共查询到17条相似文献,搜索用时 145 毫秒
1.
2.
3.
解调分析在故障诊断中应用的局限性问题 总被引:21,自引:5,他引:16
在机械设备特别是具有齿轮箱、滚动轴承的机械设备故障诊断中,广泛使用解调方法分析诊断故障。目前使用的解调分析,特别是宽带解调方法,不但对包含故障信号的时域相乘信号解出调制信号,而且对两时域相加信号,也以其频率之差作为解调信号而解出。当将时域相加的非调制信号以其频率之差作为调制信号解出时,极难对其进行分析甚至引起误诊断。 相似文献
4.
5.
《振动与冲击》2018,(20)
变转速工况下,滚动轴承故障振动信号出现复杂的频率、幅值和相位调制等现象,基于角度/时间循环平稳(AT-CS)的阶频谱相关可以有效提取其故障特征,但是该方法存在计算量大的缺点,为此,应用组合切片思想,提出基于阶频谱相关组合切片的轴承故障特征提取方法。根据滚动轴承结构参数计算其理论故障特征阶次,并由此确定组合切片中心,再由设定的切片宽度得到组合切片区间并计算信号的阶频谱相关组合切片,通过切片之间的能量分布提取滚动轴承故障特征。通过仿真信号和实验数据验证了该方法的有效性,相比于阶频谱相关,阶频谱相关组合切片能更清晰准确地表征轴承故障特征,并具有较高的计算效率。 相似文献
6.
行星齿轮箱振动信号具有明显的调制特点,幅值解调和频率解调分析能够有效提取其中的故障信息。生成微分方程(GDE)方法可以估计调制信号的幅值包络和瞬时频率,实现解调分析,但该方法需要信号满足单分量要求。实际行星齿轮箱振动信号通常由复杂多分量成分组成,为实现信号的幅值解调和频率解调分析,应用经验模式分解(EMD)将信号分解为单分量本质模式函数,基于生成微分方程计算瞬时频率和幅值包络,根据瞬时频率的波动特点选择本质模式函数作为敏感分量,由敏感分量的包络谱和瞬时频率的Fourier频谱识别故障特征频率。通过行星齿轮箱故障模拟实验数据分析验证了解调分析方法的效果。 相似文献
7.
8.
从汽车座椅电动滑轨产品检测得到的振动信号中提取了影响产品舒适性的特征信号,并以其功率密度作为产品质量评判的标准之一。利用了二阶循环统计量循环自相关功率谱密度函数对平稳信号的解调特性,对产品振动信号的循环功率密度谱切片图进行了分析,得到了隐含在其中的特征调制信号,并根据影响人体舒适感的频率范围找出了缺陷频率点。利用缺陷频率点的功率密度,可以很好的评价产品的性能。 相似文献
9.
10.
当齿轮发生故障时,调幅和调频现象往往同时存在,但是传统方法通常只适用与解调幅,而不能解调频。同时振动信号中常含有大量的噪声,严重的影响了解调结果。由于高延迟的自相关函数具有受噪声影响比较小的特点,已有文献用时延自相关法解调幅,但是用做解调频还鲜有研究。为此,从理论上分析了调频信号和调幅调频信号的自相关函数,得出调频信号的自相关函数是调幅信号,调频调幅信号的自相关函数仍然是调幅调频信号,且其调制频率不变。这样就从理论上说明了时延自相关解调法是解调频和解调频的通用方法。最后通过仿真实验和实例分析,表明了时延自相关解调法不仅能有效的解调频,而且具有较好的抗噪性。 相似文献
11.
JIANG Ming CHEN Jin QIN Kai The State Key Laboratory of Vibration Shock & Noise Shanghai Jiaotong University Shanghai P.R.China 《国际设备工程与管理》2001,6(3)
1 IntroductionThecyclostationarysignalisaspecialkindofnon stationarysignal,inwhichthestatisticsvarywithtimeperiodicallyorpolyperiodically (withmultipleincommensurateperiods) .Theuniquecharacteristicshowsthatthemethodsbasedoncyclostationarytheorynecessari… 相似文献
12.
13.
14.
15.
16.
调频信号在频谱上具有与调幅信号相同的频率分布特征,然而,轴承和齿轮故障诊断中常用的解调方法却只适用于调幅信号,不能分析调频信号。基于以上问题,从确定调频信号频率分量幅值的贝塞尔函数的性质出发,分析了平方解调法不能对调频信号进行解调的原因。分析过程中发现由于贝塞尔函数的一些特殊性质,使得常用的解调方法不再适用于调频信号。针对这个原理,本文提出利用时延二次变换(信号与时延信号的乘积)打破调频信号边频分量的贝塞尔函数的特殊性,使得变换之后的信号中包含有调制频率,从而实现了对调频信号的解调。 相似文献
17.
频率切片小波变换(Frequency Slice Wavelet Transform,FSWT)是一种新的时频分析方法,信号中的噪声会降低FSWT分析的频率分辨率。为了提高分析精度,提出了基于形态滤波和时延自相关的时频切片分析方法,并成功应用到轴承故障诊断中。该方法首先采用多结构元素差值形态滤波和时延自相关方法对信号进行降噪,采用FSWT分解降噪后的轴承振动信号,然后根据轴承故障特征频率选择时间频率切片区间,进行细化分析来提取故障特征。仿真信号与轴承故障振动信号的分析验证了该方法的有效性。 相似文献