基于解调振动信号特征提取齿轮箱的故障诊断

通过振动信号的可调频率成分研究齿轮裂纹尺寸的故障识别,振动信号分析是基于Hilbert变换和自适应小波.Hilbert变换用于获得振动包络,从而从低信噪比的振动信号中解调载波频率,自适应Morlet小波建立振动信号模型,从而从解调载波频率中提取特征,以鉴定齿轮箱中齿轮的裂纹尺寸.该方法用于分析在不同角速度、不同负载转矩和不同裂纹尺寸下的试验振动信号,结果表明,该方法用于鉴定齿轮箱中齿轮的裂纹尺寸是灵敏和有效的.     

基于复值稀疏贝叶斯的Hilbert变换计算方法

Hilbert变换是信号分析及信号处理中的重要工具, 由于Cauchy核在原点的奇性增加了Hilbert变换计算的难度。最近, 研究者们首次提出了利用复解析的方法来计算Hilbert变换的自适应傅里叶分解(Adaptive Fourier Decomposition, AFD)方法。AFD方法通过参数化的Szegö核的线性组合来自适应逼近解析信号从而求得原始实值信号的Hilbert变换。与传统计算Hilbert变换的方法相比, AFD方法可以给出逼近的解析表达式且适用范围更广。然而AFD方法在根据最大选择原理选择参数时需要穷尽单位开圆盘的所有点, 这是非常耗时的。稀疏贝叶斯学习是近年来机器学习研究的热点, 基于Szegö核的复值稀疏贝叶斯学习算法能提供稀疏的有理逼近。本文将提出基于Szegö核的复值稀疏贝叶斯学习算法来近似计算Hilbert变换, 该方法具有AFD方法的优点且可以不需要参数控制进行迭代优化, 运算速度快。实验结果表明, 所提方法是有效的。     

基于提升小波变换和Hilbert调制技术的故障识别方法

齿轮局部发生故障后,非线性振动信号频谱中齿轮啮合频率及其二、三次谐波附近的边频带均出现显著增长.由于提升小波算法预测和更新原理与故障信号紧密相关,利用提升小波对振动信号进行时频特性分析和信息预处理,通过预测器和更新器的设计取代小波基函数选取过程;随后对蕴含大量故障特征信息的高频细节信号实施Hilbert变换,调制信号的包络谱中彻底剔除常规振动分量仅保留故障信息,该方法可高效识别振动信号频谱中的齿轮故障特征频率.最后用实例验证基于提升小波变换的Hilbert调制分析在齿轮故障诊断中的有效性.     

小波分析与Hilbert分析在滚动轴承故障诊断中的应用

针对滚动轴承故障信号的非平稳和调制特点,使用小波分析技术,对检测的信号进行分解,并对含有故障特征的信号进行重构,实现故障信号的提取.应用Hilbert变换进行解调和细化频谱分析,得出故障信号所对应的频谱,从而判断轴承故障模式.通过Matlab仿真证明了小波分析结合Hilbert分析法在滚动轴承故障诊断中提取特征频率的应用价值.     

一种基于Hilbert和Chirp—Z变换闪变测量的改进方法

为了对电压闪变,提出了一种基于Hilbert和Chirp—Z变换的改进算法。首先介绍了Hilbert变换和Chirp—Z变换的原理,并从理论上推导了用Hilbert变换提取闪变包络线的公式。然后指出波动分量为方波时不能直接应用频谱分析法,需要对基于Hilbert和Chirp—Z变换的测量方法进行改进。最后用算例对所提方法进行仿真验证,证明该方法的正确性。     

基于迭代Hilbert变换的行星齿轮箱振动信号分析

针对行星齿轮箱振动信号频率成分复杂及调幅-调频的特性,提出迭代Hilbert变换与Fourier变换相结合的信号解调分析方法.通过迭代Hilbert变换分离出一组调幅-调频单分量成分,估计单分量成分的瞬时幅值和瞬时频率,选取故障敏感分量,运用Fourier频谱实现了对敏感分量的幅值解调和频率解调.基于行星齿轮箱局部损伤故障仿真信号分析,将迭代Hilbert变换与Hilbert振动分解比较,结果突出了迭代Hilbert变换在分解速度、分解结果信噪比及特征频率提取效果上的先进性.将所提方法应用于实验信号分析,准确提取出特征频率,诊断了齿轮故障,结果表明了该方法的有效性.     

Hilbert变换在物探领域的应用现状概述

从物探领域将Hilbert变换应用于复数信号分析至今,Hilbert变换不论是从理论算法上还是应用领域上都得到了很大的改进和扩展,已成为物探领域资料分析处理的主要手段之一。本文主要回顾30多年来Hilbert变换在物探领域的发展历程,在此基础上,总结出其理论和应用上的缺陷以及主要面临的问题,并提出了可能的解决方案。     

Hilbert变换及其在机械故障诊断中的应用

阐述了Ｈｉｌｂｅｒｔ变换基本原理，分析了齿轮和轴承的故障特征。应用Ｈｉｌｂｅｒｔ变换的解调技术对齿轮故障信号进行了幅值、相位和频率解调。最后通过一诊断实例进一步说明了Ｈｉｌｂｅｒｔ变换在齿轮和轴承故障诊断中的应用。     

基于IGBT新型消弧线圈自动调谐系统

在配电网电容电流实时测量新方法研究的基础上,提出一种新型的基于IGBT控制的消弧线圈自动调谐系统。配电网正常运行时,控制IGBT模块使电路断开,避免工频过电压的产生;配电网发生单相接地故障时,控制IGBT模块使电路导通,消弧线圈投入运行,采用PWM控制技术对配电网接地电容电流进行补偿,有效促进瞬间熄灭故障电弧;此种控制方法补偿速度快、范围宽、造价低,实现了电感电流的无级调节.通过MATLAB对模型进行仿真,验证了该方法的可行性及其优点.     

EMD与同态滤波解调在滚动轴承故障诊断中的应用

根据滚动轴承的振动故障特征,介绍了一种新的基于经验模态分解(Empirical Mode Decomposition,EMD)与同态滤波解调相结合的滚动轴承故障诊断方法.EMD可将轴承故障信号分解成若干个IMFs(Intrinsic Mode Functions),各个IMF突出了原始信号的某些局部特征.再对某些IMFs有针对性地进行同态滤波解调,提取了轴承内圈故障特征频率,诊断出轴承内圈严重磨损故障.同时,为更突出同态滤波解调方法的优越性,与Hilbert包络进行了对比分析.仿真与应用结果表明,同态滤波解调方法要优于Hilbert包络法.     

基于自适应滤波的滚动轴承故障诊断研究

针对固有频率未知的滚动轴承故障诊断问题，提出了一种基于经验模态分解的自适应滤波方法。讨论了经验模态分解方法及其在获取固有模态函数过程中的自适应滤波特性。通过对滚动轴承故障振动信号进行经验模态分解得到固有模态函数，运用希尔伯特变换解调固有模态函数得到包络幅频图，获取滚动轴承故障特征频率，进而确定滚动轴承的故障位置。应用该方法对仿真和实际数据进行了分析，并与冲击脉冲法作了比较。结果表明，基于经验模态分解自适应滤波的滚动轴承振动信号解调方法能够更有效地突出故障特征频率成分，避免误诊断。     

基于复互小波分析的模拟电路故障诊断方法

针对模拟电路故障诊断研究中故障特征提取的难题,提出基于复互小波变换的相对幅度?相对相位协同分析的新方法,并根据复互小波变换的特点构建了故障敏感信息提取算法。使用复互小波变换能同时提取模拟电路在不同频率和时间尺度上的故障特征,并且相对幅度和相对相位信息分别从信号“能量”和“时间延迟”两个不同角度表征模拟电路的故障信息。该方法同时使用了蒙特卡洛方法构建正常电路元器件的容差范围,仿真实验结果表明该方法可以有效地解决模拟电路中灾难型和参数型故障诊断问题。     

基于小波分析的发电机匝间短路故障的智能诊断研究

本文提出了基于小波变换和模糊理论的智能诊断新策略。通过故障信号小波变换的模量极大值特征的提取,可实现发电机定子绕组匝间短路故障的诊断。仿真实验表明,本方法适用于动态非平稳故障信号的特征提取,适合于实时故障检测。同时,结合模糊诊断技术提高了故障诊断率。     

基于差异度的旋转机械故障分类

针对旋转机械在故障和正常状况下的旋转振动信号存在频率差异的特点,给出了差异度的信息分离方法。依据该方法筛选出有用的IMF分量,求取这些IMF分量的能量特征。把这一系列特征向量送入分类器进行分类,从而可以实时、高效的对旋转机械进行诊断,并完成故障分类。     

基于 EMD-CNN 的光伏逆变器开路故障诊断

绝缘栅双极型晶体管（IGBT）是光伏逆变器的核心部件,其若发生开路故障,不但会影响光 伏逆变系统的稳定运行,且可能会损坏系统设备。从减少传感器使用数量和融合多尺度特征的角度出发,对 开路故障诊断问题进行了研究,提出了一种基于经验模式分解（EMD）和二维卷积神经网络（2D-CNN）的 光伏逆变器故障诊断新方法。该方法利用 EMD 提取电流信号的本征模函数分量和原始信号组成二维特征数 据,然后将该数据输入 2D-CNN 模型中进行训练,最后实现 IGBT 开路故障的诊断。实验结果表明,该方法 不仅能提高故障诊断的准确率,而且在噪声环境下具备有效性和鲁棒性。     

基于MODWT和BP神经网络的微电网故障诊断方法

近年来,随着微电网技术的持续发展,电力用户对其供电可靠性的要求也不断提高,因此微电网故障诊断研究也变得越来越重要。提出了一种基于极大重叠离散小波变换(MODWT)和反向传播(BP)神经网络的微电网故障诊断新方法,并通过仿真与算例进行了验证。结果表明:该方法能快速、准确地识别出故障类型,且不受故障初始相位角和过渡电阻等因素的影响;与现有的基于离散小波变换和反向传播神经网络的诊断方法相比所提出的方法可以提供更好的故障分类精度。     

基于双树复小波包和AR谱的滚动轴承复合故障诊断方法

针对滚动轴承复合故障信号中故障特征难以分离的问题,提出了基于双树复小波包和自回归(autoregressive,AR)谱的故障诊断方法.首先,利用双树复小波包变换将复杂的、非平稳的复合故障振动信号分解为若干个不同频带的分量;然后,对包含故障特征的分量进行希尔伯特包络;最后,对包络信号求其AR功率谱,由此实现对复合故障特征信息的分离和故障识别.实验结果表明:该方法可有效地分离轴承复合故障的特征频率,验证了该方法的可行性和有效性.     

基于Hermitian小波的时间-小波能量谱滚动轴承故障诊断方法

针对滚动轴承早期故障微弱特征难以提取的问题,提出了一种基于Hermitian小波时间-能量谱的滚动轴承故障诊断方法.该方法针对轴承故障振动信号具有奇异性的特点,首先利用Hermitian小波对原始信号进行连续小波变换;再根据小波变换的结果求取信号能量在时间轴上的分布情况,利用谱峭度指标作为选择最佳累积尺度的标准,得到时间-小波能量分布;最后对时间-小波能量分布进行谱分析得到时间-小波能量谱以提取故障特征.利用时间-小波能量谱对仿真信号和轴承外圈及内圈点蚀故障信号进行分析.结果表明:该方法可有效地提取出强噪声环境下微弱故障的特征成分,并与普通的时间-小波能量谱作对比,特征提取效果更为明显,非常适用于滚动轴承早期故障诊断.     

轨道车辆齿轮箱故障诊断系统研究与开发

对传感器采集的齿轮箱监测数据信号进行数学处理,先进行特征因子计算,如峰值、均值、均方、偏度、峭度、峰值因子等,再进行高级分析,如傅立叶变换、希尔伯特变换、小波变换、倒频谱变换等,通过这些处理后的数字图形可以帮助更好的进行故障诊断.通过振动诊断的时域分析方法、频域分析方法、模糊诊断方法等识别和诊断故障,并建立故障诊断专家系统,用以实现智能故障诊断.