کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5006335 1461473 2018 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Uncertainty-based combination of signal processing techniques for the identification of rotor imbalance
ترجمه فارسی عنوان
ترکیبی مبتنی بر عدم قطعیت از تکنیک های پردازش سیگنال برای شناسایی عدم تعادل روتور
کلمات کلیدی
عدم قطعیت اندازه گیری، دستگاه های متعادل کننده، همجوشی داده ها، لرزش،
ترجمه چکیده
این مقاله یک روش برای ترکیبی مبتنی بر عدم قطعیت روش های پردازش سیگنال برای شناسایی عدم تعادل روتور را توصیف می کند. ایده اصلی روش پیشنهادی، محاسبه عدم تعادل با الگوریتم های مختلف و بهینه سازی نتایج الگوریتم های مختلف است. روش براساس ترکیب داده در سطح ویژگی است و از عدم قطعیت اندازه گیری عدم تعادل به عنوان یک شایستگی برای محاسبه وزن استفاده می کند. اجرای استاتیک، پویا و ترکیبی ارائه شده است. در یک استاتیک، وزن ها در فاز آموزش اختصاصی محاسبه می شوند که در آن چهار الگوریتم (تبدیل فوریه و تقارن نیمه هارمونیکی سیگنال که با تبدیل هیلبرت-هوانگ تبدیل شده است، تجزیه ویبره هیلبرت و تجزیه واکشی پکت) برای ارزیابی عدم تعادل شناخته شده چرخ خودرو. در یک پویا وزن با برآورد تفاوت بین هر پیش بینی کننده و سیگنال واقعی، در زمان اجرا محاسبه می شود. رویکرد ترکیبی ترکیبی از دو الگوریتم است. نتایج شبیه سازی ها و آزمایش ها، اعتبار همجوشی داده ها را با کاهش نااطمینانی بین 10 تا 40 درصد نشان می دهد، و مزایای بیشتری در حضور اختلالات غیر ثابت وجود دارد.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی کنترل و سیستم های مهندسی
پیش نمایش مقاله
ترکیبی مبتنی بر عدم قطعیت از تکنیک های پردازش سیگنال برای شناسایی عدم تعادل روتور
چکیده انگلیسی
This paper describes a method for the uncertainty-based combination of signal processing techniques for the identification of rotor imbalance. The main idea of the proposed method is to compute the imbalance with different algorithms and to average the different algorithms' results. The method is based on the data fusion at feature level and uses the measurement uncertainty of the imbalance as a figure of merit for the weight computation. A static, a dynamic, and a hybrid implementation are presented. In the static one, the weights are computed in a dedicated training phase, in which four algorithms (Fourier transform and quasi-harmonic fitting of signal denoised with Hilbert-Huang Transform, Hilbert Vibration decomposition, and Wavelet Packet decomposition) have been used to estimate the known imbalance of car wheels. In the dynamic one, the weights are computed at runtime by estimating the difference between each predictor and the actual signal. The hybrid approach is the combination of the two algorithms. Results of simulations and experiments evidenced the validity of the data fusion, with uncertainty reductions between 10 and 40%, with larger benefits in presence of non-stationary disturbances.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Measurement - Volume 114, January 2018, Pages 409-416
نویسندگان
, ,