用户名 密 码 登 录 忘记密码 免费注册

网站会员中心 | 设为首页 | 加入收藏

 您好，欢迎光临中国轴承行业网         退出登陆

会员中心 | 设为首页 | 加入收藏

协会

统计

国外文献 > 1.轴承 > 6. 信号处理与特征分析 > 信号处理

关键词搜索：

标 题： A bearing faults diagnosis enhancement using EMD and MEDA
基于EMD和MEDA的轴承故障诊断增强
作 者： Ahmed Chennana
Abderrahmane Ahmia
Ahmed Chaouki Megherbi
Noureddine Bessous
Salim Sbaa
Ali Teta
关键词： Induction motors  [感应电动机]
Empirical mode decomposition  [ 经验模态分解]
Minimum entropy deconvolution adjusted  [ 最小熵去卷积校正]
Fault diagnosis  [ 故障诊断]
CWRU dataset  [ CWRU 数据集]
出版年： 2024
文集名： 2nd International Conference on Electrical Engineering and Automatic Control (ICEEAC 2024)
第二届国际电气工程与自动控制会议（ICEEAC 2024）
会议名： 2nd International Conference on Electrical Engineering and Automatic Control (ICEEAC 2024)
第二届国际电气工程与自动控制会议（ICEEAC 2024）
届 次： 2nd
摘 要： The growing importance of induction motor is attributed to the rapid progress in modern manufacturing. Consequently, a faults diagnosis of rotating machinery using vibration signals is extremely important for the reliability of mechanical systems. In this regard, we applied Empirical Mode Decomposition technique (EMD) combined with Minimum Entropy Deconvolution Adjusted (MEDA). Firstly, we analyze the bearing faults signals to Intrinsic Mode Functions (IMF's) using an EMD technique. To enhance faults diagnosis, we applied the Minimum Entropy Deconvolution Adjusted (MEDA) technique to the reconstructed signals. Subsequently, the results were comprehensively scrutinized to illustrate the capabilities of this approach in diagnosing bearing faults. In this study, we used the CWRU dataset and highlights the effectiveness and appropriateness of the EMD-MEDA method, evidently in diagnosing bearing faults and extracting fault features from the vibration signals.

感应电机日益重要的地位源于现代制造技术的快速发展。因此，利用振动信号对旋转机械进行故障诊断对于机械系统的可靠性至关重要。为此，我们应用经验模分解（EMD）技术结合最小熵去卷积校正（MEDA）方法。首先，采用EMD技术将轴承故障信号分解为本征模函数（IMF）。为了进一步提升故障诊断能力，我们在重构后的信号上应用了最小熵去卷积校正（MEDA）技术。随后，对结果进行了全面分析，以展示该方法在诊断轴承故障方面的有效性。本研究使用CWRU数据集，充分证明了EMD-MEDA方法在诊断轴承故障以及从振动信号中提取故障特征方面的高效性和适用性。
中文内容为网络AI翻译，专业术语未必准确，仅供参考。

VIP网员

联系我们 | 登录注册 | 会员管理 | 网员服务 | 服务信息 | 广告服务 | 高薪聘请 | 法律声明 | 关于我们

京公网安备 11010202009788    京ICP备2021015424号