Dual-Guidance-Based Optimal Resonant Frequency Band Selection and Multiple Ridge Path Identification for Bearing Fault Diagnosis Under Time-Varying Speeds
Notice bibliographique
Résumé
To perform bearing fault diagnosis under variable speeds, the optimal resonant frequency (ORF) band selection and diagnosis strategy are pivotal. Indexes, such as kurtosis, crest factor (CF) and smoothness index (SI), are extensively used for guiding ORF selection. Due to that each index has unique advantages, the hybrid of such indexes has been developed. However, applications of the current index hybrid method are impeded by problems of: 1) ineffectiveness for signal corrupted by impulsive noises and 2) equal segmentation of frequency band with human intervention. This paper, therefore, firstly proposes a dual-guidance based scheme with an embedded tunable Q-factor wavelet transform (TQWT) to address the problems. The so-called dual-guidance scheme contains two guidance procedures: 1) the SI guided pre-process for obtaining weight vectors and 2) the index hybrid output guided scheme for ORF selection. The embedded TQWT is used for frequency band segmentation and sub-band signal acquisition without subjective interventions. With the proposed scheme, the ORF band can be determined for bearing fault feature extraction. Then, an algorithm for multiple instantaneous frequency (IF) ridge identification is exploited based on the peak search algorithm for diagnosis. To tackle the difficulty that, at each time instance, the amplitudes of IF ridges of interest do not always dominate the time frequency representation (TFR), a starting point search tactic with a synchronization step is explored. A diagnosis vector can subsequently be obtained by calculating the average ratios of the identified ridges and bearing fault diagnosis can then be done by matching the elements of the diagnosis vector with fault characteristic coefficient (FCC). Comparisons are performed to illustrate the superiority of the proposed method. The experimental analyses are also conducted to validate the proposed method for bearing fault diagnosis under variable speeds.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».