一种新的IMF判据及其在风力发电机滚动轴承故障诊断中的应用

来源 :计算机应用研究 | 被引量 : 10次 | 上传用户:xrong19730911
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对现有EMD中IMF判据必须指定经验值范围的缺点,提出了一种基于峭度的IMF判据方法,该方法不必设定经验值,从而避免了由于经验取值的不同而造成分解结果的差异。仿真实验表明,与现有方法相比,该迭代次数判断方法能在保证计算速度的同时,使所得IMF分量具有更加明确的物理意义,能够很好地体现信号的非线性、非平稳特征,实现了信号的正确分解。将该方法应用在风力发电机齿轮箱高速端轴承的故障诊断中,准确诊断出了故障部位,同时也验证了该方法在EMD过程中确定迭代次数的有效性和准确性。
其他文献
目前国际上对变化检测算法的研究主要集中于在效率或空间上的优化,变化检测的精确程度不能令人满意,比如不能准确定位改变的文字等。通过将XML文档的树型结构和文本之间相似度相结合,提出了一种新颖的面向文本内容的变化检测算法DML-Diff,重点突出了文本内容的变化,使得变化检测结果更精确。
传统虚假数据过滤算法不能有效地应用于无线传感器网络,因而需要研究适合无线传感器网络的虚假数据过滤方案。在介绍无线传感器网络与虚假数据过滤的概念和特点后,提出了虚假数据过滤方案的分类方法,探讨了各种虚假数据过滤策略,着重分析了当前一些较为重要的虚假数据过滤策略,并指出了这些策略的优缺点。最后分析了当前亟待解决的问题,展望了其未来的发展趋势。
针对传统选择性聚类融合算法不能消除劣质聚类成员的干扰以及聚类准确性不高等问题,提出了一种新的选择性加权聚类融合算法。算法中提出了基于聚类有效性评价方法的参照成员选择方法和联合聚类质量以及差异度的选择策略,然后还提出了基于容错关系信息熵的属性重要性加权方法。新算法有效地克服了传统选择性聚类融合算法的缺点,消除了劣质聚类成员的干扰,提高了聚类的准确性。大量的对比实验结果表明了算法的有效,且性能显著提高
阐述了传感器网络中节点发生故障的原因并建立了故障模型。将当前主要的分布式节点故障检测算法分成了基于多数投票策略、基于中值策略、基于决策扩散策略、基于加权和基于分簇的算法五大类,详细阐述了分布式无线传感器网络故障检测算法的原理和步骤,并指出了各个算法的优势与不足。最后,对各个算法的性能进行了分析与比较,讨论了算法存在的问题,并指出了进一步的研究方向。