A fractal-dimension-based envelope demodulation for rolling element bearing fault feature extraction from vibration signals
Notice bibliographique
Résumé
Vibration analysis has been extensively used as an effective tool for bearing condition monitoring. The vibration signal collected from a defective bearing is, however, a mixture of several signal components including the fault feature (i.e. fault-induced impulses), periodic interferences from other mechanical/electrical components, and background noise. The incipient impulses which excite as well as modulate the resonance frequency of the system are easily masked by compounded effects of periodic interferences and noise, making it challenging to do a reliable fault diagnosis. As such, this paper proposes an envelope demodulation method termed short time fractal dimension (STFD) transform for fault feature extraction from such vibration signal mixture. STFD transform calculation related issues are first addressed. Then, by STFD, the original signal can be quickly transformed into a STFD representation, where the envelope of fault-induced impulses becomes more pronounced whereas interferences are partly weakened due to their morphological appearance differences. It has been found that the lower the interference frequency, the less effect the interference has on STFD representations. When interference frequency keeps increasing, more effects on STFD representations will be resulted. Such effects can be reduced by the proposed kurtosis-based peak search algorithm (KPSA). Therefore, bearing fault signature is kept and interferences are further weakened in the STFD-KPSA representation. The proposed method has been favourably compared with two widely used enveloping methods, i.e. multi-morphological analysis and energy operator, in terms of extracting impulse envelopes from vibration signals obscured by multiple interferences. Its performance has also been examined using both simulated and experimental data.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».