循环域解调方法在滚动轴承故障诊断中的应用

讨论循环平稳信号的循环自相关函数特性，指出循环自相关函数不为零的循环频率对应着信号的周期成分。基于调幅和调频信号模型推导出循环域解调方法，通过扫描循环频率域使调制源(故障)信息解调在循环域的低频段和高频段。利用高频段无调制源交叉项的特点，对滚动轴承故障进行诊断，有效地提取出外圈、内圈和滚动体的故障特征。     

基于循环平稳分析的二重调幅信号识别研究与应用

基于循环平稳分析理论,对滚动轴承部分故障振动信号提出了一种新的模型——二重调幅信号模型。在对二重调幅信号理论进行研究的基础上,采用循环频率扫描分析二重调幅信号的调制源及其载波的分布规律。对仿真信号应用循环自相关函数分析,验证此方法的正确性。并应用该方法对滚动轴承故障进行分析,实践证明此方法能够有效地分离出滚动轴承对应的故障特征频率。     

k阶循环矩解调用于滚动轴承故障特征提取

针对滚动轴承早期故障诊断中故障特征信号提取问题,提出了一种基于k阶循环矩的故障特征信号解调方法.在循环矩理论基础上,首先分析了时变调幅信号的k阶循环矩解调原理和方法;讨论了k阶循环矩的频率特性;得出了k阶循环矩不仅能解调出调制频率,还能解调出载波频率的规律;给出了k阶循环矩的计算方法,并利用仿真信号验证了该方法的有效性;最后通过滚动轴承振动信号进行了分析.结果表明,该方法能有效提取滚动轴承早期故障特征,识别故障类型,具有较高的可信度.     

循环平稳相关熵轴承故障诊断方法

相关熵是一种基于信息理论学习和核函数的相似性度量方法，不仅能有效刻画信号的时间和统计特征，而且包含了信号的高阶统计量，因而，相关熵是处理非高斯、非线性信号的有效方法。将相关熵与循环平稳信号处理方法结合，提出了一种基于循环平稳相关熵的轴承故障诊断方法。首先，简述了相关熵的基本概念，推导了循环平稳相关熵函数和循环平稳相关熵谱密度函数公式；其次，分析了循环平稳相关熵轴承故障诊断流程；最后，将循环平稳相关熵应用于轴承内圈、外圈局部裂纹故障振动信号的分析与处理。实验结果表明：相关熵能有效提取轴承故障振动信号中的周期成分，循环平稳相关熵函数和循环平稳相关熵谱密度函数能有效刻画轴承故障的频谱特征，便于进行故障特征提取与识别，验证了提出方法的优越性。     

强抗噪时频分析方法及其在滚动轴承故障诊断中的应用

根据滚动轴承发生故障时呈现出循环平稳的特征,将基于二阶循环统计量的谱相关或谱相关密度分析方法加以改进,提出一种新的时频分析方法。经仿真验证,所述方法相对于谱相关分析方法具有很强的抗噪能力;针对轴承发生故障时的调制特征,往往只需要提取出故障频率即循环调制频率而不必提取调制现象的载频,在所述方法的基础上,将其加以改进,改进后的谱分析方法只提取出调制频率,通过滚动轴承三种故障试验(内、外圈故障及滚动体故障)验证了其具有更清晰的表达效果和更好的故障特征提取效果。     

基于循环统计量分析方法诊断轴承故障的研究

通过分析旋转机械振动信号的特点,指出旋转机械的振动信号为循环平稳信号。通过对循环谱密度的特性分析,指出应用循环谱密度分析方法可以在循环频率域有效提取出滚动轴承的冲击故障频率。通过仿真信号验证了该分析方法的有效性,并将之应用于泵类滚动轴承的故障诊断中。     

基于小波包去噪的循环自相关方法在轴承故障诊断中的应用

针对在轴承故障诊断中提取到的信号(包含噪声干扰)及表现出的复杂调制特性,采用小波包方法对信号进行降噪处理,以提高数据的准确度和精度,采用循环自相关的方法进行信号的解调处理,有效的提取故障特征频率。结果表明,用仿真信号将小波包降噪结合循环自相关方法应用于滚动轴承的内、外圈及滚动体的故障诊断,可以有效地提取出轴承的故障特征频率。     

谱相关函数的解调原理分析

在机械故障诊断中,基于循环平稳的信号分析方法逐渐受到人们的重视,本文主要分析了谱相关函数(二阶循环平稳统计量)的解调原理,为机械设备故障诊断中的解调分析方法提供了一种新的思路。根据两信号乘积的谱相关函数等于两信号的谱相关函数在频率和循环频率域的双重卷积,推导出调幅信号的谱相关函数,由于在两个频率域的双重卷积使得谱相关函数在频率和循环频率域均具有解调功能,这样得到的双重解调信息提高了分析结果的可靠性。通过分析并仿真发现这种基于谱相关函数的解调方法还能同时对调幅和调频信号进行解调。     

多调制源信号的循环平稳分析及仿真

以多调制源信号为仿真对象,分别用二阶循环自相关、谱相关函数进行分析,在MATLAB平台上做信号的循环自相关谱相关函数的三维谱图、改进的自相关函数循环域的单切片图和谱相关单切片图,通过分析总结得出该改进的二阶循环切片分析方法能成功地将多调制源信号中的特征频率解调出来,为分析实际的循环故障信号奠定理论基础。     

相关熵的降噪机理及其在轴承故障诊断中的应用

针对传统相关函数和谱相关密度难以有效处理强非高斯噪声干扰的问题,提出了一种基于循环平稳相关熵的故障诊断方法。以理论分析和几何图解等方式系统分析了相关熵的降噪机理,以余弦信号和仿真调幅信号为例解释了相关熵以及循环平稳相关熵的降噪机理并验证了其良好的噪声抑制能力;应用循环平稳相关熵方法对轴承内、外圈局部裂纹故障振动信号进行了分析和处理,试验结果表明,循环平稳相关熵谱密度具有解调功能,能准确刻画轴承局部裂纹故障的频谱特征,可有效提取淹没在强噪声环境中的微弱信号。     

滚动轴承振动的周期平稳性分析及故障诊断

分析滚动轴承出现故障后振动信号的特征,在给出滚动轴承冲击信号数学模型的基础上,指出滚动轴承故障为典型的非平稳信号,具有很宽的频带,用幅值谱难以获得故障特征.利用滚动轴承回转工作的特点,推导滚动轴承故障信号的循环平稳性,指出该故障信号为几乎周期平稳信号.简单介绍二阶循环统计量的解调特性,提出先对滚动轴承故障信号进行带通滤波,然后利用二阶循环统计量解调来进行故障特征识别.对工业现场故障数据的分析表明所提出方法的有效性.     

齿轮裂纹故障的循环矩诊断

介绍了循环平稳信号的二阶循环矩分析和处理方法、循环矩分析的抑噪特性。在给定齿轮裂纹调频信号数学模型的基础上，证明了其二阶循环平稳性。利用二阶循环矩一滞后平面图，分析了裂纹故障信号特征的循环矩提取方法，进行了仿真实验。针对齿轮裂纹故障实例，说明其对故障信号解调的有效性。     

包络直方图与循环谱相结合的旋转轴承故障诊断方法

采用时域包络直方图与频域循环谱相结合的方法,对非平稳状态的轴承振动信号进行故障分析和识别。首先利用包络直方图获取振动信号的能量分布,实时、直观地评估轴承的运行状态;然后对异常状态的振动信号进行循环平稳分析,通过特征频率获取故障的具体部位。二者相结合的方法既可以快速直观地实现故障识别,又可以保证故障诊断的细致和准确。     

基于CEEMD的滚动轴承振动信号自适应降噪方法

针对滚动轴承故障特征信号容易被噪声掩盖难以提取的问题,提出了基于互补集合经验模态分解(CEEMD)的滚动轴承振动信号自适应降噪方法。为了准确判定噪声分量和有用信号分量的分界点,在对振动信号进行CEEMD分解后,设计了依据信噪分量自相关函数的单边波峰宽度特性自适应地判定分界点的方法。为了保证重构信号的完整性,利用改进的小波阈值降噪方法提取低频IMF分量中的高频有效信息。实验分析表明,结合改进阈值函数的CEEMD自适应降噪方法能够有效地去除故障振动信号中夹杂的噪声,并且很好地保留了滚动轴承振动信号的突变细节,达到了不错的降噪效果。     

基于POVMD和CAF的低转速齿轮箱故障诊断

针对低转速齿轮箱齿轮故障特征频率低、故障特征频率易被背景噪声淹没,使其难以准确提取的问题,提出了基于参数优化的变分模态分解(parameter optimization variational mode decomposition,简称POVMD)和循环自相关函数(cyclic autocorrelation function,简称CAF)结合的故障诊断方法。首先,通过POVMD对原始信号进行分解,选用余弦相似度度量选取敏感的本征模态函数(intrinsic mode function,简称IMF);其次,计算其循环自相关函数谱,获得包含调制特征的循环自相关函数谱切片;最后,使用Teager能量算子(Teager energy operator,简称TEO)算法对切片解调,提取故障特征频率。同时将本方法与相关方法进行了对比分析,特征频率提取效果更加显著,仿真信号和实验数据分析验证了该方法的有效性和可靠性。     

Rolling element bearing faults diagnosis based on optimal Morlet wavelet filter and autocorrelation enhancement

The fault diagnosis of rolling element bearing is important for improving mechanical system reliability and performance. When localized fault occurs in a bearing, the periodic impulsive feature of the vibration signal appears in time domain, and the corresponding bearing characteristic frequencies (BCFs) emerge in frequency domain. However, in the early stage of bearing failures, the BCFs contain very little energy and are often overwhelmed by noise and higher-level macro-structural vibrations, an effective signal processing method would be necessary to remove such corrupting noise and interference. In this paper, a new hybrid method based on optimal Morlet wavelet filter and autocorrelation enhancement is presented. First, to eliminate the frequency associated with interferential vibrations, the vibration signal is filtered with a band-pass filter determined by a Morlet wavelet whose parameters are optimized by genetic algorithm. Then, to further reduce the residual in-band noise and highlight the periodic impulsive feature, an autocorrelation enhancement algorithm is applied to the filtered signal. In the enhanced autocorrelation envelope power spectrum, only several single spectrum lines would be left, which is very simple for operator to identify the bearing fault type. Moreover, the proposed method can be conducted in an almost automatic way. The results obtained from simulated and practical experiments prove that the proposed method is very effective for bearing faults diagnosis.     

循环脉冲指数最大化的共振稀疏分解法及应用

针对复杂多变工作环境下滚动轴承产生的微弱故障信息难以提取的问题,充分利用故障冲击的脉冲性与循环周期性,提出了循环脉冲度最大化的共振稀疏分解(RSD)方法。该方法以短时脉冲峰值矩的变异系数作为循环脉冲指数对轴承故障信号脉冲性与周期性进行综合表征。然后以循环脉冲指数最大化作为优化目标,采用多尺度简化粒子群算法对RSD的品质因子进行了组合优化。最后构建了最优RSD循环脉冲谱,实现了滚动轴承故障的自动辨识。仿真结果与动车轴箱轴承的故障诊断应用实例表明,提出的循环脉冲指数最大化的RSD能够有效避免强脉冲干扰造成的共振频带误判问题,实现复杂工况环境下的滚动轴承复合多故障同步诊断,具有良好的工程适用性。