基于声发射波形流信号的滚动轴承故障双谱分析及诊断

使用声发射波形流测试技术,采集滚动轴承正常状态及外圈故障、内圈故障和滚动体故障时的声发射波形流信号,分析声发射波形流信号与故障频率特征值间的关系。运用包络谱分析方法对滚动轴承声发射波形流信号进行分析,提取运转过程中信号峰值频率,通过与滚动轴承不同故障固有特征频率的理论值对比,发现具有很好的一致性。通过对滚动轴承声发射波形流信号的包络分析,可实现滚动轴承故障的早期诊断。     

基于改进小波变换和包络分析的滚动轴承故障诊断

采用改进的小波分解和重构算法与包络分析相结合的方法,提取滚动轴承振动信号的故障特征频率。改进的小波分解和重构方法避免了Mallat算法频率混淆的缺陷,通过对重构信号特定频带进行包络分析,更加准确地提取了滚动轴承的故障特征频率。通过对无故障滚动轴承和内圈、外圈有故障的滚动轴承振动信号的分析,说明这种方法能够有效诊断滚动轴承的故障,并将该方法成功应用于某型航空发动机主轴承故障诊断。     

滚动轴承局部故障的声发射信号解析模型与频域特征

准确描述故障信号是进行滚动轴承故障特征提取与分析的基础。深入分析了滚动体通过轴承内、外圈局部故障时产生声发射信号的机理,建立了含双冲击响应的声发射信号解析模型,并探讨了声发射信号的频域特征。采用仿真信号与试验信号验证了解析模型的正确性。结果表明:滚动体通过局部故障时会产生与进、出故障相关的2个声发射事件,且2个事件的响应能量均集中在传感器共振频率附近;声发射信号功率谱由低频段的离散谱和高频段的连续谱共同组成。     

基于MODWPT的包络阶次谱在滚动轴承故障诊断中的应用

为了有效提取滚动轴承的故障特征,提出了基于MODWPT的包络阶次谱故障诊断方法.采用MODWPT将多分量的滚动轴承振动信号分解为若干个分量,对各个分量信号进行包络分析并对包络信号进行角域重采样;最后对重采样后的信号进行频谱分析,得到包络阶次谱,从而判断滚动轴承的工作状态和故障类型.采用该方法分别对仿真信号和实验信号进行了分析,结果表明了该方法的有效性.     

基于RSSD和小波变换的滚动轴承故障诊断

滚动轴承故障被视作瞬态冲击成分,在信号共振稀疏分解中一般被分解到的低共振分量当中。由于噪声影响,低共振分量的希尔伯特解调包络谱中依然存在大量的干扰频率,使得故障特征提取有时不明显,或不易观察,因此本文提出了一种基于信号共振稀疏分解(RSSD)与小波变换相结合的故障诊断方法。在滚动轴承早期微弱故障的诊断中,采用小波分析技术对隐藏于低共振分量的故障特征进行提取,可以更加有效地凸显故障特征;通过对滚动轴承内圈和外圈单一故障振动信号的分析应用,成功提取了故障特征,验证了这一方法在滚动轴承早期故障诊断应用的有效性。     

基于独立分量分析的滚动轴承故障诊断

本文应用独立分量分析(ICA)将滚动轴承系统产生的声信号从传声器获取的声信号中分离出来,然后再采用基于morlet小波变换的包络分析进行再次降噪并获取特征信号,将此特征信号的特征频率与转子频率之比作为已经训练好的线性神经网络的输入向量,以对滚动轴承的运行状态做出判断.实验表明,此方法可靠、有效地诊断出了轴承的状态.     

AE技术对滚动轴承故障诊断的研究

设计组成了以计算机为中心的声发射信号提取与分析系统，采用高频声发射信号的共振解调法，既能判断轴承有无故障，又能确定故障发生的部位．实验表明，周AE共振解调法可以检测低速及普通转速下滚动轴承的故障，且有早期预测故障的特点，对实际设备诊断与维修有一定的指导意义．     

基于循环自相关的滚动轴承故障特征提取研究

滚动轴承在工作过程中产生的振动信号既有周期性又有随机性。周期性信号来源于滚动轴承的周期运转方式,这种周期性本质上是一种近似周期的冲击性振动;随机性信号来源于滚珠的滑移、制造误差等多种因素。因此,对于滚动轴承的故障诊断来说,理论上用循环平稳模型来描述故障特征比单纯用周期性模型描述更加合适。以循环平稳模型为基础,提出一种基于循环自相关的滚动轴承故障特征提取方法,通过理论分析以及滚动轴承故障仿真和试验,证明了循环频率可以反映故障特征频率。用循环自相关函数谱图与包络频谱图进行对比分析,说明在提取滚动轴承故障特征时,利用循环自相关函数法能够很好地抑制噪声。所提出的方法对于滚动轴承故障的精细诊断具有重要的意义。     

基于FV-FBE的滚动轴承故障诊断研究

针对单通道信号不能全面提取旋转机械的振动信息,为了从强背景噪声中准确提取出滚动轴承的微弱故障特征,提出了一种全矢频带熵(FV-FBE)的滚动轴承故障诊断算法。该方法采用短时傅里叶变换计算频带熵(FBE),根据FBE最小原则自适应设计双通道信号的带通滤波器带宽和中心频率,对滤波后的双通道信号采用全矢Hilbert包络解调,得到全矢包络谱进行滚动轴承的故障识别。实验结果表明:FV-FBE算法可以全面准确地提取滚动轴承故障特征,优于谱峭度算法得到的全矢包络谱,抗干扰能力强。     

基于LCD和Teager能量算子的滚动轴承故障诊断

提出了一种基于局部特征尺度分解和Teager能量算子包络解调的滚动轴承故障诊断方法.首先,在定义具有物理意义瞬时频率的单分量信号——内禀尺度分量(intrinsic scale component,ISC)的基础上介绍了一种全新的信号自适应分解方法——局部特征尺度分解(local characteristic-scale decomposition,LCD).然后,在滚动轴承故障模拟试验台上采集振动信号,并对信号进行局部特征尺度分解,将其分解成为若干个内禀尺度分量,之后对包含故障信息的ISC进行能量算子包络解调,从而得到轴承故障的特征频率.实验和工程实践的轴承故障信号分析结果表明:该方法可以准确识别滚动轴承的故障,可以应用于工程实践.     

基于声发射信号的柴油机排气阀故障诊断试验研究

气阀的撞击和气体压力的冲击均会产生声发射信号,声发射信号的频率范围宽,信息量丰富,在无损检测领域已得到了广泛应用,将声发射传感器引入柴油机排气阀的故障监测诊断中,以WP10.240N型柴油机为研究对象,搭建试验测试平台,模拟3种类型的排气阀故障,通过试验研究了柴油机气阀在不同状态下声发射信号特征,提取了与排气阀故障相关的特征参数,探索了基于声发射信号的柴油机气阀故障诊断的可行性。     

一种基于MED和希尔伯特变换的滚动轴承早期故障诊断方法

滚动轴承的早期故障诊断对于设备预测和健康管理具有重要意义,然而受环境噪声、传递路径、信号衰减及源信号本身比较微弱的影响,滚动轴承故障的初期微弱信号特征往往难以提取。为了解决这一问题,提出了一种基于最小熵解卷积(minimum entropy deconvolution,MED)与希尔伯特变换(Hilbert transform,HT)相结合的滚动轴承故障特征提取方法(MED-Hilbert),该方法首先应用MED算法对传感器信号进行处理以提高信号的信噪比,然后通过希尔伯变换提取冲击能量信号,最后用谱分析技术提取故障对应的特征频率,并与理论故障频率比较后成功确定故障。与信号仅仅进行包络分析方法相比,该方法具有很好的降噪效果以及对微弱故障特征的增强作用。计算机仿真与实验验证了该方法在滚动轴承早期故障诊断中的有效性。     

钢筋混凝土构件损伤状态的声发射识别

为实现钢筋混凝土构件的损伤识别,利用声发射技术对钢筋混凝土梁进行了损伤监测研究。采用Hilbert-Huang变换对声发射信号进行了分析,利用经验模态分解(EMD)将信号分解为固有模态函数(IMF),得到Hilbert谱,反映信号时频特性。从IMF中提取声发射特征参数,即固有模态函数最大瞬时幅值和特征瞬时频率。通过参数与波形的混合分析,确定钢筋混凝土构件的损伤状态,获得结构加固修复和失效破坏的两个安全预警信号,为声发射技术应用于钢筋混凝土结构健康监测提供理论基础。     

基于小波包能量谱的滚动轴承故障检测

小波包具有对非平稳信号进行局部化分析的功能,可解决小波分析在高频部分分辨率差的问题,据此,提出一种基于小波包能量谱的滚动轴承故障分析方法。首先,将振动数据小波包分解为多个子频带,求出各频带的能量比例;然后,比较正常振动信号与故障振动信号的频带能量谱,识别出故障的频带;在此基础上,重构故障频带,运用Hilbert变换对重构信号包络解调,提取出故障频率。试验结果验证了采用小波包能量谱对滚动轴承故障检测的可行性。     

基于最小熵解卷积的带式输送机传动滚筒轴承故障诊断

带式输送机传动滚筒轴承发生故障时,特别是早期故障,其振动信号中隐含的脉冲故障信息很微弱,且常被淹没在强烈的噪音中,直接做频谱分析或包络分析,很难提取其故障特征。最小熵解卷积(Minimum Entropy Deconvolution,MED)通过最优滤波器对轴承微弱故障信号进行最优滤波,提高了信号的信噪比,然后对滤波后的信号进行包络解调分析,能够提取出信号中隐含的故障特征。将该方法应用于带式输送机传动滚筒中的滚动轴承故障诊断,成功提取出了轴承内圈的早期微弱点蚀故障特征。对FIR滤波器阶数L的选择进行了分析,以确保最优的MED解卷积效果。仿真与应用验证了最小熵解卷积方法在滚动轴承故障诊断的有效性和优点。     

复合材料层板冲击后剩余压缩性能声发射分析

利用声发射技术对复合材料层合板的低速冲击和压缩破坏进行了分析.测试过程中用声发射技术进行实时监测,结合载荷—位移曲线,分析了声发射能量,幅值和波形经过快速傅里叶变换后的峰值频率,并对典型信号的波形进行了频谱分析.结果表明:AE参数能很好的描述复合材料层合板低速冲击及其剩余压缩行为.     

基于聚类分析的转子碰摩声发射特征提取

根据碰摩声发射信号的特点,选用波形幅值、脉冲指标、裕度指标和峭度指标作为声发射信号聚类分析的特征参数.利用聚类分析,提取转子试验有、无碰摩两种情况下的聚类中心声发射信号,并采用伪Wigner-Ville分布对各中心信号进行分析和对比,从而得到转子碰摩故障的声发射信号特征频率.试验结果表明:聚类分析方法能有效区分出碰摩声发射信号,为碰摩故障诊断提供了一种新方法.     

基于复小波和奇异值比谱的轴承故障检测方法

提出一种基于包络分析和奇异值比谱的滚动轴承振动故障监测和诊断方法。首先利用具有解析带通特性的复Morlet小波来获得信号的包络,然后采用扫频方式检测奇异值比谱最大峰值自动提取、增强、重构包络信号中的主周期分量,提取到轴承故障特征。该方法已成功地应用到了对滚动轴承故障检测实验,验证了该方法的有效性、可行性。     

基于小波-VMD-Teager能量算子的滚动轴承微弱故障诊断

针对滚动轴承的单一故障进行诊断,提出了将小波VMD-Teager能量算子相结合和小波CEEMD-Teager能量算子相结合的诊断方法。对于滚动轴承的故障信号首先是进行小波降噪,使用VMD分解得到IMF分量,利用峭度和相关系数的大小选择合适的IMF分量,进行重构。通过对重构的IMF进行Teager能量算子包络解调处理,最后可以得到不同故障程度的轴承故障的特征频率。对比VMD处理和CEEMD处理得到的故障信号包络图,利用实验数据验证表明, VMD处理能更有效提取滚动轴承的单一故障微弱特征。     

预应力钢筋混凝土梁损伤过程的声发射信号频带能量特征分析

为了研究预应力钢筋混凝土梁在三点弯曲破坏试验过程中的声发射信号频谱及能量变化特征与梁结构损伤之间的关系,在研究声发射能量与时间的相关图基础上,提取了不同阶段破坏过程中的信号波形。通过FFT变换和小波包变换对信号分析处理,发现不同损伤破坏阶段的信号频率分布、频带能量变化规律,即试件损伤破坏过程声发射信号频率范围主要在0~325 k Hz,随着损伤的加剧,频率范围会逐渐缩小,幅值和频谱密度会变大;损伤破坏过程中能量主要分布在低频0~125 k Hz高频段能量逐渐衰减,低频0~62.5 k Hz段能量有上升趋势。这些规律对实际工程结构的在线健康监测和损伤评估有指导意义。