CN105738061B - 一种振动信号的图像分析方法 - Google Patents
一种振动信号的图像分析方法 Download PDFInfo
- Publication number
- CN105738061B CN105738061B CN201610093698.5A CN201610093698A CN105738061B CN 105738061 B CN105738061 B CN 105738061B CN 201610093698 A CN201610093698 A CN 201610093698A CN 105738061 B CN105738061 B CN 105738061B
- Authority
- CN
- China
- Prior art keywords
- row
- vibration signal
- filter
- detection
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M7/00—Vibration-testing of structures; Shock-testing of structures
- G01M7/02—Vibration-testing by means of a shake table
- G01M7/06—Multidirectional test stands
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种振动信号的图像分析方法，包括建立滤波器阶段和检测阶段；建立滤波器阶段包括将水平方向的振动信号进行经验小波变换，得到经验模态，将经验模态进行希尔伯特变换，得到频谱幅值，对频谱幅值进行边界检测，建立带通滤波器；检测阶段包括将振动信号先通过行带通滤波器进行滤波，并沿着行输出行图像，再通过列带通滤波器进行滤波，并沿着列输出列图像，得到振动信号的2维经验小波变换图。本发明有益效果是：通过得到振动信号的2维经验小波变换图，图像由在博里叶频或的不同2维调幅‑调幅模态组成。为此，可以基于2维图像分析不同的振动信号特征，便于特征识别和故障诊断。
Description
技术领域
本发明及振动信号分析领域，特别涉及一种振动信号的图像分析方法。
背景技术
经验小波变换(EWT)是一种新的自适应信号分解方法，该方法继承了EMD和小波分析方法的各自优点，通过提取频域极大值点自适应地分割傅里叶频谱以分离不同的模态，然后在频域自适应地构造带通滤波器组从而构造正交小波函数，以提取具有紧支撑傅立叶频谱的调幅-调频(AM-FM)成分。
近年来的研究方向将该方法引用到机械故障诊断中，提出了一种基于经验小波变换的机械故障诊断方法，并与EMD方法进行了对比分析。但是上述机械故障诊断方法都是一种1维的，只能单独的对一个方向的振动信号进行故障分析，无法将2维的，两个方向的振动信号进行检测和直接在图像上的分析，导致故障诊断的不精准、耗时耗力的情况出现。
发明内容
本发明为解决上述技术问题为提供一种更精确、更全面、更有效的振动信号的图像分析方法。
为解决上述技术问题，本发明采用的技术方案为：
一种振动信号的图像分析方法，包括建立滤波器阶段和检测阶段；
所述建立滤波器阶段包括建立行滤波器和建立列滤波器，
建立行滤波器：将水平方向的振动信号进行经验小波变换，得到经验模态，将经验模态进行傅里叶变换，得到每行的频谱幅值，对每行的频谱幅值进行边界检测，建立相应的行带通滤波器；
建立列滤波器：将垂直方向的振动信号进行经验小波变换，得到经验模态，将经验模态进行傅里叶变换，得到每列的频谱幅值，对每列的频谱幅值进行边界检测，建立相应的列带通滤波器；
检测阶段包括：将振动信号先通过行带通滤波器进行滤波，并沿着行输出行图像，再通过列带通滤波器进行滤波，并沿着列输出列图像，将行图像和列图像显示在显示器上，得到振动信号的2维经验小波变换图。
本发明有益效果是：通过得到振动信号的2维经验小波变换图，图像由在博里叶变换的不同2维调幅-调幅模态组成。为此，可以基于2维图像分析不同的振动信号特征，便于特征识别和故障诊断。使故障诊断更加精确、更加全面，更有参考价值，建立一种新的经验小波在故障诊断上的应用，呈现一种2维振动信号特征的图像，省时省力，直观的查看到振动信号的变化过程。
作为本发明的一种优选结构，为了改善无法确认振动信号水平方向和垂直方向的问题，所述建立滤波器阶段中使用张量积作为经验小波构建2维经验小波变换图。如此，通过使用两个向量空间的张量积的方法，分析确定振动信号哪个方向为水平方向、哪个方向为垂直方向，为后续分析检测振动信号提供有效准确的依据。
作为本发明的一种优选结构，为了改善无法有效全面的检测振动信号的问题，所述检测阶段采用电涡流传感器检测水平与垂直方向的振动信号，并分别使检测水平与垂直方向的振动信号先通过行带通滤波器，再通过列带通滤波器输出图像。如此，通过一个电涡流传感器检测水平方向的振动信号，一个电涡流传感器检测垂直方向振动信号，使检测更加全面，电涡流传感器能准确测量被测体与探头端面之间静态和动态的相对位移变化，从而转换成振动信号。
为解决上述技术问题，本发明提供的另一技术方案为：
一种振动信号的图像分析方法，包括建立滤波器阶段和检测阶段；
所述建立滤波器阶段包括建立行滤波器和建立列滤波器，
建立行滤波器：将水平方向的振动信号进行经验小波变换，得到经验模态，将经验模态进行希尔伯特变换，得到每行的频谱幅值，对每行的频谱幅值进行边界检测，建立相应的行带通滤波器；
建立列滤波器：将垂直方向的振动信号进行经验小波变换，得到经验模态，将经验模态进行希尔伯特变换，得到每列的频谱幅值，对每列的频谱幅值进行边界检测，建立相应的列带通滤波器；
检测阶段包括：将振动信号先通过行带通滤波器进行滤波，并沿着行输出行图像，再通过列带通滤波器进行滤波，并沿着列输出列图像，将行图像和列图像显示在显示器上，得到振动信号的2维经验小波变换图。
本发明有益效果是：通过得到振动信号的2维经验小波变换图，图像由在博里叶变换的不同2维调幅-调幅模态组成。为此，可以基于2维图像分析不同的振动信号特征，便于特征识别和故障诊断。使故障诊断更加精确、更加全面，更有参考价值，建立一种新的经验小波在故障诊断上的应用，呈现一种2维振动信号特征的图像，省时省力，直观的查看到振动信号的变化过程。
作为本发明的一种优选结构，为了改善无法确认振动信号水平方向和垂直方向的问题，所述建立滤波器阶段中使用张量积作为经验小波构建2维经验小波变换图。如此，通过使用两个向量空间的张量积的方法，分析确定振动信号哪个方向为水平方向、哪个方向为垂直方向，为后续分析检测振动信号提供有效准确的依据。
作为本发明的一种优选结构，为了改善无法有效得到频谱幅值的问题，所述建立滤波器阶段中得到频谱幅值的过程包括：
将瞬时的振动信号进行经验小波变换后，得到瞬时的经验模态，对瞬时的经验模态进行希尔伯特变换，得到瞬时频率和瞬时幅值，将一个振动周期的每个经验模态进行希尔伯特变换，得到一个振动周期的频谱幅值。如此，通过对一个振动周期的每个经验模态进行希尔伯特变换，可以得到振动周期的时间，从而得到振动周期的频谱幅值，为故障诊断得到有效准确的频谱幅值。
作为本发明的一种优选结构，为了改善无法有效全面的检测振动信号的问题，所述检测阶段采用电涡流传感器检测水平与垂直方向的振动信号，并分别使检测水平与垂直方向的振动信号先通过行带通滤波器，再通过列带通滤波器输出图像。如此，通过一个电涡流传感器检测水平方向的振动信号，一个电涡流传感器检测垂直方向振动信号，使检测更加全面，电涡流传感器能准确测量被测体与探头端面之间静态和动态的相对位移变化，从而转换成振动信号。
具体实施方式
为详细说明本发明的技术内容、构造特征、所实现目的及效果，以下结合实施方式详予说明。
实施例一
本发明振动信号的图像分析方法，包括建立滤波器阶段和检测阶段；
所述建立滤波器阶段包括建立行滤波器和建立列滤波器，
建立行滤波器：将水平方向的振动信号进行经验小波变换，得到经验模态，将经验模态进行傅里叶变换，得到每行的频谱幅值，对每行的频谱幅值进行边界检测，建立相应的行带通滤波器；
小波变换是一种新的变换分析方法，能够提供一个随频率改变的“时间-频率”窗口，是进行信号时频分析和处理的理想工具。它的主要特点是通过变换能够充分突出问题某些方面的特征，能对时间(空间)频率的局部化分析，通过伸缩平移运算对信号(函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节。将振动信号进行经验小波变换，通过对振动信号的频谱进行自适应划分，构造合适的正交小波滤波器组以提取具有紧支撑傅里叶频谱的AM-FM成分，从而对提取出的AM-FM模态进行傅里叶变换，得到频谱幅值。
傅里叶变换表示能将满足一定条件的某个函数表示成三角函数(正弦和/或余弦函数)或者它们的积分的线性组合。傅里叶变换是一种分析信号的方法，它可分析信号的成分，也可用这些成分合成信号。
建立列滤波器：将垂直方向的振动信号进行经验小波变换，得到经验模态，将经验模态进行傅里叶变换，得到每列的频谱幅值，对每列的频谱幅值进行边界检测，建立相应的列带通滤波器；
所述建立滤波器阶段中使用张量积作为经验小波构建2维经验小波变换图。如此，通过使用两个向量空间的张量积的方法，分析确定振动信号哪个方向为水平方向、哪个方向为垂直方向，为后续分析检测振动信号提供有效准确的依据。
检测阶段包括：将振动信号先通过行带通滤波器进行滤波，并沿着行输出行图像，再通过列带通滤波器进行滤波，并沿着列输出列图像，将行图像和列图像显示在显示器上，得到振动信号的2维经验小波变换图。
所述检测阶段采用电涡流传感器检测水平与垂直方向的振动信号，并分别使检测水平与垂直方向的振动信号先通过行带通滤波器，再通过列带通滤波器输出图像。电涡流传感器能静态和动态地非接触、高线性度、高分辨力地测量被测金属导体距探头表面的距离，将电涡流传感器和振动信号源固定设置，检测电涡流传感器和振动信号源的距离。如此，通过一个电涡流传感器检测水平方向的振动信号，一个电涡流传感器检测垂直方向振动信号，使检测更加全面，电涡流传感器能准确测量被测体与探头端面之间静态和动态的相对位移变化，从而转换成振动信号。电涡流传感器，能直接非接触测量转轴的状态，对诸如转子的不平衡、不对中、轴承磨损、轴裂纹及发生摩擦等机械问题的早期判定，可提供关键的信息。
实施例二
一种振动信号的图像分析方法，包括建立滤波器阶段和检测阶段；
所述建立滤波器阶段包括建立行滤波器和建立列滤波器，
建立行滤波器：将水平方向的振动信号进行经验小波变换，得到经验模态，将经验模态进行希尔伯特变换，得到每行的频谱幅值，对每行的频谱幅值进行边界检测，建立相应的行带通滤波器；
小波变换是一种新的变换分析方法，能够提供一个随频率改变的“时间-频率”窗口，是进行信号时频分析和处理的理想工具。它的主要特点是通过变换能够充分突出问题某些方面的特征，能对时间(空间)频率的局部化分析，通过伸缩平移运算对信号(函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节。将振动信号进行经验小波变换，通过对振动信号的频谱进行自适应划分，构造合适的正交小波滤波器组以提取具有紧支撑傅里叶频谱的AM-FM成分，从而对提取出的AM-FM模态进行希尔伯特变换，得到有意义的瞬时频率和瞬时幅值，进而得到Hilbert谱。
希尔伯特变换(hilbert transform)对振动信号的一个连续时间信号x(t)的希尔伯特变换等于该信号通过具有冲激响应h(t)＝1/πt的线性***以后的输出响应xh(t)。所以信号经希尔伯特变换后，在频域各频率分量的幅度保持不变，但相位将出现90°相移。即对正频率滞后π/2，对负频率导前π/2，因此希尔伯特变换器又称为90°移相器。用希尔伯特变换描述幅度调制或相位调制的包络、瞬时频率和瞬时相位会使分析简便。
建立列滤波器：将垂直方向的振动信号进行经验小波变换，得到经验模态，将经验模态进行希尔伯特变换，得到每列的频谱幅值，对每列的频谱幅值进行边界检测，建立相应的列带通滤波器；
所述建立滤波器阶段中使用张量积作为经验小波构建2维经验小波变换图。如此，通过使用两个向量空间的张量积的方法，分析确定振动信号哪个方向为水平方向、哪个方向为垂直方向，为后续分析检测振动信号提供有效准确的依据。
所述建立滤波器阶段中得到频谱幅值的过程包括：
将瞬时的振动信号进行经验小波变换后，得到瞬时的经验模态，对瞬时的经验模态进行希尔伯特变换，得到瞬时频率和瞬时幅值，将一个振动周期的每个经验模态进行希尔伯特变换，得到一个振动周期的频谱幅值。如此，通过对一个振动周期的每个经验模态进行希尔伯特变换，可以得到振动周期的时间，从而得到振动周期的频谱幅值，为故障诊断得到有效准确的频谱幅值。
检测阶段包括：将振动信号先通过行带通滤波器进行滤波，并沿着行输出行图像，再通过列带通滤波器进行滤波，并沿着列输出列图像，将行图像和列图像显示在显示器上，得到振动信号的2维经验小波变换图。
所述检测阶段采用电涡流传感器检测水平与垂直方向的振动信号，并分别使检测水平与垂直方向的振动信号先通过行带通滤波器，再通过列带通滤波器输出图像。电涡流传感器能静态和动态地非接触、高线性度、高分辨力地测量被测金属导体距探头表面的距离，将电涡流传感器和振动信号源固定设置，检测电涡流传感器和振动信号源的距离。如此，通过一个电涡流传感器检测水平方向的振动信号，一个电涡流传感器检测垂直方向振动信号，使检测更加全面，电涡流传感器能准确测量被测体与探头端面之间静态和动态的相对位移变化，从而转换成振动信号。电涡流传感器，能直接非接触测量转轴的状态，对诸如转子的不平衡、不对中、轴承磨损、轴裂纹及发生摩擦等机械问题的早期判定，可提供关键的信息。
通过本实施方式能够直观地检测和分析故障振动信号。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (7)
1.一种振动信号的图像分析方法，包括建立滤波器阶段和检测阶段；其特征在于：
所述建立滤波器阶段包括建立行滤波器和建立列滤波器，
建立行滤波器：将水平方向的振动信号进行经验小波变换，得到经验模态，将经验模态进行傅里叶变换，得到每行的频谱幅值，对每行的频谱幅值进行边界检测，建立相应的行带通滤波器；
建立列滤波器：将垂直方向的振动信号进行经验小波变换，得到经验模态，将经验模态进行傅里叶变换，得到每列的频谱幅值，对每列的频谱幅值进行边界检测，建立相应的列带通滤波器；
检测阶段包括：将振动信号先通过行带通滤波器进行滤波，并沿着行输出行图像，再通过列带通滤波器进行滤波，并沿着列输出列图像，将行图像和列图像显示在显示器上，得到振动信号的2维经验小波变换图。
2.根据权利要求1所述的振动信号的图像分析方法，其特征在于：所述建立滤波器阶段中使用张量积作为经验小波构建2维经验小波变换图。
3.根据权利要求1所述的振动信号的图像分析方法，其特征在于：所述检测阶段采用电涡流传感器检测水平与垂直方向的振动信号，并分别使检测水平与垂直方向的振动信号先通过行带通滤波器，再通过列带通滤波器输出图像。
4.一种振动信号的图像分析方法，包括建立滤波器阶段和检测阶段；其特征在于：
所述建立滤波器阶段包括建立行滤波器和建立列滤波器，
建立行滤波器：将水平方向的振动信号进行经验小波变换，得到经验模态，将经验模态进行希尔伯特变换，得到每行的频谱幅值，对每行的频谱幅值进行边界检测，建立相应的行带通滤波器；
建立列滤波器：将垂直方向的振动信号进行经验小波变换，得到经验模态，将经验模态进行希尔伯特变换，得到每列的频谱幅值，对每列的频谱幅值进行边界检测，建立相应的列带通滤波器；
检测阶段包括：将振动信号先通过行带通滤波器进行滤波，并沿着行输出行图像，再通过列带通滤波器进行滤波，并沿着列输出列图像，将行图像和列图像显示在显示器上，得到振动信号的2维经验小波变换图。
5.根据权利要求4所述的振动信号的图像分析方法，其特征在于：所述建立滤波器阶段中使用张量积作为经验小波构建2维经验小波变换图。
6.根据权利要求4所述的振动信号的图像分析方法，其特征在于：所述建立滤波器阶段中得到频谱幅值的过程包括：
将瞬时的振动信号进行经验小波变换后，得到瞬时的经验模态，对瞬时的经验模态进行希尔伯特变换，得到瞬时频率和瞬时幅值，将一个振动周期的每个经验模态进行希尔伯特变换，得到一个振动周期的频谱幅值。
7.根据权利要求4所述的振动信号的图像分析方法，其特征在于：所述检测阶段采用电涡流传感器检测水平与垂直方向的振动信号，并分别使检测水平与垂直方向的振动信号先通过行带通滤波器，再通过列带通滤波器输出图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610093698.5A CN105738061B (zh) | 2016-02-19 | 2016-02-19 | 一种振动信号的图像分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610093698.5A CN105738061B (zh) | 2016-02-19 | 2016-02-19 | 一种振动信号的图像分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105738061A CN105738061A (zh) | 2016-07-06 |
| CN105738061B true CN105738061B (zh) | 2018-01-12 |
Family
ID=56246100
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610093698.5A Active CN105738061B (zh) | 2016-02-19 | 2016-02-19 | 一种振动信号的图像分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105738061B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102017124135B4 (de) * | 2016-10-21 | 2023-06-07 | Computational Systems Inc. | Maschinenfehlervorhersage basierend auf einer Analyse von periodischen Informationen in einem Signal |
| CN106874833B (zh) * | 2016-12-26 | 2021-05-28 | 中国船舶重工集团公司第七一0研究所 | 一种振动事件的模式识别方法 |
| CN109981869B (zh) * | 2017-12-27 | 2020-10-02 | 宁波舜宇光电信息有限公司 | 基于图像技术测量透镜致动器振荡周期的方法及测试设备 |
| CN108181617B (zh) * | 2017-12-29 | 2020-06-12 | 北京理工大学 | 一种基于张量积模型变换的非线性调频***的滤波方法 |
| CN109668622A (zh) * | 2018-11-16 | 2019-04-23 | 国网江苏省电力有限公司盐城供电分公司 | 一种基于振动测量的反射超声波信号频率计算方法 |
| CN109614952B (zh) * | 2018-12-27 | 2020-08-25 | 成都数之联科技有限公司 | 一种基于瀑布图的目标信号检测识别方法 |
| CN110595602B (zh) * | 2019-04-26 | 2021-10-15 | 深圳市豪视智能科技有限公司 | 振动检测方法及相关产品 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6161076A (en) * | 1997-11-14 | 2000-12-12 | Baker Hughes Incorporated | Seismic data acquisition and processing using non-linear distortion in a vibratory output signal |
| JP2001099757A (ja) * | 1999-09-29 | 2001-04-13 | Takasago Thermal Eng Co Ltd | ベアリングの異常検出方法 |
| CN101221066A (zh) * | 2008-01-25 | 2008-07-16 | 太原理工大学 | 工程非线性振动检测方法 |
| JP2012215412A (ja) * | 2011-03-31 | 2012-11-08 | Jtekt Corp | 車載装置の振動解析及び振動源の特定を行う方法及び装置 |
| CN104819766A (zh) * | 2015-05-13 | 2015-08-05 | 西安交通大学 | 基于谐噪比的包络解调频带确定方法 |
| CN105115592A (zh) * | 2015-09-02 | 2015-12-02 | 深圳奥博瑞脑健科技有限公司 | 颅腔振动检测方法及装置 |
-
2016
- 2016-02-19 CN CN201610093698.5A patent/CN105738061B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6161076A (en) * | 1997-11-14 | 2000-12-12 | Baker Hughes Incorporated | Seismic data acquisition and processing using non-linear distortion in a vibratory output signal |
| JP2001099757A (ja) * | 1999-09-29 | 2001-04-13 | Takasago Thermal Eng Co Ltd | ベアリングの異常検出方法 |
| CN101221066A (zh) * | 2008-01-25 | 2008-07-16 | 太原理工大学 | 工程非线性振动检测方法 |
| JP2012215412A (ja) * | 2011-03-31 | 2012-11-08 | Jtekt Corp | 車載装置の振動解析及び振動源の特定を行う方法及び装置 |
| CN104819766A (zh) * | 2015-05-13 | 2015-08-05 | 西安交通大学 | 基于谐噪比的包络解调频带确定方法 |
| CN105115592A (zh) * | 2015-09-02 | 2015-12-02 | 深圳奥博瑞脑健科技有限公司 | 颅腔振动检测方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| 基于小波分析的MSMA振动传感器信号处理与故障检测;鲁军 等;《电工技术学报》;20150531;第30卷(第10期);第354-360页 * |
| 自适应谱峭度滤波方法及其振动信号检测应用;蔡改改 等;《振动、测试与诊断》;20140430;第34卷(第2期);第212-217、392页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105738061A (zh) | 2016-07-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105738061B (zh) | 一种振动信号的图像分析方法 | |
| Zhao et al. | Deep convolutional neural network based planet bearing fault classification | |
| Cheng et al. | An improved complementary ensemble empirical mode decomposition with adaptive noise and its application to rolling element bearing fault diagnosis | |
| Yu et al. | Local maximum synchrosqueezing transform: An energy-concentrated time-frequency analysis tool | |
| Shi et al. | Bearing fault diagnosis under variable rotational speed via the joint application of windowed fractal dimension transform and generalized demodulation: A method free from prefiltering and resampling | |
| Wang et al. | Rolling element bearing fault diagnosis via fault characteristic order (FCO) analysis | |
| Junsheng et al. | The application of energy operator demodulation approach based on EMD in machinery fault diagnosis | |
| Zhao et al. | Compound faults detection of rolling element bearing based on the generalized demodulation algorithm under time-varying rotational speed | |
| Guo et al. | Fault feature extraction for rolling element bearing diagnosis based on a multi-stage noise reduction method | |
| CN101919695B (zh) | 一种基于小波变换的心电信号qrs波检测方法 | |
| Wang et al. | Bearing fault diagnosis under time-varying rotational speed via the fault characteristic order (FCO) index based demodulation and the stepwise resampling in the fault phase angle (FPA) domain | |
| CN110763462B (zh) | 一种基于同步压缩算子的时变振动信号故障诊断方法 | |
| CN103989462B (zh) | 一种脉搏波形第一特征点和第二特征点的提取方法 | |
| Ren et al. | Crack fault diagnosis of rotor systems using wavelet transforms | |
| Cao et al. | Zoom synchrosqueezing transform and iterative demodulation: methods with application | |
| Chen et al. | An ameliorated synchroextracting transform based on upgraded local instantaneous frequency approximation | |
| Wang et al. | Bearing fault diagnosis of direct-drive wind turbines using multiscale filtering spectrum | |
| Liu et al. | Generalized demodulation with tunable E-Factor for rolling bearing diagnosis under time-varying rotational speed | |
| Zeng et al. | Normalized complex Teager energy operator demodulation method and its application to fault diagnosis in a rubbing rotor system | |
| Pineda-Sanchez et al. | Transient motor current signature analysis via modulus of the continuous complex wavelet: A pattern approach | |
| CN106845334A (zh) | 一种基于数学形态学的新型噪声提取方法 | |
| Yang et al. | Accurate separation of amplitude-modulation and phase-modulation signal and its application to gear fault diagnosis | |
| Li et al. | Development of a morphological convolution operator for bearing fault detection | |
| Wang et al. | Improved cyclostationary analysis method based on TKEO and its application on the faults diagnosis of induction motors | |
| Li et al. | Use of vibration signal to estimate instantaneous angular frequency under strong nonstationary regimes |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |