已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Adaptive fault feature extraction from wayside acoustic signals from train bearings

奇异值分解 方位(导航) 断层(地质) 声学 定子 工程类 计算机科学 信号(编程语言) 算法 控制理论(社会学) 语音识别 物理 人工智能 电气工程 地质学 地震学 程序设计语言 控制(管理)
作者
Dingcheng Zhang,Mani Entezami,Edward Stewart,Clive Roberts,Dejie Yu
出处
期刊:Journal of Sound and Vibration [Elsevier]
卷期号:425: 221-238 被引量:59
标识
DOI:10.1016/j.jsv.2018.04.004
摘要

Wayside acoustic detection of train bearing faults plays a significant role in maintaining safety in the railway transport system. However, the bearing fault information is normally masked by strong background noises and harmonic interferences generated by other components (e.g. axles and gears). In order to extract the bearing fault feature information effectively, a novel method called improved singular value decomposition (ISVD) with resonance-based signal sparse decomposition (RSSD), namely the ISVD-RSSD method, is proposed in this paper. A Savitzky-Golay (S-G) smoothing filter is used to filter singular vectors (SVs) in the ISVD method as an extension of the singular value decomposition (SVD) theorem. Hilbert spectrum entropy and a stepwise optimisation strategy are used to optimize the S-G filter's parameters. The RSSD method is able to nonlinearly decompose the wayside acoustic signal of a faulty train bearing into high and low resonance components, the latter of which contains bearing fault information. However, the high level of noise usually results in poor decomposition results from the RSSD method. Hence, the collected wayside acoustic signal must first be de-noised using the ISVD component of the ISVD-RSSD method. Next, the de-noised signal is decomposed by using the RSSD method. The obtained low resonance component is then demodulated with a Hilbert transform such that the bearing fault can be detected by observing Hilbert envelope spectra. The effectiveness of the ISVD-RSSD method is verified through both laboratory field-based experiments as described in the paper. The results indicate that the proposed method is superior to conventional spectrum analysis and ensemble empirical mode decomposition methods.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
粥粥卷完成签到,获得积分10
2秒前
acfun完成签到,获得积分20
5秒前
Jasper应助马爱林采纳,获得10
6秒前
向阳葵完成签到 ,获得积分10
6秒前
liangjiangbo完成签到,获得积分10
6秒前
加油完成签到,获得积分10
8秒前
行者发布了新的文献求助20
10秒前
ldysaber完成签到,获得积分10
10秒前
占囧发布了新的文献求助10
12秒前
Meyako完成签到 ,获得积分10
14秒前
天天快乐应助CMCM采纳,获得10
14秒前
fengyuke发布了新的文献求助10
15秒前
春山完成签到 ,获得积分10
20秒前
莫即完成签到 ,获得积分10
23秒前
火山完成签到,获得积分10
23秒前
火星上云朵完成签到 ,获得积分10
23秒前
24秒前
30秒前
marska完成签到,获得积分10
30秒前
dzll完成签到,获得积分10
32秒前
叶95完成签到 ,获得积分10
33秒前
Hello应助javeeen采纳,获得10
33秒前
哆啦A梦完成签到 ,获得积分10
36秒前
所所应助占囧采纳,获得10
36秒前
味子橘完成签到 ,获得积分10
37秒前
萧萧完成签到,获得积分10
37秒前
39秒前
tuanheqi应助科研通管家采纳,获得50
43秒前
传奇3应助科研通管家采纳,获得10
43秒前
哈哈悦完成签到,获得积分10
43秒前
英姑应助Billy采纳,获得10
43秒前
43秒前
SciGPT应助行者采纳,获得10
45秒前
他也蓝完成签到,获得积分10
47秒前
无语的稀发布了新的文献求助10
47秒前
49秒前
49秒前
小白菜完成签到,获得积分10
52秒前
53秒前
占囧完成签到,获得积分10
53秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 890
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3256743
求助须知:如何正确求助?哪些是违规求助? 2898909
关于积分的说明 8302988
捐赠科研通 2568075
什么是DOI,文献DOI怎么找? 1394872
科研通“疑难数据库(出版商)”最低求助积分说明 652924
邀请新用户注册赠送积分活动 630631