view in publisher's site

A novel blind deconvolution method and its application to fault identification

Highlights•This paper proposes a new criterion called impulse-norm for deconvolution problem.•This paper proposes a novel deconvolution algorithm based on impulse-norm.•The proposed PSO-MIND can effectively identify the weak fault of bearings.AbstractBlind deconvolution is a method for enhancing the fault feature of rolling element bearings. Based on different maximization criteria, including kurtosis, correlated kurtosis, D-norm, multi-D-norm, and cyclostationarity indicator, different blind deconvolution algorithms have been proposed as powerful tools for fault feature extraction. However, kurtosis and D-norm are susceptible to extreme values, while the other three criteria strongly rely on prior knowledge of the fault period. To overcome the shortcomings of the existing criteria, this study proposes a new criterion called impulse-norm. It is a time-domain parameter defined as the ratio of the average amplitude of the first several maximum energy points to the energy of the entire signal. As opposed to kurtosis and D-norm, the impulse-norm is not affected by strong random impulses. Unlike correlation kurtosis, multi-D-norm and cyclostationarity indicator, it is also independent from the fault period. Based on impulse-norm, we also propose a new deconvolution algorithm called particle swarm optimization-based maximum impulse-norm deconvolution. This blind deconvolution algorithm employs generalized sphere coordinate transformation and adopts the PSO algorithm to optimally solve the filter coefficients by maximizing the impulse-norm of the signal being filtered. The proposed method was validated using simulated signals and high-speed train axle-box bearing experimental signals. The simulation and experimental results indicated that the proposed PSO-MIND method can effectively identify the weak impulse fault feature of rolling element bearings.

یک روش دیکانولوشن کور جدید و کاربرد آن در شناسایی خطا

نکات برجسته این مقاله یک معیار جدید به نام هنجار ضربه را برای مساله واهمامیخت پیشنهاد می‌کند. این مقاله یک الگوریتم واهمامیخت جدید را براساس نرم ضربه ارائه می‌دهد. * PSO - MIND پیشنهادی می‌تواند به طور موثری خطای ضعیف یاتاقان را شناسایی کند. براساس معیارهای بیشینه‌سازی مختلف، از جمله کشیدگی، کشیدگی هم‌بسته، نرم D، نرم چند بعدی، و شاخص سیکلوایستایی، الگوریتم های دیکانولوشن کور مختلف به عنوان ابزاری قدرتمند برای استخراج ویژگی خطا ارائه شده‌اند. با این حال، کشیدگی و نرم D به مقادیر حدی حساس هستند، در حالی که سه معیار دیگر به شدت بر دانش پیشین دوره خطا تکیه می‌کنند. برای غلبه بر کاستی‌های معیارهای موجود، این مطالعه یک معیار جدید به نام نرم ضربه‌ای را پیشنهاد می‌کند. این پارامتر در حوزه زمان به صورت نسبت دامنه میانگین چند نقطه بیشینه انرژی اول به انرژی کل سیگنال تعریف می‌شود. برخلاف کشیدگی و نرم D، نرم ضربه‌ای تحت‌تاثیر انگیزه‌های تصادفی قوی قرار نمی‌گیرد. برخلاف کشیدگی همبستگی، نرم چند بعدی و شاخص سیکلوایستایی، همچنین از دوره خطا مستقل است. براساس نرم ضربه، ما همچنین یک الگوریتم دیکانولوشن جدید به نام دیکانولوشن نرم ضربه بیشینه مبتنی بر بهینه‌سازی ازدحام ذرات ارائه می‌دهیم. این الگوریتم دیکانولوشن کور از تبدیل مختصات کره تعمیم‌یافته استفاده می‌کند و از الگوریتم PSO برای حل بهینه ضرایب فیلتر با به حداکثر رساندن نرم ضربه‌ای سیگنال فیلتر شده استفاده می‌کند. روش پیشنهادی با استفاده از سیگنال‌های شبیه‌سازی شده و سیگنال‌های تجربی دارای محور محور قطار با سرعت بالا تایید شد. نتایج شبیه‌سازی و تجربی نشان می‌دهند که روش PSO - MIND پیشنهادی می‌تواند به طور موثری ویژگی خطای ضربه‌ای ضعیف یاتاقان‌های آلمان غلتان را شناسایی کند.
ترجمه شده با


پر ارجاع‌ترین مقالات مرتبط:

  • مقاله Condensed Matter Physics
  • ترجمه مقاله Condensed Matter Physics
  • مقاله فیزیک ماده چگال
  • ترجمه مقاله فیزیک ماده چگال
  • مقاله Mechanics of Materials
  • ترجمه مقاله Mechanics of Materials
  • مقاله مکانیک مواد
  • ترجمه مقاله مکانیک مواد
  • مقاله Acoustics and Ultrasonics
  • ترجمه مقاله Acoustics and Ultrasonics
  • مقاله آکوستیک و فراصوت
  • ترجمه مقاله آکوستیک و فراصوت
  • مقاله Mechanical Engineering
  • ترجمه مقاله Mechanical Engineering
  • مقاله مهندسی مکانیک
  • ترجمه مقاله مهندسی مکانیک
سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.