排序方式: 共有5条查询结果,搜索用时 78 毫秒
1
1.
为从机械故障信号中提取包含故障信息的特征频率,提出了基于EMD的多尺度形态学解调方法,该方法首先采用EMD方法将故障信号分解为有限个IMF分量,从中选取包含故障主要信息的IMF分量求和重构信号,再进行多尺度形态学解调,从而提取机械故障特征频率信息。将该方法用于滚动轴承、齿轮的故障诊断中,并与H ilbert包络方法比较,结果表明该方法能更好地提取故障特征频率,且对含噪故障信号也有较好的分析效果。 相似文献
2.
为从机械故障信号中提取包含故障信息的特征频率,提出了基于EMD的多尺度形态学解调方法,该方法首先采用EMD方法将故障信号分解为有限个IMF分量,从中选取包含故障主要信息的IMF分量求和重构信号,再进行多尺度形态学解调,从而提取机械故障特征频率信息。将该方法用于滚动轴承、齿轮的故障诊断中,并与H ilbert包络方法比较,结果表明该方法能更好地提取故障特征频率,且对含噪故障信号也有较好的分析效果。 相似文献
3.
提出了一种基于多尺度线调频基信号稀疏分解的多分量多项式相位信号分离和瞬时频率估计方法.该方法采用多尺度的线调频基函数对多分量多项式相位信号进行投影分解,通过从不同的时间支撑区内投影系数最大的基函数中寻找出使分解信号能量最大的基元函数组合,逐次获得信号包含的能量最大的多项式相位信号分量,从而实现多分量多项式相位信号的分离,而从基元函数连接形成的频率曲线则可获得多项式相位信号分量瞬时频率的估计.仿真信号分析表明,本文方法能在信噪比较低情况下有效分离多分量多项式相位信号中包含的多项式相位信号分量,准确地估计其瞬时频率. 相似文献
4.
为从机械故障信号中提取包含故障信息的特征频率,提出了基于EMD的多尺度形态学解调方法,该方法首先采用EMD方法将故障信号分解为有限个IMF分量,从中选取包含故障主要信息的IMF分量求和重构信号,再进行多尺度形态学解调,从而提取机械故障特征频率信息。将该方法用于滚动轴承、齿轮的故障诊断中,并与H ilbert包络方法比较,结果表明该方法能更好地提取故障特征频率,且对含噪故障信号也有较好的分析效果。 相似文献
5.
基于多尺度线性调频基信号稀疏分解的多分量LFM信号检测 总被引:3,自引:0,他引:3
该文针对传统的基于二次时频分析和原子追踪匹配方法处理多分量LFM信号时存在的时频干扰和等振幅交叉分解等问题,提出了一种基于多尺度线性调频基信号稀疏分解的多分量LFM信号检测方法,该方法采用多尺度的线调频基函数对多分量LFM信号进行投影分解,通过从不同的时间支撑区内投影系数最大的基函数中寻找出使分解信号能量最大的基元函数组合,逐次获得信号包含的能量最大的LFM信号分量,从基元函数连接形成的频率曲线即可获得LFM信号分量瞬时频率的估计,再对分量瞬时频率求起始时间点的频率值和曲线斜率便可得到该LFM分量的中心频率及调频斜率,仿真试验表明该文方法能精确地提取等振幅多分量LFM信号的瞬时频率,并具有很强的抗噪声干扰能力。 相似文献
1