Abstract: Y. Qian, R. Yan, S. Hu (2014)

This paper presents an integrated approach, which combines recurrence quantification analysis (RQA) with the Kalman filter, for bearing degradation evaluation. The RQA, a nonlinear signal processing method, is applied to extracting recurrence plot entropy features from vibration signals as input to build an autoregression (AR) model. This AR model is used to estimate parameters of the dynamic model of the bearing, and the Kalman filter is then utilized to obtain optimal prediction results on the bearing degradation state from its dynamic model. Case studies performed on two test-to-failure experiments indicate that the presented approach can predict occurrence of the bearing failure 50 min in advance.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Bearing Degradation Evaluation Using Recurrence Quantification Analysis and Kalman Filter