改进SVD与EEMD的TEO伺服压机滚动轴承故障提取
版权信息:站内文章仅供学习与参考,如触及到您的版权信息,请与本站联系。
信息
资料大小
1.47 MB
文件类型
PDF
语言
简体中文
资料等级
☆☆☆☆☆
下载次数
简介
针对伺服电动机滚动轴承故障信号受噪声干扰不易识别的问题,提出一种基于改进SVD-EEMD与Teager能量算法相结合的故障诊断方法。该方法首先用改进SVD方法进行信号降噪,随后利用集合经验模态分解(EEMD)对降噪信号进行故障特征提取,最后利用Teager能量算法对故障信号特征进行增强。实验结果表明,文中提出的方法能够有效地去除噪声干扰,对伺服冲压电动机轴承的故障特征信息起到了增强的作用。相关论文
- 2024-06-22基于数据驱动的零部件疲劳寿命预测研究现状与发展趋势
- 2024-07-30多维特征数据驱动的数控车削加工过程碳排放预测研究
- 2020-12-15基于LFSS和改进BBA的滚动轴承在线性能退化评估特征选择方法
- 2024-07-12模糊熵特征选择与SVM在三相异步电机故障诊断中的应用
- 2020-07-06基于Simmechanics仿人机器人下肢的能耗分析
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。