基于自适应时频滤波的变转速齿轮故障特征提取

针对变转速下齿轮的故障信号分离与故障特征提取,提出了基于线调频小波路径追踪(Chirplet Path Pursuit,CPP)与S变换的自适应时频滤波方法。该方法先采用CPP算法从原始齿轮振动信号中估计出齿轮啮合频率,同时,对原始振动信号进行S变换获取其时频分布;然后根据齿轮啮合频率设计自适应时频滤波器;再采用时频滤波器对信号的时频分析进行时频滤波,并将时频滤波结果进行S逆变换,即可得到包含齿轮故障信息的滤波信号;最后对滤波信号进行阶次分析,并根据阶次谱中的调制边频带诊断齿轮故障。对变转速下齿轮的局部故障进行了算法仿真和应用实例分析,结果表明,自适应时频滤波器可根据信号的频率变化特点自适应地改变中心频率和带宽,具有较好的信号分析自适应性,且滤取的信号无相位畸变,非常适合于变转速下的非平稳信号分析。     

时变工况的风电机组齿轮箱无转速计阶次跟踪方法研究

针对时变工况风电机组齿轮箱振动信号受噪声干扰和频率模糊问题,通过研究无转速下风电机组齿轮箱振动信号与转频波动规律间的联系,提出了基于VMD-SET时变工况的风电机组齿轮箱无转速计阶次跟踪方法。该方法利用变分模态分解（VMD）滤波,利用同步提取变换（SET）对齿轮箱振动信号时频分析,分别从轴承故障时域振动信号中初步提取故障特征频率趋势,从正常齿轮啮合调制时域振动信号中提取啮合频率时频脊线,进一步利用精细化时频脊线交叉解耦优化瞬时频率提取效果,再用提取的转速曲线对轴承故障振动信号进行阶次跟踪,从角域阶次谱中得到故障特征阶次的单根谱线。通过仿真及实验验证了所提方法的优越性和有效性。     

基于时频挤压和阶比分析的变转速轴承故障检测方法

阶比分析是实现变转速工况下旋转机械设备故障特征提取的主要方法之一,其核心在于转速信息的准确获取,传统阶比分析方法主要通过转速计等设备测得转速,成本高且抗噪性差,而基于时频分析的转速估计方法操作简单,鲁棒性和准确性也较好。提出了一种基于时频挤压的转频估计方法,该方法不依赖多余设备,通过时频挤压和重采样阶比分析,实现转频估计和特征提取,从而诊断轴承故障。将基于传统时频方法与所提方法得到的分析结果以及计算阶比分析结果三者进行比较,以验证所提方法的可行性与有效性,仿真和实验信号分析结果均表明,所提方法的时频聚集性和鲁棒性较传统方法更好,且在无转速计的情况下,分析结果精度也更高。     

基于振动信号分离的行星轴承故障特征提取

由于行星轴承振动信号传递路径的时变性,且行星齿轮箱中齿轮啮合振动信号较强,导致行星轴承故障特征提取较为困难。为此,提出了一种基于振动信号分离的行星轴承故障特征提取方法。该方法首先采用阶比分析技术将原始振动信号进行等角度采样;每当行星架旋转一周,采用Tukey窗进行加窗截取,按照啮合齿序重新拼接,构造振动分离信号。再采用离散随机分离从振动分离信号中提取行星轴承故障分量;最后进行包络谱分析提取故障特征。行星轴承内圈故障实测信号分析表明,该方法能有效提取行星轴承故障特征。     

基于ATF与EEMD变转速齿轮故障特征降噪方法

针对变转速下的齿轮故障特征的降噪问题,提出了一种基于自适应时变滤波(Adaptive Time-varying Filtering, ATF)与集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)的齿轮故障特征降噪方法。该方法首先用线调频小波路径追踪(Chirplet Path Pursuit,CPP)算法从变转速下的齿轮故障振动信号中估计出齿轮啮合频率,并依据该啮合频率设计时变滤波器;再利用该时变滤波器对齿轮故障振动信号进行滤波,将滤波器阻带内的噪声予以去除;然后采用EEMD方法对滤波后的信号进一步降噪,减少滤波器通带内的噪声干扰;接着利用时变滤波器对降噪后的信号再次进行滤波,消除EEMD降噪时在阻带带来的噪声干扰;最后对降噪后的信号进行阶次分析,提取齿轮故障特征。对齿轮局部故障的算法仿真和应用实例分析表明,该方法不仅可以消除阻带的噪声干扰,而且对通带内的噪声也有较好的抑制作用,可有效凸显齿轮的故障特征。     

基于线调频小波路径追踪的阶比双谱分析方法

为了将双谱用于转速波动下的齿轮故障诊断,提出一种基于线调频小波路径追踪的阶比双谱分析方法。该方法首先将分析信号的时间跨度在不同尺度下进行等分,形成不同的时间支撑区,然后用多尺度线调频基函数对信号进行投影分解,通过从不同的时间支撑区内投影系数最大的基函数中寻找出使分解信号能量最大的基元函数组合,获得信号包含的能量最大的信号分量,进而得到齿轮啮合频率分量的估计,最后将啮合频率除以齿轮的齿数得到齿轮的转速信号,根据提取的转速信号对时域振动信号进行等角度重采样,对重采样信号进行双谱分析即得到阶比双谱。仿真分析表明,该方法能在低信噪比条件下准确提取转速信号,从而使得双谱估计能合理应用于转速波动下的齿轮故障诊断,应用实例进一步验证了阶比双谱的有效性和优越性。     

时频脊融合方法及时变工况行星齿轮箱故障识别

行星齿轮箱的瞬时频率(转速)精确提取是行星齿轮箱时变运行工况下故障诊断的关键。现有一些时频脊提取算法在提取瞬时频率时受到振动信号幅值变化以及时频变换结果中噪声成分的干扰,存在鲁棒性问题。为了解决这一问题,提出了一种双向搜索时频脊融合方法,并且将其进一步推广到多时频脊融合的概念中。然后,应用提出方法提取实际工程中时变工况行星齿轮箱高速轴的瞬时转速。再通过与现有两种方法对比以及阶次分析,验证了时频脊融合方法提取高速轴转速的可靠性与准确性。最后,在行星齿轮箱转速提取的基础上,利用阶次分析以及推导出的行星轮轴承故障频率的计算式,识别出了行星齿轮箱中的行星轮轴承内圈存在故障。     

一种带宽优化选取的ATF方法及其在齿轮故障诊断中的应用EI北大核心CSCD

自适应时变滤波(adaptive time-varying filtering,ATF)方法是一种基于数据驱动的非平稳信号处理方法,可有效分离变转速下的齿轮故障信号;但在ATF方法中,滤波带宽的选取需依据经验人为选取,具有较大的主观性。因此,针对ATF方法中滤波带宽的自适应优化选取,以齿轮啮合阶次与其临近阶次的能量比作为指标,提出了一种基于带宽优化选取的ATF方法;该方法先采用线调频小波路径追踪算法估计齿轮故障信号中的瞬时频率,然后设置不同的滤波带宽值构建自适应时变滤波器,再对滤波后的信号进行阶次分析,并计算齿轮啮合阶次与其临近阶次的能量比,最后挑选出最佳能量比所对应的滤波带宽作为最优带宽值来对信号进行滤波分析,进而诊断齿轮故障。对变转速下的齿轮局部故障进行了仿真和实例分析,并将之与集合经验模态分解(ensemble empirical mode decomposition,EEMD)方法对比,结果表明,该方法不仅可自适应选取滤波带宽,减少滤波误差,而且能有效提取齿轮故障特征信号,凸显齿轮故障特征。     

一种改进的ATF方法在齿轮故障诊断中的应用

针对转速波动下的齿轮故障信号与故障特征提取,提出一种基于频域滤波的自适应时变滤波(Adaptive time-varying filtering,ATF)方法,并将其应用于齿轮故障诊断中。该方法先用线调频小波路径追踪(Chirplet path pursuit,CPP)算法估计齿轮箱故障振动信号中的齿轮啮合频率,并依据啮合频率在频域设计自适应时变滤波器,以滤取包含齿轮故障信息的时变滤波信号;再对采用阶次跟踪算法对滤波信号进行等角度重采样,并对重采样后的信号进行自相关分析,以去除通带内噪声的干扰;最后对去噪后的信号进行谱分析,获得其自相关阶次谱,并根据自相关阶次谱中的调制边频带诊断齿轮故障,对变转速下的齿轮局部故障信号进行了仿真分析和试验。结果表明,该方法对滤波器通带和阻带内的噪声均具有较好的抑制作用,且提取的齿轮故障信号无相位畸变,故障调制边频带也更为突出。     

基于时时能量阶比谱的变转速工况滚动轴承微弱故障诊断研究

变转速工况下的滚动轴承微弱故障诊断同时面临两个难点:一是滚动轴承的故障特征信号容易被环境噪声和干扰信号淹没;二是滚动轴承故障振动信号的时变特征难以被常规频谱方法提取。针对上述问题提出了基于时时能量阶比谱的滚动轴承故障诊断方法。首先对变转速工况下的滚动轴承微弱故障振动信号进行时时(time-time,TT)变换,在双时域上刻画轴承故障振动信号的时变特征;然后利用提出的时时能量定义计算轴承故障振动信号的时时能量,获得轴承故障振动信号的时时能量信号;最后对时时能量信号进行阶比分析得到轴承故障振动信号的时时能量阶比谱,并根据时时能量阶比谱的阶次特征识别出轴承故障类型。分析了变转速工况下的滚动轴承故障仿真信号和实验测试信号,结果表明:时时能量信号能够有效追踪轴承故障振动信号的时变能量分布,增强故障特征信号的冲击特征,时时能量阶比谱较包络阶比谱抗噪能力更强,为变转速工况滚动轴承微弱故障诊断提供一种有效方法。     

基于脊线信息增强与特征融合的瞬时转频估计

转速获取是变工况设备健康诊断的前提。在不便安装速度传感器的情况下,基于振动信号时频分析获取转频是最常用的途径。然而,由于时频分析方法的自身特性和采集的振动信号中往往包含大量的背景噪声,导致得到的时频分布能量聚集性差、部分时段转速信息微弱等问题,很难提取到完整、准确的转频信息。为解决这一问题,提出一种脊线信息增强与特征融合的转速估计方法。采用幅值累加平方策略对时频分布特征进行增强;从信号低频区域和共振频带分别预估计出转频信息;最后,建立基于概率分布和局部波动特性的信息融合准则,以确定脊线融合位置以及融合结果,实现转频的准确估计。轴承故障实验信号验证说明:相比于传统的转频提取方法,提出的方法能够显著地改善能量微弱的转速信息的识别结果。     

基于改进阶比的变速器微弱故障特征提取

提出了一种基于转速调整的改进阶比分析方法,并应用于提取变速器齿轮微弱故障特征。从理论上分析了传统阶比方法分析转速波动信号的局限性,提出了基于转速调整的改进阶比分析方法,采用传统和改进阶比方法对实测转速波动信号进行分析,通过对比证实了转速波动对传统阶比分析结果有较大影响,而改进阶比方法能有效克服该影响,明显改善了分析效果,提高了分析精度。分别采用传统阶比和改进阶比方法对变速器加速振动信号进行分析,结果表明,传统阶比谱不能正确区分齿轮正常与轻微故障状态,而改进阶比谱能清晰反映齿轮正常与轻微故障状态的幅值能量变化,说明改进阶比方法能有效分析转速波动信号并正确提取出微弱故障特征。     

基于频移及谱线编辑的齿轮故障窄带解调分析方法

通过对旋转机械变速运行齿轮箱振动研究,提出基于频移及谱线编辑的齿轮故障窄带解调分析方法。对齿轮箱变速等非稳态信号进行时域同步采样,利用阶比跟踪对时域信号等角度重采样转换为角域准平稳信号,克服转速波动对信号分析产生的频率模糊现象;对角域信号进行同步平均削弱与转速无关的频率成分,提高信噪比;对平均信号进行窄带解调分析,通过对阶比谱自动编辑分离出齿轮故障主要啮合阶比分量后恢复到角域信号,进行幅值解调及基于频移的相位解调,据幅值解调及相位解调波形图提取齿轮故障特征。结果表明,基于频移、谱线编辑的齿轮故障窄带解调分析方法能有效提取齿轮故障特征信息。     

迭代广义解调齿轮信号分离的变转速滚动轴承故障诊断EI北大核心CSCD

变转速工作模式下齿轮啮合会掩盖故障轴承冲击特征,使得轴承故障特征信息微弱,针对变转速工作模式下齿轮啮合对轴承信号干扰的问题,提出了迭代广义解调齿轮信号分离的变转速滚动轴承的故障诊断方法。首先采用峰值搜索算法从包络时频谱中提取峰值啮合倍频(Instantaneous Dominant Meshing Multiply,IDMM),通过IDMM趋势线构造各广义解调函数的相位函数;其次利用迭代广义解调算法(Iterative Generalized Demodulation,IGD)分离出齿轮啮合频率及倍频信号,对剩余信号采用谱峭度算法确定由故障轴承引起的高频共振滤波参数并进行带通滤波;最后,以提取的IDMM趋势线作为轴承转频,对滤波结果进行角域重采样,根据阶次谱对滚动轴承运行状态予以判断。仿真信号和实测信号的处理结果证明该方法在无转速计设备的情况下能有效的实现变转速滚动轴承的故障诊断。     

基于转速自适应多阶FRFT滤波提取瞬变工况齿轮微弱故障特征

提出了一种基于转速信号自适应分段的多阶FRFT滤波方法,并应用于提取瞬变工况下变速器齿轮微弱故障特征。首先,根据设定的振动信号频率曲线曲率阈值将目标档位啮合频率时频曲线自适应分为若干段,使得每段内的信号频率近似线性变化;然后,在各分段内进行最小二乘拟合确定相应的FRFT最佳阶次,并在各段信号的最佳分数阶域进行滤波,实现基于转速自适应分段的多阶FRFT滤波。采用该方法分析实测变速器瞬变工况振动信号。结果表明,基于转速信号自适应分段确定多阶FRFT的最佳阶次,准确、快速、自适应性好;多阶FRFT滤波能够有效分离出瞬变工况下的啮合频率分量,隔离其他干扰;对分离出的啮合频率分量进行阶次包络解调分析,能有效提取出齿轮微弱故障特征。     

迭代广义解调齿轮信号分离的变转速滚动轴承故障诊断

变转速工作模式下齿轮啮合会掩盖故障轴承冲击特征,使得轴承故障特征信息微弱,针对变转速工作模式下齿轮啮合对轴承信号干扰的问题,提出了迭代广义解调齿轮信号分离的变转速滚动轴承的故障诊断方法。首先采用峰值搜索算法从包络时频谱中提取峰值啮合倍频(Instantaneous Dominant Meshing Multiply,IDMM),通过IDMM趋势线构造各广义解调函数的相位函数;其次利用迭代广义解调算法(Iterative Generalized Demodulation,IGD)分离出齿轮啮合频率及倍频信号,对剩余信号采用谱峭度算法确定由故障轴承引起的高频共振滤波参数并进行带通滤波;最后,以提取的IDMM趋势线作为轴承转频,对滤波结果进行角域重采样,根据阶次谱对滚动轴承运行状态予以判断。仿真信号和实测信号的处理结果证明该方法在无转速计设备的情况下能有效的实现变转速滚动轴承的故障诊断。     

基于分数阶滤波的全息阶比解调谱及齿轮早期故障诊断

为提高变速器齿轮早期故障诊断的准确性和可靠性,提出了一种基于分数阶傅里叶变换(fractional Fourier transform, FRFT)滤波的全息阶比解调谱方法。对变速器变转速过程的水平与垂直测点振动包络信号进行分数阶滤波,分离出调制频率分量,再对分离后信号进行全息阶比谱分析,得到调制分量的全息阶比解调谱,并对齿轮早期点蚀故障进行故障诊断。试验结果表明,基于分数阶滤波的全息阶比解调谱,兼具分数阶滤波分离频率变化分量的特点与全息阶比谱融合多维特征的优势,既能有效分离变转速过程的调制分量,隔离其他分量和噪声干扰,又能有效融合两个方向的关键特征信息,有效诊断出单测点单特征方法难以识别的齿轮早期故障。     

基于LMD的谱峭度方法在齿轮故障诊断中的应用

针对齿轮故障振动信号的非平稳调制特性以及传统共振解调方法不易确定滤波器参数的缺点,提出了一种基于局部均值分解（Local mean decomposition,LMD）时频分析的谱峭度 （Spectrum Kurtosis,SK）分析方法,并将其应用于齿轮故障诊断。该方法首先利用LMD对齿轮故障振动信号进行分析得到时频分布,然后将时频分布按照不同的尺度分成若干不同的频段,计算每一频段内信号的谱峭度值,并得到相应的峭度图,再根据峭度最大原则选取滤波频段,对滤波后的信号进行包络分析以获得齿轮振动信号的故障信息。利用该方法分别对仿真信号以及齿轮故障振动信号进行了分析,结果表明,基于LMD的谱峭度分析方法能够有效地提取齿轮故障振动信号特征。     

基于自参考自适应消噪的行星轮轴承内圈故障特征提取

针对行星轮轴承振动信号的传递时变路径,且行星轮轴承振动信号常被齿轮啮合振动信号所湮没等问题。提出了一种基于自参考自适应消噪的行星轮轴承内圈故障诊断方法。用自参考自适应消噪技术(SANC)、AR模型预白化等预处理技术以削弱齿轮啮合振动信号的干扰;基于谱峭度(Spectral Kurtosis,SK)自适应求解共振带参数;采用Hilbert变换提取平方包络信号;对包络信号进行谱分析。试验结果表明该方法可以有效地揭示行星轮轴承内圈的故障特征信息。     

基于小波包与倒频谱分析的风电机组齿轮箱齿轮裂纹诊断方法

为实现风电机组齿轮箱及时有效地监测和维护,提出基于小波包与倒频谱分析的风电机组齿轮箱齿轮裂纹诊断方法。该方法针对齿轮裂纹振动信号为转速频率对啮合频率及其倍频调制的特点,利用小波包分解来识别振动信号中的故障特征,通过小波包频带能量监测得到故障部位的啮合频率范围;考虑到倒频谱可以分离和提取难以识别的密集调制信号的周期成分,基于倒频谱识别故障部位的转速频率,综合利用两种频谱分析方法得到的啮合频率和转速频率,能诊断故障部位和类型。实验研究表明,该方法能精确地诊断齿轮裂纹故障,并可以实现对风电机组齿轮在复杂环境中退化状态的监测,预防断齿等重大故障的发生。