简介:为解决受背景噪声和信号传递路径等因素影响,轴承早期故障特征微弱,难以有效诊断出轴承故障的问题,提出了一种最大相关峭度解卷积(MaximumCorrelatedKurtosisDeconvolution,MCKD)结合冗余第二代小波包变换(RedundantSecondGenerationWaveletPackageTransform,RSGWPT)诊断轴承早期故障的方法。结果表明:该方法基于MCKD增强原始信号中存在的周期性冲击成分,以最大相关峭度为指标筛选RSGWPT小波包节点,能够凸显故障特征敏感频带,提取故障特征;通过分析车用变速器轴承内、外圈的早期故障数据发现,该方法能够清晰地诊断出轴承早期故障信息,验证了其有效性。
简介:针对齿轮故障时振动信号复杂、特征提取困难的问题,提出采用局部特征尺度分解(LocalCharacteristicscaleDecomposition,LCD)与双谱分析相结合的故障特征提取方法。首先,利用LCD分解法对振动信号进行分解,并结合贝叶斯信息准则(BayesianInformationCriterion,BIC)和峭度时间序列互相关系数2个指标对内禀尺度分量(IntrinsicScaleComponent,ISC)进行筛选;其次,利用双谱分析法对所选取的ISC分量进行融合,提取双谱熵作为特征量;最后,运用该方法实现齿轮振动信号故障特征的提取,并通过齿轮预置故障试验验证了该方法的有效性。
简介:针对移动机器人在室内环境下难以获取GPS定位信息,仅靠自身惯导不能得到精确位姿的问题,提出了一种基于RGB-D传感器获取三维环境点云,对连续点云提取特征并进行配准的移动机器人6自由度位姿估计方法.首先通过RGB-D传感器获取环境深度图像,根据特征提取算法提取点云特征;然后以特征点为配准点,运用随机一致性采样(RANdomSAmpleConsensus,RANSAC)算法对点云进行初配准,剔除部分错误匹配点,获得初始变换矩阵;最后采用改进的迭代最近点(IterativeClosetPoint,ICP)算法进行精配准,获得点云间的最终变换矩阵,实现位姿估计.实验结果表明:该方法有效地提高了大规模点云配准效率,得到了较精确的位姿估计信息.