基于瞬态冲击响应参数辨识的轴承故障特征检测

旋转机械的局部故障导致振动信号中出现冲击响应信号,可通过对冲击响应信号的检测与提取,进行局部故障诊断。在Laplace小波相关滤波法识别冲击响应信号的特征参数的基础上,针对周期性冲击响应信号的检测,提出了循环Laplace小波相关滤波法。通过不同信噪比下周期多冲击响应仿真信号中冲击响应成分特征参数辨识及周期检测,验证了方法的有效性。将循环Laplace小波相关滤波法应用于轴承外圈局部严重故障和轻微故障下冲击响应振动信号的辨识,成功识别故障特征的响应参数以及周期。     

基于小波基稀疏信号特征提取的轴承故障诊断

轴承弱故障振动信号中的瞬态成分极易被强背景噪声湮没而无法及时检测,结合稀疏表示原理提出一种基于小波基的稀疏信号特征提取方法,从而实现信号中瞬态特征成分的提取。通过构建原始信号瞬态成分稀疏表示模型,对原始信号采用相关滤波法获取最优小波原子,并构建最优冗余小波基底,实现小波基与信号故障特征的最优匹配;设计二次严格凸函数并运用MM(Majorization Minimization)算法求解模型中的目标函数,将信号中的瞬态冲击成分转化为稀疏表示系数,实现强背景噪声下弱特征的有效提取。仿真信号及轴承微弱故障试验验证了该方法能有效地检测和提取强背景噪声下的微弱瞬态成分。     

基于小波基稀疏信号特征提取的轴承故障诊断EI北大核心CSCD

轴承弱故障振动信号中的瞬态成分极易被强背景噪声湮没而无法及时检测,结合稀疏表示原理提出一种基于小波基的稀疏信号特征提取方法,从而实现信号中瞬态特征成分的提取。通过构建原始信号瞬态成分稀疏表示模型,对原始信号采用相关滤波法获取最优小波原子,并构建最优冗余小波基底,实现小波基与信号故障特征的最优匹配;设计二次严格凸函数并运用优化最小(Majorization Minimization,MM)算法求解模型中的目标函数,将信号中的瞬态冲击成分转化为稀疏表示系数,实现强背景噪声下弱特征的有效提取。仿真信号及轴承微弱故障试验验证了该方法能有效地检测和提取强背景噪声下的微弱瞬态成分。     

基于双调Q小波变换的瞬态成分提取及轴承故障诊断应用研究

因轴承的剥落、裂纹等局部故障易致运行时振动信号中出现瞬态成分,而轴承故障振动信号为非平稳信号,含高、低振荡成分,传统的线性信号处理方法及基于频率的分解方法均存在一定局限性。对此,研究基于信号振荡特征而非频率特征的双调Q小波变换,设定不同Q因子小波将轴承故障信号非线性分解成低、高振荡及噪声成分,轴承故障瞬态成分对应低振荡成分,提取低振荡成分即能实现轴承故障瞬态成分提取。通过轴承故障状态下瞬态成分检测表明,该方法能有效提取轴承故障瞬态成分。经与均值滤波、小波阈值及经验模态分解(EMD)等方法比较,验证该方法的优越性。     

周期特征的极坐标同步增强及其在轴承故障检测中的应用

提出一种信号周期瞬态特征的极坐标检测方法,该方法在小波变换的基础上,针对信号中有限种可能的周期瞬态情况,将信号的小波变换的时频特征表示为极坐标图上某一区域的显著增强的特征,实现了周期瞬态特征的检测与增强.针对轴承的3种典型故障,采用极坐标同步增强策略,将轴承故障特征以显著的形式表示在极坐标上,实现了轴承故障的检测.     

基于时域多普勒校正和EEMD的列车轴承道旁声音监测故障诊断方法研究

提出了一种列车轴承的道旁声音监测故障诊断方法,该方法首先在时域内对道旁监测麦克风采集到的轴承声音信号进行时域多普勒校正,有效地解决了由于多普勒效应而带来的轴承声音信号的频移、频带扩展以及幅值调制的问题。然后利用EEMD方法提取蕴含轴承故障特征信息的本征模态信号并计算其包络谱来判断轴承是否存在故障。将该方法用于火车轴承外圈、内圈局部故障状态下的特征提取,结果表明该方法能够有效去除轴承声音信号中的多普勒效应,并能够有效提取列车轴承的故障特征。     

基于信号共振稀疏分解与重分配小波尺度谱的转子碰摩故障诊断方法

提出了基于信号共振稀疏分解与重分配小波尺度谱的转子碰摩故障诊断方法。与常规的基于频带划分的信号分解方法不同,信号共振稀疏分解方法根据信号中各成分品质因子的不同,将信号分解成高共振分量和低共振分量。当转子出现碰摩故障时,振动信号往往由以转频及谐波为主要成分的周期信号、包含转子故障信息的瞬态冲击信号以及噪声组成。周期信号为窄带信号,具有高的品质因子,可分解为高共振分量;而瞬态冲击信号为宽带信号,具有低的品质因子,可分解为低共振分量。本文方法先利用信号共振稀疏分解方法从转子碰摩信号中提取冲击成分,再对提取的冲击成分进行重分配小波尺度谱分析,最后根据尺度图中冲击成分的周期诊断转子碰摩故障。算法仿真和应用实例验证了该方法诊断转子碰摩故障的有效性。     

基于EEMD和改进的形态滤波方法的轴承故障诊断研究

轴承故障会导致振动信号中出现冲击响应成分,可通过对冲击响应成分的周期的检测与提取, 进行局部故障诊断。但在复杂工况下,故障脉冲易被周围噪声淹没,在分析EEMD和形态学滤波方法的基础上,将EEMD方法与形态学滤波方法相结合,提出结构元素(SE)选择方法,并用于本征模态信号中冲击响应特征的提取。通过将该方法用于轴承外圈、内圈局部故障状态下的特征的检测,结果表明该方法能有效提取周期性脉冲成分并抑制噪声。     

基于信号共振稀疏分解的阶比分析及其在齿轮故障诊断中的应用

为从非平稳转速齿轮箱故障振动信号中有效提取包含故障信息的特征频率,提出一种基于信号共振稀疏分解的阶比分析方法。故障齿轮振动信号中主要包括瞬态冲击成分和周期谐波,该方法先采用信号共振稀疏分解方法将信号分解为高共振分量和低共振分量,提取出故障冲击信号,然后采用线调频小波路径追踪算法对原信号提取转频信息,利用转频对提取的故障冲击信号进行阶比分析,从而得到故障诊断结果。非平稳转速齿轮故障诊断实例表明,该方法可有效提取冲击信号,诊断转速波动齿轮的故障。     

基于连续小波和统计检验的瞬态成分检测与应用

将连续小波变换和统计检验结合用于检测信号中具有一定时频分布的瞬态成分，提出了一种基于连续小波变换和统计检验的瞬态成分检测方法，并用于圆锥滚子轴承振动中的瞬态成分的检测与提取，比较有效地检测出瞬态成分，并在此基础上应用连续小波变换反演得到瞬态成分的估计，表示轴承的状态特征，作为轴承故障诊断的依据。     

基于连续峭度优化的滚动轴承故障特征提取小波变换方法

为更有效提取滚动轴承早期故障中微弱冲击特征成分,提出基于连续峭度优化的小波变换故障特征提取方法。据连续峭度与小波能量相关程度,对原信号特征分量的小波系数及能量成分进行不同程度优化,强化故障信号中具有冲击特征的能量成分、削弱其它能量成分。通过优化的小波系数重构原信号特征分量,计算特征分量包络谱以提取冲击特征频率及相关倍频,实现对故障特征提取。通过仿真信号、实际轴承数据应用分析表明,该算法能强化冲击特征能量成分,能更有效提取早期故障中冲击特征。     

基于MOMEDA和极坐标时频特征级联增强的轴承早期特征提取

针对变速器轴承早期故障特征微弱、并发故障特征耦合的问题,提出一种基于MOMEDA和极坐标时频特征级联增强(CEMP)方法,对轴承早期单一和并发微弱故障特征进行提取。计算振动信号的Teager能量算子,对冲击成分能量进行一级增强;运用多点最优最小熵反褶积修正(MOMEDA)对信号故障特征周期的冲击信息进行二级增强;采用同步压缩小波时频分析(SWT),并将SWT系数循环映射到极坐标图上,在角域上三级增强故障特征周期的冲击成分。对正常、外圈故障、内圈故障、并发故障四种工况轴承实测信号进行CEMP分析,并进行有效性验证,结果表明:该方法能高识别率提取轴承早期单一故障和并发故障的微弱特征。     

形态学滤波方法改进及其在滚动轴承故障特征提取中的应用

滚动轴承是旋转机械设备的重要部件,对滚动轴承的故障诊断研究具有重要的意义。滚动轴承故障会导致振动信号中出现冲击响应成分,可通过对冲击响应成分的周期的检测与提取,进行局部故障诊断。在分析形态学滤波方法的基础上,提出机构结构元素(SE)选择方法,并用于振动信号中冲击响应特征的提取。通过对仿真信号的处理验证了该方法的有效性,并将该方法用于轴承外圈、内圈局部故障状态下的特征的检测,结果表明该方法能有效提取周期性脉冲成分并抑制噪声。     

基于IMF-SVD包络谱法的轮对轴承故障检测方法研究

针对经验模态分解(empirical model decomposition,EMD)所得的本质特征函数(intrinsic model function,IMF)之间存在相互耦合、难以清晰提取高速列车轮对轴承的故障特征问题,提出一种轮对轴承故障检测的新方法。该方法的核心是应用EMD自适应地分解轴承振动信号,得到多尺度的IMF,应用单尺度的IMF信号构造Hankel矩阵,对该矩阵进行奇异值分解(singular value decomposition,SVD),应用奇异值的差分谱来选择其关键奇异值,对关键奇异值进行奇异值重构,通过重构信号的包络谱分析来检测轮对轴承的故障。利用高速列车轮对轴承故障数据对该检测方法和模型进行验证,结果表明:该方法能够清晰地提取表征轴承故障特性的基频、倍频成分,突显故障频率特征,具有一定工程应用前景。     

基于听觉模型和极值点概率密度的断齿故障特征提取方法研究

齿轮断齿故障的重要特征是啮合过程中在断齿处产生碰撞与冲击。考虑到人耳听觉系统对于突发的瞬态声信号具有本能的反应,为提取断齿故障诱发的瞬态冲击响应成分,提出一种基于听觉模型和信号极值点概率密度的特征提取方法。该方法首先对信号进行GT带通滤波、相位调整及极值点提取,然后计算各极值点的幅值概率密度,通过对其求导判断各滤波通道中是否存在瞬态冲击成分,继而提取与之相关的极值点。同时,由于系统振动时会产生与断齿冲击无关的极值点,为准确提取断齿冲击,根据瞬态信号频带连续性和多频段分布特点,设计了相应的提取方法。经实测信号验证表明,所提方法能准确刻画及提取断齿故障特征,可以在含有多种类型的瞬态冲击响应成分中提取出只由断齿故障所诱发的冲击成分,且提取结果精确度较高。     

基于Teager能量算子的滚动轴承故障诊断研究

周期性冲击是判断滚动轴承局部损伤故障的关键特征,如何提取周期性冲击及其重复频率是轴承故障诊断中的关键问题。Teager能量算子能够估计产生信号所需的总机械能,对信号的瞬态变化具有良好的时间分辨率和自适应能力,在检测信号冲击特征方面具有独特优势。为了提取滚动轴承故障的特征频率,针对滚动轴承故障振动信号中的瞬态冲击特点,提出了基于Teager能量算子的频谱分析方法,利用Teager能量算子提取轴承故障引起的周期性冲击,通过瞬时Teager能量的Fourier频谱识别轴承的故障特征频率。分析了滚动轴承故障仿真信号和实验测试信号,并和包络谱方法进行了对比分析,准确诊断了滚动轴承元件故障,验证了该方法的有效性     

小波包分析在齿轮故障诊断中的应用

基于小波包对信号的高分辨率分解和重构能力,把信号分解到不同频段,然后选择有效频段进行故障信号重构,分离出故障信息。通过对含有周期冲击的信号进行分解处理,展示了小波包分析在特征提取中的优点。通过对减速箱齿轮故障信号进行降噪、分解处理,表明该方法可以有效地提取故障信号中的周期冲击成分。     

Teager算子和极坐标级联增强时频特征算法及轴承微弱故障特征提取

提出了一种Teager算子和极坐标级联增强时频特征方法(Cascading enhancement of time-frequency feature based on Teager energy operator and polar diagram,CETFTP),应用于提取轴承早期单一和并发故障微弱特征。首先计算信号的Teager能量算子输出,一级增强冲击信号能量,按有限种可能周期将时间尺度平面上的时频系数累加,映射到极坐标平面,二级增强周期冲击时频特征。对仿真信号和4种工况轴承实测信号进行CETFTP分析,结果表明:CETFTP方法能级联增强周期冲击特征,有效抑制非同周期的其他分量和噪声干扰,更能提取强噪声下的轴承微弱故障特征;CETFTP不仅能有效提取单一故障微弱特征,而且能消除并发故障调制源之间的干扰,逐个提取信号中的多个调制源特征,为轴承并发故障特征提取提供了一条新途径。     

基于ROSST的列车轴承轨边声学信号校正与诊断研究

由列车道旁麦克风采集的列车轴承故障声学信号存在多普勒畸变现象,需要在信号处理过程中进行校正和相关诊断。利用重分配算子同步压缩变换(Reassignment Operator and Synchro Squeezing Transform,ROSST)获取高分辨率时频分布,通过脊线提取、莫尔斯声学理论和非线性拟合得到信号的多普勒畸变参数,再对原信号重采样,消除多普勒畸变。将其应用于仿真信号和列车轴承多普勒畸变故障实验信号的校正与诊断,验证了该方法的有效性。     

一种基于提升小波变换的故障特征提取方法及其应用

为了实现旋转机械的早期故障诊断和预示，提出一种采用滑动窗提取瞬态冲击故障特征的方法。该方法以提升小波变换为基础，采用提升模式构造具有冲击特征的小波，用来获取振动信号中的冲击故障特征。然后，采用一种基于回转周期的滑动窗处理小波分解的细节信号，提取每个滑动窗的模最大值作为故障的时域特征。该方法在转子早期碰摩故障和齿轮箱滑动轴承的轴瓦损坏故障的应用中取得了较满意的效果。