Review of research on signal decomposition and fault diagnosis of rolling bearing based on vibration signal

信号(编程语言) 方位(导航) 振动 断层(地质) 分解 声学 信号处理 计算机科学 工程类 结构工程 电子工程 物理 人工智能 地震学 地质学 化学 数字信号处理 有机化学 程序设计语言
作者
Junning Li,Luo Wen-guang,Mengsha Bai
出处
期刊:Measurement Science and Technology [IOP Publishing]
卷期号:35 (9): 092001-092001 被引量:1
标识
DOI:10.1088/1361-6501/ad4eff
摘要

Abstract Rolling bearings are critical components that are prone to faults in the operation of rotating equipment. Therefore, it is of utmost importance to accurately diagnose the state of rolling bearings. This review comprehensively discusses classical algorithms for fault diagnosis of rolling bearings based on vibration signal, focusing on three key aspects: data preprocessing, fault feature extraction, and fault feature identification. The main principles, key features, application difficulties, and suitable occasions for various algorithms are thoroughly examined. Additionally, different fault diagnosis methods are reviewed and compared using the Case Western Reserve University bearing dataset. Based on the current research status in bearing fault diagnosis, future development directions are also anticipated. It is expected that this review will serve as a valuable reference for researchers aiming to enhance their understanding and improve the technology of rolling bearing fault diagnosis.
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
1秒前
文艺从彤完成签到,获得积分10
2秒前
4秒前
jyx发布了新的文献求助10
5秒前
上官若男应助起点采纳,获得10
6秒前
dengziddd发布了新的文献求助30
7秒前
7秒前
杏小叶完成签到,获得积分20
7秒前
MYFuture发布了新的文献求助10
8秒前
集典发布了新的文献求助30
9秒前
李健的小迷弟应助jyx采纳,获得10
10秒前
12秒前
洲洲发布了新的文献求助10
13秒前
14秒前
鲑鱼完成签到 ,获得积分10
14秒前
Lobectomy发布了新的文献求助10
15秒前
ys发布了新的文献求助10
15秒前
16秒前
yys完成签到,获得积分10
17秒前
李健应助杏小叶采纳,获得10
18秒前
19秒前
sukasuka发布了新的文献求助30
19秒前
Feeee完成签到,获得积分10
19秒前
20秒前
FashionBoy应助yff采纳,获得10
20秒前
20秒前
21秒前
21秒前
23秒前
24秒前
烟花应助天真的白柏采纳,获得20
24秒前
24秒前
猫宁发布了新的文献求助10
25秒前
黑土完成签到,获得积分10
26秒前
26秒前
sukasuka完成签到,获得积分10
27秒前
27秒前
我是老大应助LYZSh采纳,获得10
27秒前
李李发布了新的文献求助10
27秒前
起点发布了新的文献求助10
28秒前
高分求助中
Evolution 10000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Distribution Dependent Stochastic Differential Equations 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 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 3158115
求助须知:如何正确求助?哪些是违规求助? 2809457
关于积分的说明 7882079
捐赠科研通 2467936
什么是DOI,文献DOI怎么找? 1313819
科研通“疑难数据库(出版商)”最低求助积分说明 630538
版权声明 601943