首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到10条相似文献,搜索用时 31 毫秒
1.
通过采集的减压阀正常和故障下的振动信号,求出了时间序列的自回归双谱和分形盒维数.结果表明:不同状态下的双谱谱图和盒维数有明显的区别,利用AR双谱和盒维数可以有效地诊断出减压阀的工作状态.  相似文献   

2.
针对航空液压管路振动机制复杂、故障关联性较强、故障表征不明显、早期裂纹故障和扩展状态识别率不高等问题,提出一种基于分形理论的故障诊断方法。利用可以解决复杂分形问题的分形理论,通过仿真正、余弦信号并计算其广义维数,可知广义分形维数可以描述信号特征。利用广义维数对振动信号进行分形分析,由广义维数谱图和广义维数变化规律可看出,广义维数不仅能诊断出航空液压管有无裂纹故障,同时能够识别裂纹早期故障。分析分形广义分形维数表可知:液压管的广义分形维数值随着裂纹长度的增加而增大,其增加值成倍数增长,因此通过广义分形维数的变化可以定量分析液压管裂纹故障的扩展状态。  相似文献   

3.
李宏  李娜  贾辉 《机床与液压》2006,(12):226-229
轴承系统运行过程中的振动信号包含了大量的状态信息,本文基于检测到的信号进行状态预测,并进行故障的诊断和预防。采用了基于相空间重构的数据处理组合方法进行状态顶测,并用分形理论分析故障存在的可能及类型,用分形维数给出判定依据。从实验结果可以看出,基于状态预测和分形维数进行故障诊断是有效的,优于传统的谱分析方法。  相似文献   

4.
在建立的模拟实际故障的实验装置上采集模拟旋转机械振动故障的信号,运用相空间重构理论,对实测故障信号进行时间序列重构.为使重构相空间能充分地反映系统运动特征,必须恰当地选取时间延迟与嵌入维数.应用互信息函数法确定出不同故障时间序列时间延迟,应用改进伪近邻法确定最小嵌入维数.在此基础上计算关联维数和李亚谱诺夫指数,以此二参数作为特征量,有利于分析识别故障信号,增强可靠性.为复杂旋转机械故障诊断提供一种识别方法.  相似文献   

5.
针对液压齿轮泵的三种典型故障--轴承磨损、齿轮磨损和侧板磨损,在小波包分解的基础上,采用分形盒维数的方法对故障的振动信号进行了盒维数研究计算.结果表明,齿轮泵在不同故障状态下,其盒维数明显不同,利用盒维数可以准确诊断出齿轮泵的工作状态.  相似文献   

6.
王志  栾忠权  王少红  马超 《机床与液压》2015,43(17):207-209
以双跨轴承转子系统为研究对象,针对其状态监测与故障诊断中存在的问题,利用分形盒维数的方法对系统进行分析。通过提取试验台振动信号并计算其分形盒维数实现对系统的故障诊断。结果表明,不同工作状态下的盒维数各不相同,不平衡故障的盒维数最大,碰摩故障的盒维数次之,正常运转时的盒维数最小,盒维数随着计算网格数的增加而减小。该系统以分形盒维数为特征兆量,能够快速准确地对双跨轴承转子系统进行状态监测与故障诊断,具有一定的应用价值。  相似文献   

7.
高战蛟  罗震  单平  邹帆  史涛 《电焊机》2006,36(9):4-6,53
针对铝合金点焊过程中电压信号的非线性特点,从分形理论出发,首次尝试利用盒维数作为特征量对点焊质量进行定量描述。试验与计算结果对比表明,对不同点焊质量下的电压参数进行检测与盒维数计算,其结果明显不同,这辩明以盒维数作为特征量能够有效反映点焊质量的变化。因此,利用分形维数方法提取点焊过程中信号的特征量为检测点焊质量提供了一种新途径,同时对其他焊接方法中的信号分析与处理也有较高的参考价值。  相似文献   

8.
分形盒维数在裂纹转子故障诊断中的应用   总被引:1,自引:0,他引:1  
在模拟转子实验台上进行了实验,模拟大型旋转机械转子系统的无裂纹轴与有裂纹轴的振动过程.根据裂纹转子故障振动信号的分形特征,对无裂纹转轴与有裂纹转轴的试验数据进行了分形盒维数研究计算.结果表明:无裂纹轴的轴心轨迹为椭圆,其对应的分形盒维数较小;有裂纹轴的轴心轨迹较为复杂,其对应的分形盒维数较正常轴更大.因此,分形盒维数可用于裂纹转子的故障诊断.  相似文献   

9.
滚动轴承故障分形诊断中的信号处理   总被引:1,自引:0,他引:1  
故障轴承振动信号具有非平稳和非线性的特征,因此可用关联维数来刻划其真实特性,但实测信号中的噪声影响了诊断的准确性.本文提出利用改进的小波包分解和重构算法对滚动轴承振动信号进行降噪处理.实验表明,该算法可有效提高轴承故障分形诊断的准确性和可靠性.  相似文献   

10.
刘晶 《机床与液压》2021,49(12):196-200
1.5维谱因具有抗高斯白噪声的优异性能而被广泛应用于故障诊断领域,能量算子解调与1.5维谱相结合形成的1.5维能量谱用于轴承故障诊断效果更佳,然而该方法处理低信噪比信号效果不佳。针对强背景噪声下微弱故障特征提取难的问题,提出最小熵解卷积(MED)与1.5维能量谱相结合的诊断方法。先用MED对原始振动信号进行消噪,再对处理后的信号做1. 5维能量谱;分析包络谱中的频率成分并与对应故障特征频率相比较,得出诊断结果。仿真数据和多组实测数据均证实了所提方法的有效性和优越性。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号