导读:本文包含了广义形态滤波论文开题报告文献综述及选题提纲参考文献，主要关键词:轴承故障,自适应广义形态滤波,GG聚类,变模式分解
广义形态滤波论文文献综述
季云健,黄国勇,黄刚劲[1]（2019）在《自适应广义形态滤波和GG聚类在轴承故障识别中的应用研究》一文中研究指出针对复杂工况下滚动轴承受机械噪声等因素影响轴承故障类型区分难的问题,提出了一种基于自适应广义形态滤波和GG聚类的轴承故障诊断方法。采用自适应广义形态滤波对轴承振动信号进行降噪处理,对降噪后的信号进行变模式分解,去除虚假分量和噪声分量,最后对去噪后故障特征较多的信号分量求解近似熵,作为特征向量输入GG聚类分类器中,达到故障分类。仿真实验结果证明该方法能有效提取信号特征信息,准确识别故障类型。(本文来源于《陕西理工大学学报(自然科学版)》期刊2019年01期）
徐存知,熊新[2]（2019）在《基于广义形态差值滤波与极限学习机的滚动轴承故障诊断方法研究》一文中研究指出由于工业设备工作环境恶劣、工况复杂,设备所采集的振动信号含噪声较多,难以准确提取设备运行状态的特征。因此,提出一种广义形态差值滤波和极限学习机相结合的滚动轴承故障诊断方法。实验结果表明:经广义形态差值滤波后的振动信号特征更易区分,与BP神经网络相比,极限学习机具有更高的分类精度。(本文来源于《化工自动化及仪表》期刊2019年01期）
黄新奇,张亚飞,毛存礼,黄刚劲,郭月江[3]（2018）在《ITD和自适应广义形态滤波的特征提取方法》一文中研究指出针对滚动轴承早期微弱故障特征难以从强噪声背景中分离的问题,提出了一种本征时间尺度分解(ITD)和自适应广义形态滤波的特征提取方法。将故障信号进行ITD分解成若干固有旋转(PR)分量;利用峭度准则选取若干PR分量进行重构,对重构后的信号通过自适应广义形态滤波进行降噪处理;对降噪后的信号进行Hilbert包络谱分析。通过对滚动轴承内外圈进行实验分析,验证了方法的有效性。(本文来源于《传感器与微系统》期刊2018年06期）
崔锡龙,王红军,邢济收,左云波[4]（2018）在《广义形态滤波和VMD分解的滚动轴承故障诊断》一文中研究指出滚动轴承早期故障信号的特征提取通常都会受到强噪声的影响,难以得到有效信息,因此提出了广义形态滤波和变分模态分解(variational mode decomposition,VMD)相结合的方法。首先利用不同结构元素构成的广义形态滤波去除故障信号中噪声信息的影响,突出故障信号的冲击特征;其次运用VMD对处理过后的信号进行分解,得到若干个模态分量;然后由峭度准则选取故障信息最为丰富的模态分量进行包络谱分析,获取滚动轴承的故障特征频率。通过对仿真信号和实测数据的处理结果表明,方法对噪声的去除效果显着,获取故障特征频率也十分明显,能够作为滚动轴承故障诊断的有效方法。(本文来源于《电子测量与仪器学报》期刊2018年04期）
黄刚劲[5]（2018）在《基于广义形态滤波的滚动轴承故障诊断研究》一文中研究指出自工业革命之后,旋转机械设备的应用日益广泛,其能否安全运行对于企业的生产至关重要。滚动轴承作为旋转机械中最易损坏的部件之一,其运行状态监测成为了当前故障诊断领域广泛研究的课题。滚动轴承转子系统动力学行为具有非线性的性质,其产生的振动信号则具有非线性、非平稳性的特点;振动信号易受环境噪声的影响,这些问题增大了滚动轴承故障诊断的难度。因此,如何在复杂工业环境下,提取滚动轴承振动信号的特征,并准确识别故障类型,是一个具有实际应用价值的研究方向。为此,本文引入广义形态滤波方法,围绕信号降噪处理、特征提取和故障类型识别等问题展开研究,解决旋转机械故障诊断问题中的信号处理与状态识别等关键问题,主要研究内容包括以下几个部分:(1)提出基于自适应广义形态滤波与多分辨奇异值分解(Multi-Resolution Singular Value Decomposition,MRSVD)的信号预处理与特征提取方法。针对广义形态滤波方法降噪效果不理想的问题,采用最小均方(Least Mean Square,LMS)方法自适应选择广义形态滤波的加权系数,自适应地对振动信号进行降噪处理。MRSVD对降噪后的振动信号进行分析,获得故障特征信息,通过Hilbert包络谱分析轴承故障类型。实验结果证明该方法能较好的提取到轴承的故障特征,验证了该方法的可行性和有效性。(2)提出基于互补式集成经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD)与广义形态差值滤波的特征提取方法。针对广义形态滤波方法难以分离出轴承故障特征的问题,采用广义形态交替闭、开的方法改进了广义形态差值滤波器,并与CEEMD方法结合实现信号特征的准确提取。实验分析了滚动轴承内、外圈故障信号,结果证明该方法能准确分离出轴承故障特征,具有工程实用价值。(3)为了提高复杂工况下轴承故障类型识别精度,提出了自适应广义形态滤波和GG(Gath-Geva)聚类的轴承故障诊断方法。与FCM聚类、GK聚类等方法对比,GG聚类方法具有更高的区分性,实验结果表明,采用GG聚类方法对故障特征样本进行聚类分析,提高了轴承故障类型识别的准确性。(本文来源于《昆明理工大学》期刊2018-03-01）
黄刚劲,范玉刚,冯早,刘英杰[6]（2018）在《基于广义形态滤波和MRSVD的故障诊断方法研究》一文中研究指出为了从复杂工况下获取滚动轴承故障信息,提出了一种基于广义形态滤波和多分辨奇异值分解(MultiResolution Singular Value Decomposition,MRSVD)相结合的方法。首先利用广义形态学滤波方法对振动信号进行降噪预处理;然后利用MRSVD对降噪后的振动信号进行分解;最后通过峭度准则选取故障特征最丰富的细节信号,并对其进行Hilbert包络谱分析。将提出的方法应用于滚动轴承的故障检测,实验结果表明该方法能清晰地提取故障特征信息。(本文来源于《计算机工程与应用》期刊2018年03期）
马泽玮[7]（2015）在《基于广义形态滤波和集合经验模态分解的齿轮箱故障诊断》一文中研究指出随着现代科学技术和自动化程度的不断提高，齿轮箱作为一种重要的传输部件，广泛应用在交通、能源、电力、冶金、化工、航空航天等各个领域并发挥着举足轻重的作用,因此对于齿轮箱的故障诊断也显得尤为重要。本文首先研究了齿轮箱的动力学模型，对齿轮、滚动轴承和轴的的各种故障机理、故障类型进行了详细分析，并对齿轮箱各种故障类型的振动信号特征进行了总结。然后介绍了齿轮箱振动信号传统的时域法、频域法以及时频法叁大类主要的方法。针对传统滤波方法的不足，构建了广义形态滤波器，很好的消除了输出的统计偏倚的现象。然后介绍了结构元素的种类和选取原则，并通过仿真信号对传统的形态滤波与广义形态滤波效果进行了对比，验证了该方法的有效性。在获取故障特征频率过程中，针对EMD分解中出现的端点效应和模态混迭，分别采用了极值点延拓和集合经验模态分解(即EEMD分解)来克服以上不足，另外传统的包络谱分析的无法反映细节信号、分辨率不高和能量泄露等问题，采用Hilbert边际谱，可以有效地解决上述问题，并通过仿真信号验证了两种方法结合的有效性。Hilbert边际谱克服了传统包络法需要确定带通滤波器的中心频率和带宽的不足，从而可以实现故障频率的准确定位。但是由于EEMD分解易受噪声干扰，因此去噪就显得尤为重要。针对上述问题，本文将广义形态滤波、EEMD分解以及Hilbert边际谱叁种方法结合起来，首先利用广义形态滤波对故障信号进行滤波，减小噪声的干扰，然后利用EEMD对去噪后的信号分解，针对分解出的各IMF分量，利用相关系数法选择出合适的IMF分量，从而构成局部Hilbert边际谱。通过对故障特征频率进行判断，成功的将轴承的内、外环、保持架以及齿轮磨损和断齿的故障区分出来，从而达到有效区分齿轮箱中不同部位故障类型的作用。从实验结果能够看出以上叁种方法的有效结合能够很好的将环境中不同种类的噪声进行滤除、对去噪后的信号进行分解并提取齿轮箱信号特征、诊断出齿轮箱故障类型，所以本文的研究结果不仅可以在齿轮箱的故障诊断中进行应用，而且也能够在其它类似的机械故障诊断中应用，具有较为广泛的应用前景。(本文来源于《中北大学》期刊2015-05-28）
廖红华,吴长坤,廖宇,郭黎,龚文浩[8]（2014）在《基于广义形态滤波的低电压芯片电泳电色谱信号去噪研究》一文中研究指出低电压芯片电泳电色谱信号检测过程中常伴随随机、周期性激励信号干扰、基线漂移等干扰问题,为低电压芯片电泳电色谱信号的检测带来很大的困难.为了从强干扰噪声中有效提取低电压芯片电泳电色谱分离图谱,有效抑制噪声干扰,提高测量精确度及稳定性,结合低电压芯片非接触电导检测器输出信号特点,将数学形态滤波算法应用到含有强噪声干扰的芯片电泳电色谱信号去噪中.仿真结果表明:数学形态滤波能有效消除芯片电泳电色谱信号的随机、周期性激励信号干扰、基线漂移等多种噪声,能很好地保留原色谱峰信号的基本特征.由于该方法原理简单、运算速度快,易于硬件实现,适合于强背景噪声条件下的低电压芯片电泳信号实时检测.(本文来源于《湖北民族学院学报(自然科学版)》期刊2014年04期）
马泽玮[9]（2014）在《广义形态滤波在滚动轴承降噪中的应用》一文中研究指出由于传统的形态滤波采用相同的结构元素,会造成输出倚的现象。因此广义形态滤波采用不同的结构元素,即先小后大,然后用信噪比和滤波误差对滤波效果进行衡量,并和传统的形态滤波进行比较,研究表明广义形态滤波具有更高的信噪比和更小的滤波误差。最后用实测的故障信号进行验证,其滤波性能要好于传统的形态滤波,并且只是加、减和取极值,计算方便,具有较好的应用前景。(本文来源于《运城学院学报》期刊2014年02期）
李晋,汤井田,肖晓,张林成,张弛[10]（2014）在《基于组合广义形态滤波的大地电磁资料处理》一文中研究指出针对矿集区大地电磁强干扰的特征,构建组合广义形态滤波器,从时间域波形上探讨组合广义形态滤波对实测大地电磁强干扰的噪声压制效果。给出基于组合广义形态滤波的大地电磁资料处理流程,在人烟稀少、基本无电磁干扰的青海柴达木盆地进行试验研究,对包含比较单一的人工广域电磁干扰源的试验点进行组合广义形态滤波处理,横向对比时间域波形和视电阻率-相位曲线的改善情况。研究结果表明:该方法可以更加精确地勾勒出大尺度强干扰的轮廓特征,视电阻率-相位曲线的整体形态更加光滑、平稳,数据质量得到明显改善;由于该算法能有效提取暂态信号中的奇异信号,且只需进行加、减和比较运算,计算速度快,这对于在矿集区开展大地电磁强干扰的压制及资料处理具有一定应用价值。(本文来源于《中南大学学报(自然科学版)》期刊2014年01期）
广义形态滤波论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
由于工业设备工作环境恶劣、工况复杂,设备所采集的振动信号含噪声较多,难以准确提取设备运行状态的特征。因此,提出一种广义形态差值滤波和极限学习机相结合的滚动轴承故障诊断方法。实验结果表明:经广义形态差值滤波后的振动信号特征更易区分,与BP神经网络相比,极限学习机具有更高的分类精度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
广义形态滤波论文参考文献
[1].季云健,黄国勇,黄刚劲.自适应广义形态滤波和GG聚类在轴承故障识别中的应用研究[J].陕西理工大学学报(自然科学版).2019
[2].徐存知,熊新.基于广义形态差值滤波与极限学习机的滚动轴承故障诊断方法研究[J].化工自动化及仪表.2019
[3].黄新奇,张亚飞,毛存礼,黄刚劲,郭月江.ITD和自适应广义形态滤波的特征提取方法[J].传感器与微系统.2018
[4].崔锡龙,王红军,邢济收,左云波.广义形态滤波和VMD分解的滚动轴承故障诊断[J].电子测量与仪器学报.2018
[5].黄刚劲.基于广义形态滤波的滚动轴承故障诊断研究[D].昆明理工大学.2018
[6].黄刚劲,范玉刚,冯早,刘英杰.基于广义形态滤波和MRSVD的故障诊断方法研究[J].计算机工程与应用.2018
[7].马泽玮.基于广义形态滤波和集合经验模态分解的齿轮箱故障诊断[D].中北大学.2015
[8].廖红华,吴长坤,廖宇,郭黎,龚文浩.基于广义形态滤波的低电压芯片电泳电色谱信号去噪研究[J].湖北民族学院学报(自然科学版).2014
[9].马泽玮.广义形态滤波在滚动轴承降噪中的应用[J].运城学院学报.2014
[10].李晋,汤井田,肖晓,张林成,张弛.基于组合广义形态滤波的大地电磁资料处理[J].中南大学学报(自然科学版).2014