期刊文献+

IMF奇异值熵的刀具磨损状态诊断 被引量:4

Tool wear state diagnosis with IMF singular value entropy
下载PDF
导出
摘要 针对刀具磨损声发射信号的非平稳、非线性特征,提出了一种基于EMD分解与IMF奇异值熵的刀具磨损状态诊断方法。该方法首先将刀具锋利信号、磨损信号进行EMD分解,分别得到若干个内禀模态函数(IMF),然后利用IMF分量作为故障的初始特征向量矩阵,并对初始特征向量矩阵进行奇异值分解,求取奇异值熵,根据奇异值熵的大小判断刀具磨损状态。实验结果表明该方法能准确地识别刀具磨损状态。
作者 李庆 宋万清
出处 《制造业自动化》 北大核心 2013年第24期52-55,共4页 Manufacturing Automation
基金 上海市教委科研资助项目(13XKCZ07 YLJX12-7) 国家自然科学基金(71203064 71103077) 上海市自然科学基金(12ZR1443000)
  • 相关文献

参考文献14

  • 1Dimla Snr,Dimla E. Sensor signals for tool wear monitoring in metal cutting operations.A review of methods[J].Int J Mach Tool Manufature,2000,(06):1073-1098.
  • 2Seryasat O R,Shoorehdeli M A,Ghane M. Intelligent Fault Detection of Ball bearing Using FFT,STFT Energy Entropy and RMS[J].Life science journal-acta zhenzhou university overseas edition,2012,(03):1781-1786.
  • 3Fang Ning,Pai P Srinivasa,Edwards N. Tool-Edge Wear and Wavelet Packet Transform Analysis in High-Speed Machining of Inconel 718[J].{H}STROJNISKI VESTNIK-JOURNAL OF MECHANICAL ENGINEERING,2012,(03):191-202.
  • 4Kahirdeh Ali,Khonsari M M. Condition Monitoring of Molybdenum Disulphide Coated Thrust Ball Bearings Using Time-Frequency Signal Analysis[J].{H}JOURNAL OF TRIBOLOGY-TRANSACTIONS OF THE ASME,2012,(04):742-787.
  • 5Daubechies I. The wavelet transform,time frequency localization and signal analysis[J].{H}IEEE Transactions on Information Theory,1990,(05):961-1006.
  • 6钟佑明,秦树人,汤宝平.一种振动信号新变换法的研究[J].振动工程学报,2002,15(2):233-238. 被引量:128
  • 7杨文献,姜节胜.机械信号奇异熵研究[J].机械工程学报,2000,36(12):9-13. 被引量:45
  • 8于德介,陈淼峰,程军圣,杨宇.基于EMD的奇异值熵在转子系统故障诊断中的应用[J].振动与冲击,2006,25(2):24-26. 被引量:33
  • 9王林鸿,吴波,杜润生,杨叔子.用奇异谱和奇异熵研究数控工作台动态特征[J].振动.测试与诊断,2012,32(1):116-119. 被引量:7
  • 10Huang N E,Shen Z,Long S R. The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[J].Proc R Soc Lond A,1998.903-995.

二级参考文献27

共引文献337

同被引文献39

引证文献4

二级引证文献22

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部