论文部分内容阅读
为从滚动轴承振动信号中提取出故障状态信息的特征，针对信号的特点和提升小波包变换性质，采用提升小渡包最优分解法获得故障敏感特征频带，对各频带进行标准化向量特征构造，提取出各个频带的故障特征。结果表明，滚动轴承故障信号的敏感特征频带能量集中明显，故障特征得以有效的提取出来。
提升小波包在滚动轴承故障特征提取中的应用
【摘 要】
：
为从滚动轴承振动信号中提取出故障状态信息的特征，针对信号的特点和提升小波包变换性质，采用提升小渡包最优分解法获得故障敏感特征频带，对各频带进行标准化向量特征构造，提取出
【机 构】
：
沈阳理工大学机械工程学院
【出 处】
：
沈阳理工大学学报
【发表日期】
：
2013年5期
其他文献
针对轴承故障信号的特点，采用9／7提升小波包和概率神经网络（Probabilistic Neural Networks）相结合的算法对轴承故障进行诊断。首先对原始数据进行小波变换，并对其进行特征提取。
利用溶胶一凝胶法在煅烧温度540℃制备了纯的和低量Eu3＋和Gd3＋共掺杂的TiO2粉体，并用XRD技术对样品进行了表征．研究了低量Eu3＋和Gd3＋共掺杂对样品相结构和光催化降解亚甲基蓝的活性
采用反挤压成形工艺获得AZ80镁合金复杂壳体零件,并对成形件的显微组织、室温力学性能以及拉伸断口进行了研究。结果表明,挤压温度在320℃时,成形件的挤压成形性较差;随着挤