基于调度的Chirplet提取转换器及其在轴承故障诊断中的应用
Junzhu Zhang1,2, Yating Hou1,2, Liming Wang1,2
1State Key Laboratory of Dynamic Testing Technology, North University of China, Taiyuan, China.
PloS one
|April 17, 2025
概括
一种新的时间频率分析 (TFA) 方法,即基于缩放的奇普莱特提取变换 (SBCET),准确地描绘了信号能量分布. 这种技术增强了对频率接近的噪音,非静止信号的时间频率表示 (TFR).
科学领域:
- 信号处理 信号处理
- 应用数学 应用数学 应用数学
背景情况:
- 时间频率分析 (TFA) 对于理解非静止信号至关重要.
- 现有的方法难以处理频率间隔很近和噪声水平很高的信号.
研究的目的:
- 引入一种新的TFA方法,即基于缩放的Chirplet提取变换 (SBCET).
- 提高时间频率表示 (TFRs) 的精度和分辨率.
主要方法:
- 开发了基于缩放的奇普莱特提取转换 (SBCET).
- 引入了一个"提取操作员"来隔离TF能量.
- 在初始TFR生成中使用了基于缩放的Chirplet转换 (SBCT).
主要成果:
- 在描绘TF能量分布方面,SBCET实现了高精度.
- 该方法产生了具有集中能量和高分辨率的TFR.
- 对于频率接近和强烈噪声的非静止信号,已证明有效.
结论:
- 与现有方法相比,SBCET在TFA中提供了更高的性能.
- 该技术通过数值模拟和实验数据进行验证.
- SBCET为分析复杂信号特征提供了一个强大的工具.
更多相关视频
09:00Visualization of Failure and the Associated Grain-Scale Mechanical Behavior of Granular Soils under Shear using Synchrotron X-Ray Micro-Tomography
Published on: September 29, 2019
13.2K
07:50Measuring Local Tissue Strains in Tendons via Open-Source Digital Image Correlation
Published on: January 27, 2023
2.0K
