基于形态梯度算子的滚动轴承故障特征提取

滚动轴承故障信号是一种典型的脉冲调制信号,从含有噪声的振动信号中有效地提取出冲击脉冲信号是振动轴承故障诊断的关键.提出了采用形态梯度算子提取滚动轴承冲击脉冲信号的方法,并与常用的包络解调分析和形态闭算子进行了比较分析.仿真信号和实测轴承故障信号的分析结果表明:形态梯度解调算子具有更强的噪声抑制和脉冲提取能力,并且计算简...     

轴承故障信号的平均组合差值形态滤波分析

为了提取受谐波和随机噪声干扰的信号中的冲击故障特征,提出基于平均组合差值形态滤波（ACDIF）和Teager能量峭度（TEK）的滚动轴承故障诊断方法.将对冲击成分具有不同抑制方式的4种基本形态算子两两合并加强抑制效果,组合作差反向提取出正、负冲击,构造出一组新的组合差值形态算子（CDIF）,通过比较分析选择其中2种CDIF的平均值作为最终滤波输出.针对滤波过程中结构元素（SE）的选择问题,采用TEK作为评价指标筛选最佳结构元素长度,有效提高了滤波处理的效率和精确度.数值仿真和轴承外圈故障振动信号的试验结果表明,利用该方法能够有效地滤除随机噪声和谐波干扰,提取强背景噪声下的冲击故障特征,滤波效果优于传统方法.     

形态滤波方法在振动信号降噪中的应用

针对在旋转机械振动信号采集过程中引入的噪声污染和基线漂移等问题,采用形态开-闭和闭-开组合运算对染噪的振动信号进行处理.采用形态滤波方法对振动信号进行降噪处理,无须考虑振动信号的频谱特征.在对信号进行基线漂移校正时,所取直线结构元素的长度为采样信号周期长度的一半即可,但是为了得到更好的效果,可以将结构元素取得长一些.为消除信号中混入的尖峰脉冲干扰,结构元素的长度应该远小于待滤波函数的长度,并大于干扰脉冲的宽度.通过在仿真信号中加入不同的噪声干扰检验形态滤波方法的降噪能力,并将形态滤波方法用于现场信号的降噪处理,处理后的信号较好地保持了原信号的特征,说明该方法具有良好的滤波降噪效果,而且算法简单,便于工程现场的使用.     

齿轮裂纹早期故障的完全解调分析

齿轮轮齿发生早期裂纹时,裂纹故障信号十分微弱,为了有效提取早期裂纹故障特征,本文提出完全解调分析方法,即针对实际的齿轮振动信号调幅、调相同时存在的特点,进行幅值包络解调和相位解调相结合的完全解调分析．仿真及实例分析结果表明,本文所提出的方法能将齿轮早期裂纹故障信息从复杂的振动信号中提取出来,幅值包络解调和相位解调相结合的完全解调分析,可以提高故障诊断准确率．     

数学形态滤波在音频大地电磁去噪中的应用

大地电磁去噪方法种类多,且各有其优缺点。本文引入汤井田教授的一种新方法——数学形态滤波法,它是依据形态学原理而创建的一种新型的非线性滤波方法,在信号和图像处理领域中得到广泛的运用。本文通过仿真实验设计一个加噪的正弦曲线,通过经腐蚀运算、膨胀运算、开闭运算、闭开运算和经形态滤波后分析曲线特征,之后对比经组合广义形态滤波在同一结构元素不同长度、同一长度不同结构元素滤波效果,最后将组合广义形态滤波引进到实测的音频大地电磁数据中,对比其滤波前和滤波后的视电阻率曲线,结果表明形态滤波能有效抑制音频大地电磁法中大尺度干扰,取得了良好的应用效果。     

轴承故障诊断中共振解调技术的应用研究

为解决机械设备滚动轴承的早期故障难于识别的问题,采用共振解调技术对此类故障对应的微冲击脉冲进行了提取研究．分别采用频谱分析、软件及硬件共振解调的方法对滚动轴承的外圈点蚀故障信号进行了分析．结果表明,共振解调技术能提取早期故障的微冲击特征,相对软件共振解调,硬件共振解调谱图故障特征明显,能对轴承早期裂纹、点蚀等微冲击故障进行有效提取．     

轴承复合故障欠定盲提取算法研究

针对实际工业现场强背景噪声、干扰源多、源数目未知等问题,提出一种基于多尺寸多结构元素的闭-开平均组合形态滤波和SCA相结合的(C-OACMF-SCA)故障特征盲提取方法.首先使用C-OACMF滤除背景噪声信号,提取观测信号的特征信号,然后使用模拟退火遗传算法的模糊C-均值聚类算法估计混合矩阵,最后通过线性规划估计源信号,实现故障特征提取.通过计算机仿真及实际环境下轴承复合故障振动信号欠定盲分离实验验证该算法的有效性.     

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.     

一种叶片裂纹检测的稀疏共振解调算法

针对强相干噪声干扰下叶片振动信号中裂纹故障微弱特征的提取问题,提出了一种基于稀疏共振解调的诊断方法。首先,利用从中心集化多分辨分析处理机组上取得的原始振动信号进行子空间重构;其次, 对小波子空间信号进行希尔伯特包络解调,选取故障特征频率及其倍频成分能量占优的子空间;再次, 根据周期性故障稀疏模型,采用梳形滤波器分离故障特征频率及其倍频成分,构造故障分量参考信号;最后,结合故障参考信号对子空间重构信号进行小波降噪, 从而提取与叶片裂纹相关的微弱特征。在出现叶片裂纹故障的发电机组增压风机故障诊断案例分析中,仅采用多尺度分解无法在时域上得到周期性冲击故障特征。而采用所提出的基于稀疏共振解调方法进行信号处理后,强相干噪声得到了有效抑制, 从而突出了故障特征。     

基于EMD解调方法的齿轮早期故障诊断

为了提取早期数据的故障信息,对大型机电设备进行预知的故障诊断,针对某高线轧机近期发生的一次辊箱齿轮打齿故障,采用基于经验模式分解(empirical mode decomposition,简称EMD)技术和Hilbert包络解调分析相结合的方法,获得了早期裂纹故障信息被清晰提取的结果.对机械早期故障振动信号的分析结果表明,基于EMD的分解技术加包络解调法能有效地提取机械故障振动信号的特征,利于提早发现故障隐患.     

双树复小波包和谱峭度在齿轮故障诊断中的应用

针对故障齿轮振动信号的非平稳和调制特性,提出了基于双树复小波包变换和谱峭度的齿轮故障诊断方法.首先,利用双树复小波包变换将原始振动信号分解为若干个不同频带的信号分量,选择与原始信号相关系数大的分量进行阈值降噪并重构;然后,对降噪后的信号利用谱峭度所得的峭度图选择最佳的带宽和频带中心进行相应的带通滤波处理;最后,将带通滤波后的信号作平方包络和傅里叶变换,即可得到信号的包络解调谱,从而提取故障特征信息.通过对试验和工程实际的齿轮故障信号分析表明:双树复小波包变换和谱峭度结合的方法可有效地提取齿轮故障特征信息,进而实现故障识别,验证了方法的可行性和有效性.     

Research on the Comprehensive Demodulation of Gear Tooth Crack Early Fault

The component of gear vibration signal is very complex,when a localized tooth defect such as a tooth crack is pre- sent,the engagement of the cracked tooth will induce an impulsive change with comparatively low energy to the gear mesh signal and the background noise.This paper presents a new comprehensive demodulation method which combined with amplitude envelop demodulation and phase demodulation to extract gear crack early fault.A mathematical model of gear vibration signal contain crack fault is put forward.Simulation results based on this model show that the new comprehensive demodulation method is more effective in finding fault and judging fault level then conventional single amplitude demodulation at present.     

自适应时间尺度分解方法及其应用

针对齿轮故障振动信号的非线性、非平稳和多分量的特征,在定义了瞬时频率具有物理意义的本征时间尺度函数(intrinsic time-scale function,ITF)的基础上,结合固有时间尺度分解中基线信号的构造方法,提出自适应时间尺度分解(adaptive time-scale decomposition,ATD)的时频分析方法,该方法可以自适应地将一个复杂信号分解为若干个瞬时频率具有物理意义的本征时间尺度分量之和.仿真分析验证了ATD方法的有效性以及定义本征时间尺度函数方法的合理性.分别将ATD、经验模态分解(EMD)、局部均值分解(LMD)和固有时间尺度分解(ITD)与包络解调分析相结合应用于斜齿轮故障诊断中,实验结果表明:自适应时间尺度分解方法在保证分解结果正确性的前提下,计算效率方面具有明显优势,将该方法与包络解调相结合能够有效提取到齿轮的故障特征.     

幅值域无量纲指标对液压泵故障敏感性的实验研究

有效地提取故障特征向量,找到故障敏感因子是进行液压泵故障诊断的关键。采集轴向柱塞泵松靴、滑靴磨损、斜盘磨损以及中心弹簧失效等故障情况下的端盖振动信号,通过包络解调得到各故障的包络信号,在此基础上利用幅值域无量纲特征指标对每种故障进行敏感性分析,找到了各故障的无量纲敏感因子。为液压泵的故障诊断提供了可靠的敏感特征信息,增加了故障特征信息的完备性,对提高故障诊断系统的故障确诊率具有重要的意义。     

基于显式动力学及细化谱的滚动轴承故障诊断方法

为了探究滚动轴承早期故障动态演化规律,建立了滚动轴承典型故障三维有限元动力学模型.该模型以显式算法为基础,采用单点积分方式,在充分考虑轴承转速、负载、接触及摩擦的条件下,对滚动轴承内、外圈等典型故障进行了动力学分析.提取基于有限元动力学仿真的故障轴承加速度信号,采用希尔伯特包络解调并结合细化谱分析方法,提取故障轴承信号特征.分析结果表明:故障轴承条件下,轴承不同位置节点的振动响应均能体现故障特征;加速度响应信号在经过细化谱分析后能找到相应故障的特征频率,实现轴承典型故障的有效识别,为进一步探究轴承故障传递路径特性提供了可行的方法.     

广义形态滤波器在轴心轨迹提纯中的应用

针对汽轮发电机组轴心轨迹的提纯问题,提出采用不同结构元素级联而成的广义形态滤波器来实现轴心轨迹提纯的新方法.根据待处理信号的形状特点,选用正弦形结构元素构造广义开-闭和闭-开组合形态滤波器.通过仿真得到5种旋转机械常见故障类型的轴心轨迹图形,并在其中加入周期脉冲和随机噪声,使轴心轨迹图形受到不同程度的噪声干扰,再利用广义组合形态滤波器进行提纯处理.将广义组合形态滤波器用于实测汽轮发电机组转子轴心轨迹的提纯中.仿真计算和实测轴心轨迹的提纯证明,广义组合形态滤波器的效果优于传统组合形态滤波器.     

多小波自适应阈值降噪在故障诊断中的应用

为了提取淹没在强背景噪声下的微弱故障信息,引入多小波自适应阈值降噪方法实现滚动轴承的信号去噪,并结合包络解调提取故障特征.多小波具有多个尺度函数和小波函数,具备单小波无法同时满足的对称性、正交性、紧支性和高阶消失矩等优良特性,可匹配信号中的不同特征信息.基于轴承外圈点蚀故障的仿真信号,分别利用GHM多小波和Db2小波对其进行降噪处理.通过信噪比的定量分析表明,相比单小波而言,多小波的降噪优势明显.针对滚动轴承的微点蚀实验信号和现场实采集的工程数据,多小波自适应阈值技术比单小波方法具有更好的降噪效果,且更易于提取出滚动轴承的早期故障信息.     

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.