机械故障诊断技术中的信号处理方法：时域分析

应用信号处理方法对振动信号进行特征提取的技术是机械设备故障诊断领域的重要研究方向。常用的机械设备故障诊断领域的信号处理方法主要包括时域分析、频域分析和时频分析。针对常用的振动信号处理方法,总结多种算法的特征和优缺点。根据常见机械设备关键构件的振动特征,选择不同的信号处理和特征提取算法进行分析,以便提高多种构件、多类故障的特征提取精度和可靠性,从而为有效地实现机械设备的故障提供参考。     

循环平稳信号处理在机械设备故障诊断中的应用综述

循环平稳信号处理学科的引入，丰富了机械设备故障诊断的内容。本文总结了循环平稳信号处理在机械设备信号特征提取和故障诊断领域的研究概况，分析了该方法目前所存在的问题，最后简要指出了循环平稳信号处理在机械设备故障诊断中应用的发展方向。     

机械故障诊断技术中的信号处理方法：时频分析

当机械设备的振动信号为非平稳信号和时变信号这类特殊信号时，时域分析和频域分析因其自身的局限，无法取得很好的分析效果，需要使用时间和频率的联合函数来表示信号，即信号的时频表示。针对常用的时频分析振动信号处理方法，总结多种算法的特征和优缺点。根据常见机械设备关键构件的振动特征，选择不同的信号处理和特征提取算法进行分析，以便提高多种构件、多类故障的特征提取精度和可靠性，从而为有效地实现机械设备的故障提供参考和指导。     

金属声发射信号三种时频域分析的比较研究

本文首先介绍了短时傅立叶变换、小波变换、二次型时频分布等三种时频域分析方法,并利用这三种分析方法分别对金属裂纹声发射信号进行了分析处理,对比研究了这三种时频域分析方法对金属裂纹声发射信号处理上的不同特点.     

基于波束形成声像图纹理特征的机械故障诊断方法

基于振动信号处理的机械故障诊断存在接触式测量和单通道信号分析等局限性,而基于声学图像特征分析的故障诊断方法能有效克服此类局限.将声学成像和图像处理技术引入故障诊断,利用“延迟求和”波束形成算法分别得到机械设备在正常和故障状态下的声像图.首先对可视化声场进行初步诊断,然后考虑到不同状态下声场分布的细微变化反映在声像图丰富...     

基于LabVIEW的旋转机械故障诊断系统的研究与开发

以基于美国NI公司的LabVIEW为开发平台,针对广泛应用于石油化工、电力、冶金等行业的旋转机械的常见故障,利用国产数据采集卡,结合信号处理中的时域分析和频域分析,开发了转子故障诊断系统,并在柔性转子实验台上得到实践,同时实现了不同PC机的移植。由于LabVIEW采用的是G语言的开发环境,因而缩短开发周期,降低成本。     

风力发电机组转子不对中故障诊断

风电技术迅猛发展,风电场风力机故障频发,对风机的安全运行和故障诊断的研究已成为风电技术发展中的重要研究内容。国内对于风力机故障诊断技术的研究尚在起步阶段,且集中于对齿轮箱的研究,对转子不对中故障研究尚少。针对以上问题,用振动测试系统对异常工作风力发电机组进行振动测试,采集振动测试信号,对振动信号进行时域、频域分析,得到机组转子不对中故障信号特征,为风力机转子不对中故障诊断提供依据。     

高队循环统计量理论在机械故障诊断中的应用

在简要介绍现代信号处理中的高阶统计量、循环平稳以及高阶循环统计量理论的基础上，重点分析了它们在谐波恢复、系统辨识、特征提取等与机械设备状态监测和故障诊断相关领域中的应用，指出将高阶循环统计量理论，特别是高阶循环累计量和高阶循环谱理论应用于机械设备的状态监测和故障诊断领域具有重要的理论研究价值和实际应用意义。     

基于多维振动特征的滚动轴承故障诊断方法

单独提取滚动轴承振动信号的时域或频域特征进行故障诊断,是目前常用的轴承诊断方法,诊断精度有待提高。以时域和频域的多维振动特征参量为指标,以历史诊断正确率作为特征参量权值,分别对滚动轴承的无故障和经常出现的滚珠故障、内环故障和外环故障工况进行特征提取和故障识别。多维时频域振动特征是单维特征依据诊断精度权重的集合。运用BP神经网络分别对信号的时域特征(TDF)、IMF能量矩(IEM)、小波包能量矩(WPEM),以及多维时频域特征进行智能故障判别。实验验证用多维时频域振动特征参量综合诊断的方法进行滚动轴承故障诊断,比单维特征的诊断结果精确且效率较高,该方法可以在滚动轴承故障诊断领域展开应用。     

典型设备振源识别技术

设备不同部件振动机理不同，其激励源识别方法有所区别。针对旋转机械设备，利用试验手段，结合信号处理方法，研究时域、频域分析、自相关、互相关、包络分析等振源识别方法在实际设备中的工程应用，掌握不同激励源的识别方法。     

基于局部均值分解与形态谱的旋转机械故障诊断方法

针对旋转机械不同类型故障会使振动信号具有不同形态特征及振动信号信噪比低等特点,提出基于局部均值分解（Local Mean Decomposition,LMD）与形态谱的旋转机械故障诊断方法。其中的LMD能对旋转机械原始振动信号进行降噪处理,而形态谱则能反映振动信号的形态特征,从而能判断旋转机械的工作状态。将该方法用于转子系统故障诊断,分析结果表明,该方法能有效提取旋转机械故障振动信号的故障特征,能准确识别旋转机械的故障状态。     

基于多级滤波的子带信号分析及应用

为有效提取设备的故障征兆信息,提出了一种基于多级滤波的子带信号分析方法,并将其应用于机械设备的状态监测.运用两通道滤波器组来构造多级滤波器,再利用多级滤波器将机械设备的振动信号从高频到低频分解成一组子带信号,对子带信号进行频谱分析、包络分析等处理.结合对子带信号与原始信号的分析,提取出机械设备的故障征兆信息以进行状态监测.仿真分析和应用实例表明该,子带信号分析方法有助于更加完备地提取机械设备的故障征兆信息.     

全矢小波包-包络分析方法及其在齿轮故障诊断中的应用

在旋转机械故障诊断中,针对传统单源信息采集的不全面性,提出了一种基于全矢谱技术的小波包-包络分析方法。首先对同源双通道信息分别采用小波包分解,根据需要选择频段的信息,并对提取的信号进行重构。然后采用全矢Hilbert解调分析方法对重构信号实现包络解调,并与两单源信息的包络解调相比较,说明了仅以单源信息为诊断依据的不足。利用全矢谱技术进行融合的全矢小波包-包络解调技术,不仅继承了小波包-包络分析方法的优势,而且更加全面地反映出了信号的真实性。最后通过仿真信号对其算法的可行性进行了验证,同时又以齿轮的故障振动信号为例,进一步表明了该方法在故障诊断中的有效性。     

基于支持向量机的转子振动信号故障分类研究

转子在运行过程中的振动加速度信号包含了转子运行状态大量信号，瞬态过程中故障加速度信号特征的提取及其识别对于旋转机械故障诊断是十分重要的。针对在升降速运行时的故障特征数据样本有限而制约有效智能诊断的问题，探讨和提出了基于支持向量机的加速度信号故障诊断方法。实验分析结果表明：该方法可实现转子的振动加速度信号对转子在升降速运行时的多故障的识别和诊断。     

基于BiLSTM的滚动轴承故障诊断研究

针对滚动轴承的故障诊断,设计并实现了一种基于双向长短期记忆网络(BiLSTM)的诊断模型。将原始振动信号直接作为模型输入,自动提取滚动轴承故障特征,可以对内圈、滚动体、外圈不同故障类型及不同损伤程度的滚动轴承进行故障识别。该模型通过BiLSTM神经网络自动提取轴承振动信号的深层信息,弥补了传统故障诊断方法需要人工提取特征的不足,实现端到端的滚动轴承故障智能诊断。滚动轴承实测振动信号实验结果表明故障识别准确率可以达到99.8%以上,该方法具有一定的应用价值。     

基于振动信号分离的行星轴承故障特征提取

由于行星轴承振动信号传递路径的时变性,且行星齿轮箱中齿轮啮合振动信号较强,导致行星轴承故障特征提取较为困难。为此,提出了一种基于振动信号分离的行星轴承故障特征提取方法。该方法首先采用阶比分析技术将原始振动信号进行等角度采样;每当行星架旋转一周,采用Tukey窗进行加窗截取,按照啮合齿序重新拼接,构造振动分离信号。再采用离散随机分离从振动分离信号中提取行星轴承故障分量;最后进行包络谱分析提取故障特征。行星轴承内圈故障实测信号分析表明,该方法能有效提取行星轴承故障特征。     

旋转机械非平稳振动信号的时频分析比较

信号分析与处理是机械故障监测与诊断中故障提取的常用方法,传统的振动故障分析方法难以满足频率随时间变化的非平稳信号的要求,联合时频分析是非平稳信号比较有力的分析工具。以转子实验台的典型振动故障信号为研究对象,分析研究了几种时频分析方法如STFT、Wigner-Ville分布、小波变换和Hilbert-Huang变换。对比结果表明:STFT和Wigner-Ville分布的时频分辨率是矛盾的,易出交叉项或使信号变得微弱;小波分解会出现多余信号;Hilbert-Huang变换的时频分析能够直观检测信号中的微弱奇异成分,清楚给出时频分布情况,为旋转机械状态监测和故障诊断提供了新的手段。     

Fault Diagnosis Method for Rolling Element Bearings Under Variable Speed Based on TKEO and Fast-SC

With rotating speed of rotating machinery, it is difficult to maintain stability in practical work which brings many difficulties to the condition monitoring of rotating machinery. When rolling element bearings work under variable speed, the corresponding vibration will contain obvious non-stationary characteristics, along with the presence of strong background noise, which makes it difficult for some traditional spectrum analysis methods to identify the characteristic frequency of bearings fault. In spite of the existence of strong non-stationary characteristics, the bearing fault signal has some hidden periodic components in the angle domain which makes it possible to extract the fault feature of bearings by means of spectral correlation analysis. Therefore, a fault feature extraction method based on Teager–Kaiser energy operator (TKEO) and fast spectral correlation (Fast-SC) in angle domain is proposed in this paper; Fast-SC is a newly proposed spectral correlation calculation method which can effectively improve the efficiency of computing; Teager–Kaiser energy operator can enhance the transient impact which also has a fast computing speed. In this paper, the instantaneous speed of each time is estimated by the time–frequency analysis method based on short-time Fourier transform and then, the original time-domain signal is resampled in angle domain; the TKEO is used to strengthen the fault impact components in signal; finally, the Fast-SC is applied to the strengthened signals, the enhanced envelope spectrum is calculated, and the fault features of rolling bearings are extracted. The effectiveness of the method is verified by measured signals.     

基于机匣振动信号的滚动轴承故障特征提取

通过进行带机匣测点的滚动轴承故障模拟实验,获取滚动轴承在故障状态条件下,轴承座测点和机匣测点的振动数据。分析结果显示,相对于轴承座,机匣上的振动信号成分复杂,轴承故障特征不明显,直接进行包络解调无法提取故障特征。通过奇异值分解(singular value decomposition,SVD),差分谱中各峰值处奇异值可以表征不同成分的信号。当轴承故障信号微弱时,第一个峰值处的奇异值重构信号往往代表转频及其调制信号分量,选取该靠后峰值处的奇异值进行信号重构可以有效提取轴承故障特征信号。研究内容为实际基于机匣测点信号的航空发动机滚动轴承故障特征提取提供了一种新的方法。     

基于谱峭度的滚动轴承故障包络阶比跟踪分析

通过对旋转机械变速运行工况的齿轮箱振动分析研究,提出一种基于谱峭度的滚动轴承故障包络阶比跟踪分析方法。该方法利用旋转机械运行过程中滚动轴承故障引起的冲击性振动会激起其周围结构共振的原理,应用谱峭度方法自适应地确定优化的共振解调带通滤波中心频率和滤波带宽,进而通过共振解调算法获得包含轴承故障初始阶段振动特征的包络信号,再将变速工况下的非平稳包络信号通过等角度重采样转化为角度域的准平稳信号,进而获得消除了频率模糊的阶比谱,实现对旋转机械变速运行工况下的滚动轴承故障诊断。仿真和测试试验结果验证了本方法的有效性。