。将该方法应用于采煤机齿轮箱行星轮的故 障诊断,通过对真实的 IMF 分量进行频谱分析并提取信号的故障特征频率,与未去噪的信号进行对比。研究结果 表明:该方法能够突出故障特征频率,使分解效率提高 17.35%,并能进一步减小模态混叠现象。 关键词:采煤机齿轮箱;故障特征;分解效率;改进小波去噪;集合经验模态分解;行星轮;模态混叠 中图分类号:TH165+ .3;TD421 文献标志码:A 文章编号:1672−7207(2016)10−3394−07 Shearer gearbox fault diagnosis based on improved wavelet denoising pretreatment and EEMD LI Li1, 2, NI Songsong1 (1. School of Mechanical and Electrical Engineering, Central South University, Changsha 410083, China; 2. State Key Laboratory of High Performance Complex Manufacturing, Changsha 410083, China; 3. State Key Laboratory of Deep Sea Mineral Resources Development and Utilization Technology, Changsha 410012, China) Abstract: In strong noise background of the coal mining, the fault features of shearer gearbox vibration signal ensemble empirical mode decomposition(EEMD) was not obvious, and the decomposition was inefficient, for which a method based on the improved wavelet denoi

文档评论(0)

2105194781 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档