基于复小波多尺度包络谱的滚动轴承故障诊断研究

提出一种新的滚动轴承故障信号处理方法—复小波多尺度包络谱,通过分析连续小波变换后各尺度信号的包络谱来识别滚动轴承缺陷频率,以此来诊断滚动轴承的外圈、内圈和滚动体故障,该方法解决了传统包络解调方法在操作中需要确定滤波器中心频率和带宽的难题,实验证明了该方法的有效性。     

基于EMD细化包络谱分析在轴承故障诊断中的应用

将经验模式分解(empirical mode decomposition,EMD)、Hilbert变换和细化(ZOOM)技术结合在一起。通过EMD分解的自适应滤波算法,避免了依靠经验来设置带通滤波器的中心频率和带宽,或者用小波方法对信号进行分解时,需要预先确定基函数和分解尺度的缺点,从而为计算包络谱的细化提供了一种简易算法。结果表明,基于经验模式分解自适应滤波的滚动轴承振动信号解调方法能够有效地突出故障特征频率成分,避免误诊断。     

基于小波包包络分析的滚动轴承故障诊断

提出一种基于小波包、能量分析和包络分析相结合的滚动轴承故障诊断方法。对实测振动信号进行小波包去噪,提取出有用的振动信号。利用小波包将去噪后的信号分解,求出分解后各频带的能量,根据各频带内能量分布,确定故障所在频带,并以此作为特征分量。对特征分量进行Hilbert解调分析,将包络谱谱峰处的频率与理论计算的滚动轴承故障频率进行对比,诊断轴承故障并确定故障位置。     

基于无量纲指标与小波变换的轴承故障诊断研究

鉴于滚动轴承在运转过程中能够产生冲击振动信号,将无量纲指标、小波变换与Hilbert包络分析相结合,实现对滚动轴承的故障诊断。将采集到的滚动轴承振动信号进行裕度指标、峭度指标等无量纲指标分析,来定性判断轴承是否存在故障,通过小波变换减小白噪声等干扰信号的影响,通过Hilbert包络谱解调分析,获取能够反映故障频率的振动信号。实例表明,该方法能够简单有效地实现滚动轴承的故障判断。     

基于小波变换的行星轮系点蚀故障信号分析

为获取煤矿机械行星轮系点蚀故障信号特性,建立行星轮系的虚拟样机模型,通过仿真生成3种状态下太阳轮和行星轮的啮合力信号。利用小波变换、Hilbert解调和谱峭度分析等方法,对啮合力信号进行了全面分析。结果表明:通过小波变换结合Hilbert解调,能够对行星轮系的点蚀故障特征进行较好的识别;点蚀越严重,小波细节信号的包络谱峭度值增大越明显。研究结果可为行星轮系的早期故障诊断提供一定的理论参考依据。     

基于隶属度函数和小波变换的轴承故障诊断方法研究

提出了一种基于隶属度函数和小波变换的轴承故障诊断方法。针对轴承的类型,搭建了新的轴承故障实验台,采集了其轴承故障振动信号。利用隶属度函数确定实测故障信号与理论特征故障频率的相似度,利用小波变换提取故障的频率。将故障隶属度和小波变换相结合,应用到对轴承故障诊断之中,确定轴承故障类型与产生机理。实验结果表明,该方法是可行的。     

改进梳状包络检波方法在滚动轴承故障诊断中的应用

针对基于复Morlet小波和Harmonic小波函数的带通滤波器的不足,提出一种在频域具有几乎"盒形"特性、时域又能迅速衰减的改进带通滤波器。为了解决滚动轴承的损伤类故障诊断问题,提出基于该滤波器的梳状滤波与包络解调方法。仿真实验表明:该方法可在故障调制频率及其谐波频率上进行窄带滤波、抑制带外噪声,轴承故障特征频率的包络谱谱峰清晰可见。     

基于包络谱分析的滚动轴承故障诊断方法研究

分别用小波分解、小波包分解和EMD分解处理滚动轴承故障数据,并结合Hilbert变换进行包络谱分析实现滚动轴承故障诊断。对滚动轴承故障数据进行小波阈值降噪。小波阈值降噪后分别进行小波分解、小波包分解和EMD分解。分别求出小波分解、小波包分解和EMD分解后各个频带的能量谱。再根据能量谱确定故障频带范围并对其进行信号重构。采用Hilbert变换对重构信号进行包络谱分析实现滚动轴承故障诊断。通过对滚动轴承内圈故障信号的分析验证了小波分解、小波包分解和EMD分解结合Hilbert变换进行包络谱分析的滚动轴承故障诊断方法的有效性。     

小波分析和Hilbert谱分析在故障诊断中应用

为了能有效地识别滚动轴承故障信号的非平稳和调制特点,提出了一种基于小波分析和Hilbert谱分析的滚动轴承故障诊断的新方法。使用小波分析对包含故障信息的信号进行分解、重构。进一步应用Hilbert变换进行解调和细化频谱分析。结果表明,小波分析和Hilbert变换的联合能够有效地提取故障特征频率并判断故障类型,非常适合滚动轴承的故障诊断。     

基于频谱分离与小波包分析相结合的滚动轴承故障诊断

针对提取的滚动轴承故障振动信号中包含大量噪声,采用频域分离的方法,从故障轴承振动信号中分离出纯故障信号,通过对纯故障信号进行小波包分解和重构,对重构后的小波包系数进行Hilbert包络解调并求取解调后信号的功率谱,从而从功率谱中识别出滚动轴承的故障特征频率,达到滚动轴承故障诊断的目的,并结合实验数据对该方法进行验证,结果证明了该方法的有效性。     

基于小波包算法的回转零件故障诊断

针对传统的故障诊断方法的局限性,将小波包分析方法应用到回转零件故障诊断中,利用小波包分解和重构方法有效地提取回转零件的共振频段,解决了传统方法人为确定共振解调频段的局限性。应用小波包算法处理后的信号重新采样,再根据Hilbert变换和包络谱细化原理,得到一种新的细化包络谱。通过回转零件的故障诊断实验分析,验证了该理论方法的正确性和实用性。     

小波分析在滚动轴承状态监测振动信号分析中的应用

通过分析用于滚动轴承状态监测的共振解调技术 ,发现由于滚动轴承不同元件的故障特征频率不同 ,因此用共振解调技术对滚动轴承进行状态监测时就需要具有不同中心频率的带通滤波器 ,使得检测线路及设备过于复杂。而小波分析技术仅通过采用不同的尺度因子 ,即可实现具有不同中心频率和带宽的带通滤波器 ,可以对振动信号在不同的频率范围内进行分析 ,刚好可以弥补上述方法的不足。文中给出了用小波分析技术对滚动轴承状态监测所得振动信号进行分析的一个例子。     

小波分析与铁谱技术在滚动轴承状态监测中的综合应用

文中分析了铁谱技术在滚动轴承状态监测中存在的不足,指出振动监测技术更加适合于滚动轴承的状态监测。通过分析用于滚动轴承状态监测的共振解调技术,指出滚动轴承不同元件的故障特征频率不同,用共振解调技术对滚动轴承进行状态监测时就需要具有不同中心频率的带通滤波器,使得检测线路及设备过于复杂。而小波分析技术仅通过采用不同的尺度因子,即可实现具有不同中心频率和带宽的带通滤波器,对振动信号在不同的频率范围内进行分析,刚好可以弥补上述方法的不足。文中给出了用小波分析技术及铁谱技术对滚动轴承状态监测一个例子。     

煤矿通风机轴承振动故障诊断技术的研究及应用

介绍了基于共振解调技术的滚动轴承故障诊断原理及方法,并研究了煤矿通风机典型故障的轴承特性振动频率。通过采集振动信号和频谱分析,有效、可靠地诊断出某矿通风机轴承的故障、类型和部位,及早发现了故障,避免了事故进一步恶化的危险。案例分析证明了共振解调技术在滚动轴承故障诊断中的可行性。     

基于小波分析的滚动轴承故障诊断

通过典型信号的MATLAB仿真讨论了小波在检测信号突变点时的选取原则。针对滚动轴承故障振动信号,先进行小波消噪,再进行小波分解与重构,对重构后的细节信号作Hilbert包络并进行谱分析,从功率谱中可清晰地识别出滚动轴承故障特征频率。     

基于小波去噪和EMD的齿轮箱故障诊断研究

提出小波去噪和EMD相结合的齿轮箱故障诊断的新方法。该方法首先对原始信号进行小波阈值去噪,将去噪信号利用EMD方法分解为多个IMF分量,计算各IMF分量和原信号的互相关系数,选择互相关系数较大的IMF分量进行Hilbert包络谱分析,提取故障频率。以互相关准则提取IMF分量避免了IMF分量选择的盲目性。对实测齿轮箱故障信号进行了分析,结果表明该方法能够有效地识别齿轮箱故障频率。     

基于小波包和EMD的滚动轴承故障诊断

针对滚动轴承故障振动信号的非平稳特征,提出了一种基于小波包和经验模态分解(Empirical Mode Decomposition,简称EMD)的滚动轴承故障诊断方法。该方法用小波包对振动信号进行预处理,用Hilbert变换求重构信号的包络,采用EMD方法将包络信号分解为若干个IMF分量,让故障信息得到凸显,然后根据某个分量的频谱,判断滚动轴承的故障类型。实验结果表明,比传统的时频分析方法,该方法能够更有效地提取轴承故障特征,诊断轴承故障。     

基于小波Hilbert包络分析与M-距离函数判别的滚动轴承故障诊断

振动信号是反映滚动轴承故障的显著信号之一。将测得的振动信号进行小波分析变换到时频域,对其高频成分加以提取并进行Hilbert包络功率谱分析,以各频段的能量和为特征量,建立M-距离判别函数来识别滚动轴承故障类型。通过实验分析结果表明该方法取得了较好地实验效果。     

基于小波包络谱分析的减速机故障诊断研究

介绍了小波分析方法,以小波分析和包络谱分析在故障诊断中的应用为例子,利用小波分析信号突变的特点,利用Hilbert包络并进行频谱分析,体现了小波包络谱分析的优越性,实现故障诊断的目的。