کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
4924349 | 1430836 | 2017 | 16 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Improved local mean decomposition for modulation information mining and its application to machinery fault diagnosis
ترجمه فارسی عنوان
بهبود تقسیم میانگین محلی برای استخراج اطلاعات مدولاسیون و کاربرد آن در تشخیص خطاهای ماشین آلات
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
معادن اطلاعات مدولاسیون، میانگین تجزیه محلی، تجزیه معیار متوقف کردن، مکانیسم خود سازگار، گیربکس سیاره ای،
موضوعات مرتبط
مهندسی و علوم پایه
سایر رشته های مهندسی
مهندسی عمران و سازه
چکیده انگلیسی
Local mean decomposition (LMD) has been developed for modulation information mining. Its performance is dependent on boundary condition, envelope estimation, and stopping criterion. This paper proposes a soft sifting stopping criterion that enables LMD to achieve a self-adaptive stop for each sifting process. In the proposed method, we define an objective function that considers two characteristics, namely, the root mean square and the excess kurtosis, of the target signal. To optimize this objective function, a heuristic mechanism is proposed to automatically determine the optimal number of sifting iterations. Experimental results on simulated signals demonstrate the effectiveness of the proposed soft sifting stopping criterion for improving the accuracy of LMD, and finally the proposed method is applied to modulation information mining for gear fault diagnosis.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Sound and Vibration - Volume 397, 9 June 2017, Pages 266-281
Journal: Journal of Sound and Vibration - Volume 397, 9 June 2017, Pages 266-281
نویسندگان
Zhiliang Liu, Ming J. Zuo, Yaqiang Jin, Deng Pan, Yong Qin,