导读:本文包含了形态谱论文开题报告文献综述及选题提纲参考文献，主要关键词:滚动轴承,性能退化,信息熵,形态学
形态谱论文文献综述
高洪波[1]（2019）在《基于数学形态谱熵的机械部件性能退化特征提取》一文中研究指出提出了基于数学形态谱熵的性能退化特征提取方法。首先对机械状态振动信号进行多尺度形态分解,建立数学形态谱,在此基础上,结合信息熵理论,度量振动信号在不同尺度域划分下的形态复杂性。实验结果表明,以数学形态谱熵作为特征参数,可以有效地描述轴承、齿轮等旋转机械部件的性能退化趋势。(本文来源于《机电信息》期刊2019年27期）
束洪春,龚振,田鑫萃,董俊,李胜男[2]（2019）在《基于故障特征频带及形态谱的单相接地故障选线》一文中研究指出针对谐振接地系统中发生小故障角故障和高阻接地故障的故障选线可靠性不高的问题,利用各线路零模电流暂态分量能量和最大原理构成的特征频带,详细讨论了故障线路和健全线路在不同故障情况下的零模电流在特征频带内的相位幅值差异,避免了传统提取特征频带时无法统一各线路特征频带的不足。基于此提出了综合利用特征频带和数学形态谱的融合判据实现故障选线,利用故障零模电流进行特征频带求取,提取特征频带内电流进行形态谱运算,用形态谱表征特征频带特征。PSCAD/EMTDC及综合实验平台仿真和实测数据表明:一方面零模电流的特征频带能有效滤除信号干扰,使故障线路与健全线路零模电流的幅值和相位差异更显着;另一方面由于形态谱在多刻度下对信号形态进行分析,基于形态谱的选线方法具有较强的抗干扰能力,可靠性更高。(本文来源于《电网技术》期刊2019年03期）
安国庆,杨少锐,安孟宇,刘庆瑞,李洪儒[3]（2019）在《形态谱和LCD法提取超声波电动机陶瓷故障特征》一文中研究指出压电陶瓷开裂是导致超声波电动机失效的主要原因之一。针对超声波电动机定转子机械耦合过程中的噪声影响,研究利用多尺度下的形态谱信息,重构孤极电压故障信号的方法。对重构信息进行LCD分解(LocalCharacteristic-scale Decomposition)并计算能谱熵,作为故障特征反映超声波电动机压电陶瓷片的开裂程度。在不同噪声等级的仿真信号下,对故障特征在噪声环境的适用性进行了分析。实验结果验证了该方法在超声波电动机压电陶瓷开裂故障特征提取上的可行性和有效性。(本文来源于《微特电机》期刊2019年02期）
杨少锐[4]（2018）在《基于形态谱和LCD的超声电机陶瓷开裂故障特征提取》一文中研究指出超声电机作为应用在航空航天装备里的一种新型电机,其特有的运转方式和性能决定了该电机拥有普通电磁电机不具备的特性,在太空等复杂环境中发挥着不可替代的作用,其性能的优劣会直接影响整个系统的工作状态。压电陶瓷开裂是影响超声电机使用寿命的关键因素。针对该故障类型,提出了一种模拟压电陶瓷开裂的行波型超声电机定子建模方法。首先,建立了无故障超声电机定子模型,经动力学分析后得到的定子质点运动轨迹验证了模型的合理性;其次,改变裂纹长度以模拟陶瓷片的不同开裂程度,得到了孤极电压信号随裂纹尺寸的变化规律。超声电机在实际工作中必然会受到一定的干扰,针对超声电机定转子机械耦合过程中的噪声影响,提出利用多尺度下的形态谱信息,重构孤极电压故障信号的方法。对重构信息进行局部特征尺度分解(Local Characteristic-scale Decomposition,LCD)并计算能谱熵,以此作为故障特征反映超声电机压电陶瓷片的开裂程度。同时在不同噪声等级的仿真信号下,对故障特征在噪声环境的适用性进行了分析。最后,对不同开裂程度故障电机的孤极电压进行了采样,分析结果表明仿真结果与实测数据具有较好的一致性,并验证了该方法在超声电机压电陶瓷开裂故障特征提取上的可行性和有效性。(本文来源于《河北科技大学》期刊2018-12-01）
宋平岗,章伟,陈欢,林家通,周振邦[5]（2018）在《基于数学形态谱的逆变器功率管开路故障诊断》一文中研究指出针对逆变器功率管开路故障,提出一种基于数学形态谱的逆变器开路故障诊断方法。利用逆变器故障状态下的叁相输出电流出现波形上缺失、下缺失、上下都缺失以及严重畸变的差异,求取正常电流信号及上述4种故障电流信号的形态谱,提取形态谱中前11个归一化谱值作为特征向量输入ELM神经网络进行区分,并结合简单的叁相输出电流故障判别机制,实现故障功率管的准确定位。仿真结果表明,该方法的故障区分率超过96%。最后利用实验数据验证了所提方法的有效性。(本文来源于《电源学报》期刊2018年05期）
Luk,PP,Weston,JD,Yu,B,张凌[6]（2016）在《唾液腺导管癌:临床病理特征、形态谱和体细胞突变》一文中研究指出唾液腺导管癌的确诊需要临床病理检测。肿瘤基因的特征性改变为治疗提供了新的选择。针对这一目前研究的热点,该文作者对1989-2014年间190例唾液腺癌患者进行回顾分析。检测指标包括人表皮生长因子受体2(HER2)和雄激(本文来源于《中国口腔颌面外科杂志》期刊2016年01期）
高洪波,刘杰,李允公[7]（2015）在《基于改进数学形态谱的齿轮箱轴承故障特征提取》一文中研究指出特征提取是实现故障模式识别的关键环节。针对传统数学形态谱在计算速度及故障模式区分能力上的不足,将数学形态腐蚀运算引入到形态谱计算中,提出一种基于改进数学形态谱的特征提取方法,该方法可以表征信号不同分析尺度下的形态特征,进而区分信号所反映的运行状态。引入仿真信号对该方法的有效性进行对比验证,结果表明:与传统数学形态谱相比,改进的数学形态谱可以有效地区分机械设备的不同故障状态,稳定性强、计算速度更快。在此基础上对不同参数的影响效果进行了分析。最后,采用实测滚动轴承振动信号验证了该方法在实际工程应用中的有效性。(本文来源于《振动工程学报》期刊2015年05期）
姜万录,郑直,胡浩松[8]（2015）在《基于EEMD形态谱和支持向量机复合的滚动轴承故障诊断方法》一文中研究指出针对滚动轴承的内圈、外圈和滚动体故障提出了一种新的诊断方法,该方法融合了集总经验模态分解(EEMD)、形态谱和支持向量机(SVM)叁种方法的优势.首先,利用经验模态分解对滚动轴承故障振动信号进行分解,得到若干个具有物理意义的内禀模态分量(IMF);其次,基于最大能量法筛选出含有故障特征信息最丰富的一个内禀模态分量为故障诊断数据源;再次,对数据源在选定尺度范围内进行形态谱的提取,从而构造故障特征向量;最后,利用支持向量机对滚动轴承的叁种故障进行诊断.研究结果表明,该方法能够有效地诊断出滚动轴承的叁种故障,且具有很高的故障诊断正确率.(本文来源于《工程科学学报》期刊2015年S1期）
郑直,姜万录,胡浩松,朱勇,李扬[9]（2015）在《基于EEMD形态谱和KFCM聚类集成的滚动轴承故障诊断方法研究》一文中研究指出针对滚动轴承的故障诊断问题,提出了一种基于集总经验模态分解(EEMD)、形态谱特征提取和核模糊C均值聚类(KFCMC)集成的故障诊断新方法。首先,对实测的滚动轴承振动信号进行EEMD分解,得到若干个代表不同振动模态的内禀模态函数(IMF);其次,基于峭度、能量和均方差叁个评价指标,从分解得到的若干个IMF分量中选出含有故障特征信息最丰富的3个IMF分量作为诊断用的数据源;然后在选定尺度范围内提取每个IMF分量的形态谱平均值,将叁个形态谱平均值构成一个叁维特征向量,作为一个样本,形成样本集;最后,利用KFCMC完成对滚动轴承不同故障的分类识别。此外,为了对比说明该方法的识别效果,还将振动信号用经验模态分解(EMD)方法进行分解,用模糊C均值聚类(FCMC)进行分类识别,结果表明所提方法的识别效果要优于EMD形态谱和FCMC相结合的方法。通过对实测的滚动轴承振动信号的实验验证,表明该方法可以实现对滚动轴承故障的有效诊断。(本文来源于《振动工程学报》期刊2015年02期）
梁兴[10]（2014）在《基于数学形态谱的水泵振动识别研究》一文中研究指出针对实测水泵振动信号夹杂噪声等现象,利用多尺度数学形态谱及形态谱熵理论,对不同转速下的水泵振动实测信号进行分析,提取相应的特征形状和特征量,进行振动故障识别,并验证了该方法的可行性与准确性。研究表明,随着转速的逐步增加,存在着不对中和不平衡故障的水泵机组,其振动特性可以划分为正常运行、周期性碰摩运行及混沌运行3类;当水泵振动类型相同时,随着转速的变化,相应的数学形态谱及形态谱熵分析结果几乎不变;采用数学形态谱及形态谱熵理论能够对夹杂大量噪声的故障测试信号进行分析处理,且故障信号识别成功率较高,其中形态谱识别成功率高于形态谱熵,能较好地达到故障识别的目的,也充分证明了该方法的抗干扰性。(本文来源于《人民长江》期刊2014年14期）
形态谱论文开题报告
（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：
针对谐振接地系统中发生小故障角故障和高阻接地故障的故障选线可靠性不高的问题,利用各线路零模电流暂态分量能量和最大原理构成的特征频带,详细讨论了故障线路和健全线路在不同故障情况下的零模电流在特征频带内的相位幅值差异,避免了传统提取特征频带时无法统一各线路特征频带的不足。基于此提出了综合利用特征频带和数学形态谱的融合判据实现故障选线,利用故障零模电流进行特征频带求取,提取特征频带内电流进行形态谱运算,用形态谱表征特征频带特征。PSCAD/EMTDC及综合实验平台仿真和实测数据表明:一方面零模电流的特征频带能有效滤除信号干扰,使故障线路与健全线路零模电流的幅值和相位差异更显着;另一方面由于形态谱在多刻度下对信号形态进行分析,基于形态谱的选线方法具有较强的抗干扰能力,可靠性更高。
（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。
形态谱论文参考文献
[1].高洪波.基于数学形态谱熵的机械部件性能退化特征提取[J].机电信息.2019
[2].束洪春,龚振,田鑫萃,董俊,李胜男.基于故障特征频带及形态谱的单相接地故障选线[J].电网技术.2019
[3].安国庆,杨少锐,安孟宇,刘庆瑞,李洪儒.形态谱和LCD法提取超声波电动机陶瓷故障特征[J].微特电机.2019
[4].杨少锐.基于形态谱和LCD的超声电机陶瓷开裂故障特征提取[D].河北科技大学.2018
[5].宋平岗,章伟,陈欢,林家通,周振邦.基于数学形态谱的逆变器功率管开路故障诊断[J].电源学报.2018
[6].Luk,PP,Weston,JD,Yu,B,张凌.唾液腺导管癌:临床病理特征、形态谱和体细胞突变[J].中国口腔颌面外科杂志.2016
[7].高洪波,刘杰,李允公.基于改进数学形态谱的齿轮箱轴承故障特征提取[J].振动工程学报.2015
[8].姜万录,郑直,胡浩松.基于EEMD形态谱和支持向量机复合的滚动轴承故障诊断方法[J].工程科学学报.2015
[9].郑直,姜万录,胡浩松,朱勇,李扬.基于EEMD形态谱和KFCM聚类集成的滚动轴承故障诊断方法研究[J].振动工程学报.2015
[10].梁兴.基于数学形态谱的水泵振动识别研究[J].人民长江.2014