基于MS-EEMD的滚动轴承微弱故障提取研究

在实际工况下,轴承的早期故障信号与强噪声信号相比属于微弱信号,而轴承的早期故障特征从强噪声环境中提取出来一直是故障诊断课题的一大难点。基于上述问题,提出一种基于MS（Mask Signal）和EEMD（Ensemble Empirical Mode Decomposition）方法的滚动轴承微弱故障提取方法。由于EEMD方法在噪声背景下分解出的IMF分量存在模态混叠现象,很难辨别故障频率的真伪,所以引入掩膜信号法对分解出的IMF分量进行处理,抑制虚假频率,将故障频率提取出来。通过将掩膜信号法与EEMD方法相结合的方式,对存在噪声的故障信号进行处理,提取出故障特征。     

EEMD-ICA联合降噪的旋转机械故障信号检测方法

针对旋转机械前期故障信号微弱、易被噪声淹没、故障特征难以提取的问题,提出一种聚合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和独立成分分析(Independent Component Analysis,ICA)相结合的故障特征提取方法.首先,运用EEMD理论将振动...     

基于噪声辅助多元经验模态分解和多尺度形态学的滚动轴承故障诊断方法

为了从强噪背景中提取滚动轴承微弱故障特征,提出一种基于噪声辅助多元经验模态分解 (Noise Assisted Multivariate Empirical Mode Decomposition,NAMEMD)和数学形态学的滚动轴承故障诊断方法。NAMEMD是新提出的一种基于噪声辅助数据分析方法,其克服了集成经验模态分解的模态混淆和运算量大等问题。本文将NAMEMD与多尺度形态学相结合应用于滚动轴承故障诊断。该方法首先利用NAMEMD将多分量调频调幅故障信号自适应分解为一系列IMF分量;其次,选取能量高的IMF分量求和重构;最后利用多尺度形态学差值滤波器提取信号的故障特征频率。为了验证理论的正确性,进行了仿真试验和轴承故障试验,并与EEMD和包络解调进行了比较,结果表明本文方法在进一步降低模态混叠效应的同时,明显提高了运算速度,对滚动轴承外圈、内圈和滚子故障的检测精度更高,能够清晰地提取出故障信号的故障特征频率。     

基于参数自适应VMD和MCKD的滚动轴承微弱故障特征提取

针对传输路径复杂和强噪声干扰条件下滚动轴承故障信号信噪比低、微弱故障特征难以提取的问题，提出一种将参数优化变分模态分解（Variational Mode Decomposition,VMD）与最大相关峭度解卷积（Maximum Correlated Kurtosis Deconvolution, MCKD）相结合的滚动轴承微弱故障特征提取方法。首先，利用经麻雀搜索算法（Sparrow Search Algorithm, SSA）优化的VMD对故障信号进行自适应分解，构建加权峭度指标以筛选有效模态分量；然后对有效模态分量利用经SSA优化后的MCKD进行增强；最后，对增强后的信号进行包络解调分析，提取出轴承故障特征频率。实验和工程实际案例分析表明，所提出的方法能够自适应增强轴承信号中的微弱冲击成分，有效提取出强噪声背景下的滚动轴承微弱故障特征。     

基于全矢包络融合双层降噪处理的轴承故障特征提取

针对轴承故障信号受背景噪声影响,而难以准确提取故障冲击特征的问题,提出一种噪声辅助多元经验模态分解（Noise-assisted Multivariate Empirical Mode Decomposition,NA-MEMD）与全矢包络快速独立分量分析（Fast Independent Component Analysis,FastICA）相结合的轴承故障特征提取方法。该方法将同源双通道信号进行NAMEMD分解,根据相关性系数选取包含故障特征的固有模态函数(Intrinsic Mode Function,IMF)进行重构;对重构信号进行快速独立分量分析,最后进行全矢包络融合,提取轴承故障特征。对实际轴承信号的分析验证该方法能有效提取完整高阶故障频率,同时降低包络谱特征统计参数的冗余。     

基于信息熵优化变分模态分解的滚动轴承故障特征提取

针对变分模态分解(Variational Mode Decomposition,VMD)的参数需事先人为确定的问题以及如何选取包含故障特征信息的本征模态分量(Intrinsic Mode Function,IMF)的问题,提出了基于信息熵的参数确定方法和基于信息熵的IMF选取方法。该方法首先对原始故障信号进行变分模态分解,通过信息熵最小值原则对其参数进行优化,获得既定的若干IMF分量;在优化参数时获得信息熵最小值所在的IMF,选取其为有效IMF分量进行包络解调分析,提取轴承故障特征频率。通过轴承仿真信号和实际数据分析,表明该方法能够提取滚动轴承早期故障信号的微弱特征,并实现故障的准确判别。     

基于信息熵优化变分模态分解的滚动轴承故障特征提取EI北大核心CSCD

针对变分模态分解(Variational Mode Decomposition,VMD)的参数需事先人为确定的问题以及如何选取包含故障特征信息的本征模态分量(Intrinsic Mode Function,IMF)的问题,提出了基于信息熵的参数确定方法和基于信息熵的IMF选取方法。该方法首先对原始故障信号进行变分模态分解,通过信息熵最小值原则对其参数进行优化,获得既定的若干IMF分量;在优化参数时获得信息熵最小值所在的IMF,选取其为有效IMF分量进行包络解调分析,提取轴承故障特征频率。通过轴承仿真信号和实际数据分析,表明该方法能够提取滚动轴承早期故障信号的微弱特征,并实现故障的准确判别。     

基于谱峭度与变分模态分解的转子微弱不对中故障诊断

针对噪声干扰下转子微弱不对中故障特征难以提取的问题,提出一种谱峭度与变分模态分解的转子故障诊断方法。该方法首先利用谱峭度(Spectral Kurtosis)滤除信号背景噪声以强化故障特征相关信号分量,然后通过变分模态分解(Variational Mode Decomposition,VMD)将转子振动信号分解为一系列本征模态分量并对各分量进行频谱分析,提取转子的故障特征。将该方法应用到转子不对中故障实验数据中,结果表明,该方法能有效提取出转子微弱不对中故障特征,并且结果要优于基于谱峭度与经验模态分解(EMD)方法的分析结果。     

小波变换和EEMD-马氏距离的轴承故障诊断

机械故障的声发射信号中往往掺杂着各种干扰和噪声,为解决这一问题,提出了小波变换、集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和马氏距离相结合的滚动轴承故障诊断方法;首次将马氏距离引入到轴承声发射信号的故障诊断中。该方法首先对故障轴承的声发射信号进行小波去噪处理,再对去噪后的信号进行EEMD分解,将其分解为多个固有模式函数(简称IMF)。其次采用马氏距离的方法消除EEMD分解结果中的虚假分量,提取能够反映轴承故障特征的IMF分量,突出高频共振成分。最后,通过瞬时Teager能量的Fourier频谱识别轴承故障的特征频率。仿真信号和滚动轴承外圈声发射信号的实例分析表明:此方法能很好地去除混杂在轴承声发射信号中的噪声,准确地识别出轴承故障的部位。     

基于EEMD方法的永磁同步电机电磁噪声诊断

研究永磁同步电机的电磁噪声的诊断。提出集体经验模式分解（EEMD）结合功率谱分析的方法对永磁同步电机噪声进行故障诊断,该方法通过对电机结构振动信号进行分解,选择对电机噪声故障敏感的本征模态函数（IMF）进行功率谱分析,获得高信噪比故障特征。结合永磁同步电机电磁力波理论及Maxwell电磁仿真分析结果,判断该噪声为电磁噪声,通过对电机永磁体检测与装配工艺进行改进,噪声得到显著控制。研究结果表明,该方法能够有效提取电机噪声特征。     

摊铺机噪声测试分析与治理

通过对某沥青混凝土摊铺机各主要声源的近场声和驾驶员耳旁噪声进行测试分析,识别出对驾驶员耳旁噪声贡献较大的噪声源.针对这些噪声源的特性采取相应的降噪措施,在进、排风口分别设计了消声结构,使摊铺机噪声明显降低.测试结果表明,该摊铺机噪声指标达到了国家标准规定的水平.     

轮式装载机驾驶室噪声源分离和识别

为了改善装载机的噪声状况,提高产品的噪声分析技术水平及产品市场竞争力,采用鲁棒独立分量分析(RobustICA)的方法,对ZL50轮式装载机驾驶室噪声进行了声源识别的研究.主要采用RobustICA算法对测得的驾驶室噪声信号进行了盲源分离,得到一系列独立的噪声分量,利用连续小波变换和相干分析对分离得到的各独立分量进行了分析,时频分析和相干分析结果确定了分离得到的各独立分量和不同噪声源的对应关系.结果表明,采用该方法分离得到的独立分量分别对应着装载机的排气噪声和风扇噪声,且两者为司机耳旁噪声的主要成分.验证了鲁棒独立分量分析在声源分离和识别领域的优越性.     

重型卡车驾驶室怠速噪声分析及控制

为降低某型重型卡车怠速噪声,建立驾驶室声-振耦合有限元模型,测试驾驶室四个悬置点被动侧加速度数据,以此作为仿真激励载荷计算驾驶室司机耳旁声压,仿真与试验结果具有较高的一致性。针对怠速工况32 Hz、64 Hz和96 Hz峰值频率,计算各频率的模态参与因子,对模态参与因子较高的模态阶次进行叠加,获取各峰值频率对应的模态应变能分布,作为怠速噪声的控制区域。对32 Hz峰值频率,采用局部结构加强的方式进行降噪处理,单频噪声衰减量5.2 dB;对64 Hz和96 Hz的峰值频率,采用在模态应变能集中区域布置阻尼材料的方式进行降噪处理,单频噪声衰减量分别为2.2 dB和3.5 dB。通过试验测试,怠速工况驾驶员耳旁声压级降低3.2 dB,表明降噪效果良好。     

基于LMS Test. Lab的发动机尾吊客机的噪声与 振动传递特性测量

大型客机的舱内噪声治理与控制是飞机设计一大难题。分析飞机各主要声源的传播机理,获得全尺寸噪声与振动传递特性是其中的关键技术之一。介绍基于互易性原理的大型客机噪声与振动传递特性测量与分析方法,利用LMS Test. Lab、低体积声源及声压与加速度传感器,获得测试样机的噪声与振动频响函数（FRF）、幅值与相位传递函数及相干函数,分析发动机尾吊客机吊挂、机身结构、舱内设施与舱内空腔间的噪声与振动传递特性,验证了该方法在大型客机工程应用可行性。     

改进的复杂噪声源识别方法

在原来层次分析理论的基础上,改进了判别矩阵构件方法及偏差修正方法。结合相干、偏相干理论,通过仿真研究对比了基于相干功率谱的层次分析法和基于偏相干的层次分析法,研究结果表明基于偏相干函数的噪声源层次诊断方法是解决具有强相干性多源系统的噪声源识别问题的一种有效方法。     

声强法在柴油机表面辐射噪声源识别中的应用

根据声强测试原理，应用B＆K 3560C便携式振动与噪声测试系统中的声强测试模块，对4190型柴油机的表面辐射噪声源进行识别。绘制了三维声强图，找出了该发动机的各个辐射面上的主要噪声源，并对其进行了排序，分析了这些噪声源的产生根源。提出了控制主要噪声源的一些建议，以便于进一步降低该柴油机的噪声水平。     

基于支持向量机的柴油机噪声品质客观评价参量权重分析

以一台6缸柴油机为研究对象,采用分类对偶比较法对采集到的目标机型在多工况下的辐射噪声品质进行主观评价试验,同时选取并计算了可以描述其声音特性的5个客观评价参量,引入支持向量机,建立了柴油机噪声品质预测模型,并借助噪声测试样本验证预测模型的准确性。然后以柴油机噪声品质预测模型为基础构建起客观评价参量的权重分析模型,分析柴油机噪声品质客观评价参量对主观评价结果的影响权重。研究表明,柴油机噪声品质主要受响度和粗糙度两个客观评价参量的影响。此次分析对高声品质柴油机的设计起到了指导性的作用。     

液压提升机硐室噪声的统计能量分析

针对五面封闭的液压提升机硐室声场，采用统计能量分析(SEA)理论建立液压泵站硐室、墙体、门、主硐室声场模型，详细计算分析SEA模型的损耗因子、模态密度等相关参数，分析墙体和门的隔声降噪特性，预测液压提升机硐室和司机操作台噪声，对全面开展提升机井下硐室环境噪声控制具有一定作用。     

基于单一源求逆法的排气噪声对车内噪声贡献量分析

以某车型车内噪声声压级为目标,以单一源求逆法辨识排气噪声体积加速度,并测试排气口到车内噪声目标点的声学传递函数。计算排气管口通过空气传递路径到车内噪声的贡献量,得知在发动机1730rpm附近排气噪声的2阶激励频率是车内噪声的主要贡献源,此时车内噪声主要是排气噪声过大引起的。增加车辆的吸隔音措施效果不明显,应优化排气管消声器以降低排气噪声。实验验证了分析结果。     

声阵列测试技术在微型泵降噪中的应用研究

声源定位作为机械降噪的关键之一,有效指导着产品噪声问题的解决。某微型压力水泵的噪声较大,为了有效降噪,综合声阵列测试技术和机械降噪技术,构建了一套完整的降噪优化流程方法。在声源定位过程中采用声阵列采集实验数据,利用声强法与波束形成技术获取得到微型压力水泵噪声源的主要声源位置位于套筒中部,结合流场与结构场的实验分析,进一步验证了泵体噪声主要由套筒结构的振动发声所致。在准确识别声源的位置后提出相应的降低本体噪声的改进方法并进行了验证,结果表明：增大壳体的阻抗特性和通过弱化电机与顶盖和底盖的轴向连接刚度的方式可以有效降低压力水泵的噪声。