.png){kind=icon}
返回
An eigen decomposition and denoising algorithm based on information entropy
.png){kind=icon}
PRE
AI
DOI：10.1177/09544100251381413.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
摩擦碰撞是像航空发动机这样的大型机器的一种典型次生故障。由于摩擦故障的特征信息较弱且复杂，并且容易受到环境噪声的干扰，因此通常难以精确识别。为降低噪声并进一步突出信号中包含的弱故障信息，精确识别摩擦碰撞故障，本研究提出了一种基于汉克尔矩阵（Hankel matrix）特征分解（ED）和信息熵（IE）的降噪方法。首先，以步长为1从信号构建汉克尔矩阵，然后对汉克尔矩阵进行分解。同时，可以得到对应的特征值和特征向量，并由特征值描述矩阵中的隐藏特征信息。其次，考虑到信号的信息熵越大，系统越混沌，提取隐藏故障特征信息的难度越大，因此采用最小信息熵作为标准，选择特征值和特征向量进行信号重构。最后，根据重构信号的频谱提取摩擦碰撞故障特征。为验证所提方法的有效性和可行性，根据所提方法对不同摩擦碰撞位置、程度和转速下采集的单点摩擦碰撞故障数据进行了验证和分析。将所提方法与经典的奇异值差谱降噪和特征模态分解进行了比较。结果表明，所提方法能更有效地抑制噪声成分的干扰，达到理想效果，并突出摩擦碰撞故障的特征信息。
Keyword:
rub-impact
eigen decomposition
information entropy
feature extraction
noise reduction
期刊
机构
引用论文
Compound faults diagnosis based on customized balanced multiwavelets and adaptive maximum correlated kurtosis deconvolution.png)
MEASUREMENT
MEASUREMENTIF5.6
PREAI
分享收藏Study on the frequency modulation phenomenon in the rotor system with blade-casing rub-impact fault
PREAI
分享收藏
查看更多内容