基于EMD与核马氏距离的变速器轴承故障程度评估研究

变速器轴承故障是失效模式的重要因素,故障程度评估是剩余寿命预测的基础,也是实现"视情维修"的前提。经验模态分解(Empirical mode decomposition,EMD)通过信号本身的时域特征,将其自适应地分解为多个分量,具有优异的时频聚焦能力,经常被用于非平稳信号的故障特征提取。本文将EMD与核马氏距离相结合,利用EMD优异的时频特性进行特征提取,以核马氏距离评估轴承的故障劣化程度。     

基于CEEMD-SVD和ELM的滚动轴承故障诊断

针对滚动轴承故障特征难以提取和故障难以识别的问题,提出一种基于互补总体平均经验模态分解(CEEMD)与奇异值分解(SVD)和极限学习机(ELM)分类模型相结合的滚动轴承故障诊断方法。该方法首先通过CEEMD对原始采样信号进行分解,得到由高频到低频组成的固有模态分量(IMFS),通过互相关性分析筛选出最能表征原始信号的固有模态(IMF)分量,并对它进行奇异值分解,然后将分解得到的奇异值作为特征参数构造特征向量,最后采用ELM分析提取特征向量矩阵,并建立ELM分类模型,实现对轴承故障类型的识别。仿真结果表明该方法对滚动轴承的故障识别度达到了95.0%。     

塑料光纤传感器在烟草机械故障诊断的应用研究

基于塑料光纤传感器在烟草机械的故障监测诊断方法。通过塑料光纤传感器采集了烟草机械轴承的状态信号,研究了振动信号的时域信号和频域信号。结果表明:内圈故障和外圈故障对轴承带来的冲击最大,振动幅值相对于滚子故障轴承更高。均值、峰值指标和波形指标不适用于轴承的故障状态识别,峰值、脉冲指标和裕度指标适合识别内圈故障和外圈故障的轴承,有效值和峭度指标适合区分内圈故障、外圈故障、滚子故障和正常状态的轴承。正常状态轴承信号谐波分量最少,内圈故障和滚子故障轴承信号的谐波分量最多。滚子故障轴承信号的谐波分量幅值最小,外圈故障轴承信号的谐波分量幅值最大。     

VMD结合误差能量算法在管道泄漏检测中的应用

为了实现对管道泄漏信号的去噪并进行有效信息的提取,使用变分模态分解(VMD)结合误差能量算法对管道信号进行处理。首先,对采集到的信号进行VMD处理,得到一系列IMF(原始信号经过VMD分解后的分量)。然后,对提取到的IMF的概率密度函数进行误差能量计算,比较所得的误差能量大小,筛选合适的IMF。最后,把所有满足条件的IMF叠加起来,重构原始信号去噪后的有效信息。     

基于经验模态分解的粘接结构缺陷定量检测

针对固体火箭发动机壳体/绝热层界面缺陷进行超声定量检测问题,本文提出采用经验模态分解(EMD)对信号进行降噪处理。通过对信号进行EMD处理,求得各阶本征模态函数(IMF)。通过分析各阶IMF分量的时域信号、频域信号与原始信号的相关性,提出将IMF3分量作为缺陷定量的特征信号,采用峰值引力波因子(SWF)作为特征量来评价特征信号,通过比较SWF数值大小实现了粘接结构脱粘缺陷的定量检测。     

奇异值分解技术在齿轮箱故障诊断中的应用研究

首先利用伪相图确定齿轮箱振动信号的基本周期，并在此基础上对原始信号进行时域平均降噪处理。然后应用奇异值分解技术提取各齿轮轴的振动信号分量，并对此振动信号分量作进一步的时、频域分析，给出了描述齿轮轴振动信号分量变化的定量指标。最后结合实例说明这种方法对诊断齿轮箱故障是比较有效的。     

基于CEEMDAN和AR模型的岩体声发射信号特征提取方法研究

针对岩石声发射信号因非平稳、复杂性特征而难以有效提取特征参数的问题,提出了一种基于自适应完整集成经验分解算法(CEEMDAN)和AR模型的特征提取方法,以红砂岩为研究对象,用CEEMDAN对其破裂阶段的信号进行分解,利用相关系数法选择有效IMF分量,并进行能量归一化处理,以消除其他因素对模型的影响。通过计算各阶段信号AR模型的AIC值,建立最佳阶次模型AR(5),并通过对比试验验证了模型的准确性,并将提取的5阶AR模型系数作为特征向量,为后续预测岩石失稳现象提供了依据和方法。     

基于CEEMD和GG聚类的轴承故障识别方法

为提高复杂工况下滚动轴承故障识别率,提出一种基于互补总体平均经验模态分解(CEEMD)和GG聚类的轴承故障诊断方法。用CEEMD方法对原始采样信号进行分解,并选择包含故障特征丰富的IMF分量求解近似熵,最后将近似熵作为特征向量输入GG聚类分析器中对轴承故障类型进行分类与识别。验算分析结果证实该方法能够有效提高复杂工况下滚动轴承的故障识别精度。     

基于小波和EMD的滚动轴承非接触声发射诊断方法

采用声发射技术对滚动轴承进行非接触检测,利用小波分解把故障轴承信号分解在不同频段,然后依照各频带能量重构信号,消除背景噪声,对降噪信号进行EMD分解,对分解后感兴趣的IMF进行边际谱分析,观察特征频率,得到清晰的故障信息,以此诊断轴承故障。     

小波分析在真空练泥机轴承故障诊断中的应用

针对练泥减速机滚动轴承运转速度低、响应弱、低频信号容易淹没、调制源多、振动信号非平稳性等特点而导致常规的傅立叶分析诊断故障效果不佳的情况，提出了一种小波变换的时频分析滚动轴承故障诊断方法。利用小波变换对振动信号进行分解和重构处理，获得了振动信号在不同的频段的分量，提取相应特征频段重构分量的功率谱的频域统计值作为特征参数，从而实现对轴承故障诊断。试验结果显示该方法对真空练泥机轴承故障诊断有很好的效果。