基于小波包的齿轮箱故障诊断

提出了一种齿轮箱故障诊断的方法,这种方法首先利用小波包提取齿轮箱振动信号的故障特征域,然后计算特征域上绝对值信号的频谱,以正常信号的频谱和特征域上绝对值信号的频谱的相似程度作为齿轮箱故障与否的判据,将齿轮箱的特征频率和特征域上绝对值信号的频谱相比较来判断齿轮箱的故障模式.将此方法应用于齿轮箱断齿故障的诊断表明,这种方法能够准确地诊断出齿轮箱中的冲击故障.     

基于时间-小波能量谱的齿轮故障诊断

振动信号中的冲击现象及其频率特征是诊断齿轮局部损伤故障的重要依据之一。针对齿轮故障特征提出了一种时间-小波能量谱信号处理方法,它能够有效提取振动信号中冲击成分的时域和频域特征。利用时间-小波能量谱方法分析了正常、磨损、断齿等三种状态的齿轮箱振动信号,并与传统频谱分析方法进行相比。结果表明：时间-小波能量谱不仅可以有效提取故障特征,识别出齿轮箱的故障存在,而且可以清晰地分辨出故障类型及故障元件。     

机器噪声的谱相关

文章以风扇噪声为例分析了影响机器噪声谱相关的一些因素，为利用机器噪声的谱相关来诊断机器发生故障，供选取调味品阈时提供参考。     

基于共振解调与神经网络的滚动轴承故障智能诊断

介绍了一种基于共振解调与神经网络技术的滚动轴承故障诊断方法。对采集系统所拾取的滚动轴承振动信号进行共振解调处理，依据故障包络频谱中必然存在谐波谱线的规律，在共振解调后的包络信号中提取所需的轴承故障谱线特征信息，并将其作为神经网络输入，利用神经网络进行轴承各种故障状态的识别，实现滚动轴承故障的智能诊断。实验表明，该方法能准确而有效地识别出滚动轴承的不同磨损状态，诊断便捷。     

基于2阶循环谱和SVM的汽车传动轴故障诊断

针对汽车传动轴故障振动信号的循环平稳特性和现实条件下难以获得大量故障样本的实际情况,提出一种2阶循环谱和支持向量机相结合的故障诊断方法。通过实车传动轴附加不同数量的平衡片来模拟不同程度的传动轴不平衡故障,然后采用2阶循环谱对传动轴的振动信号进行分析,通过扫描循环频率域的方法分离信号调制源提取传动轴转频半频处的循环频谱幅值。分析发现该循环谱幅值随着传动轴故障程度的增加明显增大,故将其作为支持向量机的输入特征向量,以判断传动轴故障。试验结果表明：该方法在小样本的情况下能精确的诊断传动轴故障。     

经验快速谱峭度及其在滚动轴承故障诊断中的应用

快速谱峭度(Fast Kurtogram,FK)通过构造有限冲击响应滤波器从频谱上将信号二分或三分为几个不同频带的分量后,判断每个分量的谱峭度大小以提取调制信息。该方法运算速度很快,但有时包含故障信息的频段无法被均分的谱峭度图容纳,甚至可能导致提取出的分量中无法检测到明显的故障信息。提出一种新的频谱边界划分方法用以优化快速谱峭度,并称之为经验快速谱峭度(Empirical Fast Kurtogram,EFK)。首先,将信号频谱的傅里叶变换函数中代表频谱趋势的成分提取出来,并搜索其极小值点序列;然后,以极小值点在频谱中的位置作为频谱划分的边界,采用Meyer小波构造滤波器并重构信号分量以求取峭度;最终,构造出一种新的快速谱峭度图,选择谱峭度最大的频段提取故障信息。该方法依据信号频谱的趋势划分边界可以有效地避免由于均分频谱导致的不合理现象,模拟信号及滚动轴承内圈、外圈故障信号证明了该方法的有效性。     

干式螺杆真空泵振动监测与故障诊断技术的研究

针对干式螺杆真空泵的运行故障,采用振动监测的方法,利用时域波形和频谱分析技术进行故障诊断.阐述了振动测试点和测量信号类型的选择方法,给出诸如转子不平衡、轴弯曲变形、转子不对中、部件松动、流体诱发振动及滚动轴承、齿轮损伤等常见故障的诊断方法.通过工程实例证明,该方法能够有效地判断出故障产生的原因和部位,为故障的早期诊断提供有力监控.     

基于小波-倒频谱的齿轮故障诊断方法及应用

利用振动信号采集到的齿轮故障信息,依据点蚀的故障机理和频谱特征,采用小波分解将信号分解在不同频带,有效抑制了背景噪声,从而得到故障特征频带,获得周期性突变的故障信息.选择故障所处频带重构信号,对故障进行诊断.结合倒频谱方法可以有效地识别故障特征频率.结果表明小波分析与倒频谱相结合是齿轮故障检测中一种有效的诊断方法.     

基于频谱分析的天文望远镜跟踪实验系统故障诊断

把现代信号处理技术的谱分析应用到天文望远镜的故障分析上,对大天区面积多目标光纤光谱望镜摩 擦驱动实验装置的振动故障进行了诊断实验研究,基于频谱分析了摩擦驱动实验装置的振动信号。实验结果分析表明, 频谱分析能很好地提取振动信号的频率特征,判断出振动源,是天文望远镜故障源识别的有效工具,对天文望远镜振动 故障诊断有很好的应用价值和前景。     

一种负荷突变情况下异步电机转子断条故障在线检测新方法

异步电机发生转子断条故障时,其定子电流故障特征频率分量容易被电流基频淹没,加之实际工作中电机负荷突变的干扰,极大地增加了故障特征频率提取及检测的难度。为解决该问题,将解析小波和定子电流谱减法结合,提出一种有效的故障检测新方法。该方法首先利用解析小波变换来判断负荷突变点,然后通过谱减法来消除定子电流频谱中的基频分量,突出故障特征频率,进一步定义故障程度因子来量化转子断条故障程度。仿真和实验分析结果表明,该方法对于负荷突变情况下转子断条故障特征频率更加敏感,能够定量地描述转子故障程度。