基于瞬时转速双谱分析的柴油机气阀泄漏诊断方法

在对双谱和瞬时转速信号的特点进行分析的基础上,测量了6-135柴油机在正常和气阀泄漏故障状态下的瞬时转速,分别计算其双谱,得到了具有明显区别的双谱图;通过计算双谱对角切片,可以容易且有效地识别故障的存在;根据瞬时转速的双谱特征进行故障诊断,故障特征明显,诊断效果良好。     

基于AR高阶谱及其关联维数分析的减压阀故障诊断

为了识别减压阀的工作状态,建立了减压阀不同工作状态采集信号的时间序列AR模型,绘制了AR三谱、双谱及其切片谱图,计算了各切片谱的关联维数,综合分析了不同工作状态系统的谱图及关联维数变化。分析结果表明,AR三谱、双谱、各切片谱及其关联维数各自对工作状态变化的敏感性不同,双谱对角切片的关联维数、三谱及其切片谱对工作状态变化较敏感,更适合用于减压阀故障诊断,同时AR三谱、双谱的一维切片谱及其关联维数在反映系统动力学特性方面分别存在对应关系,可以将切片谱和关联维数相结合对减压阀进行故障诊断分析。     

基于声发射的双谱分析在金刚笔状态特征提取中的应用

为了有效地识别砂轮修整过程中金刚笔的钝化状态，针对金刚笔修整砂轮过程中声发射信号的非平稳时变特点，研究了用于金刚笔状态特征提取的基于声发射的双谱分析方法。通过砂轮修整过程在线监测实验，分析了金刚笔在锐利、中等钝化和钝化状态下，修整过程中声发射信号的双谱特征，提出了归一化双谱模对角切片特征提取方法。研究表明，采用基于声发射的双谱分析方法可以有效监测砂轮修整过程中金刚笔的钝化状态。     

基于故障诊断的双谱优良特性体现

双谱切片与AR功率谱相比,能有效地去除高斯噪声,保留了信号的相位信息。减压阀振动正常信号和故障信号的AR功率谱与双谱切片均呈现了不同的波峰特性。利用小波包对两种信号的功率谱与双谱切片分别进行了特征提取,并输入BP神经网络以诊断减压阀的故障信号,对两者的诊断效果进行了对比分析,以实验的形式清晰地显示了双谱和功率谱性能上的差异。     

基于双谱分析的滚动轴承故障模式识别

当滚动轴承发生故障时,其产生的振动信号一般是包含较强噪声的非高斯和非线性信号。本文对高阶统计量方法用于滚动轴承故障特征提取进行了研究,提出了基于双谱估计的滚动轴承故障诊断方法。利用这种方法可以同时获得包含滚动轴承故障信号幅值和相位信息的双谱特征图谱。研究表明,双谱图谱可以有效地监测滚动轴承工作状态的模式,因而可以快速地识别滚动轴承不同的故障特征。     

局部积分双谱及其在齿轮故障诊断中的应用

提出了一种局部积分双谱分析方法,探讨了局部积分双谱抑制噪声的能力,利用局部积分双谱分析了正常齿轮和早期剥落齿轮振动信号。局部积分双谱可以分析出齿轮故障的调制现象,结果显示,局部积分双谱与传统的双谱切片相比能较全面地反映双谱信息,是处理齿轮故障调制现象的有力工具。     

基于双谱的滚动轴承非线性耦合特征提取与故障分类

通过双谱提取滚动轴承故障信息,对其非线性耦合现象进行分析,讨论了不同速度和载荷下双谱幅值图和峰值图的识别效果,提出一种双谱和BP神经网络相结合的故障分类方法.以滚动轴承的双谱能量分布作为滚动轴承故障特征输入,以BP神经网络作为分类器,成功地对滚动轴承4种不同的故障进行了分类.研究表明:速度对双谱的影响要大于载荷.结合双谱和神经网络对滚动轴承不同故障类型进行分类方法有效.     

基于双谱熵和聚类分析的转子系统故障诊断

转子系统在故障状态下的振动信号往往呈现很强的非线性,其在频域上主要表现为不同频率之间相互耦合,产生合频、差频等组合频率。为了解决传统频谱分析只关注信号中的频率成分及其幅值大小,而忽略信号相位信息的问题,采用双谱方法对振动信号进行分析。双谱包含信号相位信息并且对非线性敏感,可以将早期故障的微弱非线性放大,检测出频谱中不同频率之间的非线性相位耦合关系。通过对ZT-3转子实验台植入不同类型的故障,采集系统在不同状态下的加速度信号,从振动信号的双谱中提取各频段的信息熵,采用模糊聚类方法进行故障识别。结果表明,双谱熵作为特征参量可以准确识别转子系统的故障类型,验证了方法的可行性。     

双谱切片的分形特性在减压阀故障诊断中的应用

减压阀是液压系统中的一种重要元件,也很容易发生故障,如何对减压阀发生的故障进行诊断,对于机械系统的维护有着重要意义.首先获取了减压阀振动时的正常信号和故障信号的AR双谱切片,再根据双谱切片所呈现出的自相似性,分别计算了每组数据的容量维数,并由计算结果进行故障诊断,取得了良好效果.     

自回归三谱切片研究

为了克服传统功率谱掩盖了信号的非高斯特性,以及双谱提取非线性特征量少的缺点,建立并研究了时间序列的自回归(AR)三谱及其切片模型,通过分析三谱及其切片的特征,可以获得信号的非高斯、非线性频率特性信息.利用溢流阀在不同工作状态下的振动数据进行了实验研究.结果表明:三谱及其切片相对于双谱和功率谱有更高的分辨率,能够明显地区分不同工作状态下的溢流阀特性.因此,本研究有助于提高对微弱信号的检测能力和识别能力.     

Fault Feature Extraction of Diesel Engine Based on Bispectrum Image Fractal Dimension

Fault feature extraction has a positive effect on accurate diagnosis of diesel engine. Currently, studies of fault feature extraction have focused on the time domain or the frequency domain of signals. However, early fault signals are mostly weak energy signals, and time domain or frequency domain features will be overwhelmed by strong back?ground noise. In order consistent features to be extracted that accurately represent the state of the engine, bispectrum estimation is used to analyze the nonlinearity, non?Gaussianity and quadratic phase coupling(QPC) information of the engine vibration signals under different conditions. Digital image processing and fractal theory is used to extract the fractal features of the bispectrum pictures. The outcomes demonstrate that the diesel engine vibration signal bispectrum under different working conditions shows an obvious differences and the most complicated bispectrum is in the normal state. The fractal dimension of various invalid signs is novel and diverse fractal parameters were utilized to separate and characterize them. The value of the fractal dimension is consistent with the non?Gaussian intensity of the signal, so it can be used as an eigenvalue of fault diagnosis, and also be used as a non?Gaussian signal strength indicator. Consequently, a symptomatic approach in view of the hypothetical outcome is inferred and checked by the examination of vibration signals from the diesel motor. The proposed research provides the basis for on?line monitoring and diagnosis of valve train faults.     

基于FRFT的单分量阶比双谱提取微弱故障特征

提出了一种基于分数阶傅里叶变换(fractional Fourier transform,简称FRFT)的单分量阶比双谱分析方法,消除阶比双谱分析多分量信号时产生的交叉项,提取变速器齿轮微弱故障特征。根据变速器输入轴转速信号及传动比确定FRFT最佳阶次,对变速器升速过程振动信号进行最佳阶次FRFT,在该分数阶域分离目标阶比分量,对分离出的单分量信号分别进行阶比双谱分析,并累加各分量阶比双谱结果得到基于FRFT的单分量阶比双谱。试验结果表明,变速器变速过程振动信号为多阶比分量信号,直接对其进行阶比双谱分析会产生明显的交叉项,使阶比双谱阶次和幅值失真。基于FRFT的单分量阶比双谱方法能有效屏蔽其他分量和噪声干扰、消除交叉项,真实、准确反映被分析信号的阶比双谱,有效提取变速器齿轮微弱故障特征。     

GEAR CRACK EARLY DIAGNOSIS USING BISPECTRUM DIAGONAL SLICE

A study of bispectral analysis in gearbox condition monitoring is presented. The theory of bispectrum and quadratic phase coupling (QPC) is first introduced, and then equations for computing bispectrum slices are obtained. To meet the needs of online monitoring, a simplified method of computing bispectrum diagonal slice is adopted. Industrial gearbox vibration signals measured from normal and tooth cracked conditions are analyzed using the above method. Experiments results indicate that bispectrum can effectively suppress the additive Gaussian noise and chracterize the QPC phenomenon. It is also shown that the 1-D bispectrum diagonal slice can capture the non-Gaussian and nonlinear feature of gearbox vibration when crack occurred, hence, this method can be employed to gearbox real time monitoring and early diagnosis.     

递归定量分析在离心泵故障诊断中的运用

为了准确诊断离心泵的振动故障,针对振动信号的非平稳特征,提出了一种基于递归定量分析的离心泵振动故障诊断方法。采用递归定量分析(recurrence quantification analysis,简称RQA)方法提取离心泵振动信号的非线性特征参数,由这些特征参数构成特征向量,并以此作为改进Elman神经网络的输入,对神经网络进行训练,建立了离心泵运行状态分类器,用以诊断离心泵的不同状态。试验结果表明,递归定量分析与Elman神经网络相结合的方法可以准确诊断离心泵的振动故障。     

齿轮裂纹故障的双谱分析

齿轮振动信号中的非线性给故障特征的提取带来较大难度，通过分析裂纹齿轮振动信号非线性产生的原因，利用双谱分析具有提取信号非线性耦合特征的能力，将双谱分析应用于齿轮裂纹的故障诊断中。试验结果表明，该方法能够有效地将正常及不同裂纹程度的齿轮区分开来。     

基于小波变换的隐Markov模型离心泵故障诊断方法研究

根据离心泵故障振动信号的特点,本文提出了一种结合小波变换与隐Markov模型(HMM)的离心泵故障诊断方法。小波变换具有多分辨率分析并且在时频两域都具有表征信号局部特征能力的特点,利用Daubechies小波对振动信号进行一维8尺度的小波分解,然后从中提取一维信号的低频系数作为特征向量,将其输入到各个状态HMM进行训练,其中输出概率最大的状态即是离心泵的运行状态,从而实现离心泵的故障诊断。最后通过2BA-6A离心泵试验系统验证了该方法的有效性。     

基于数据挖掘的轴承故障特征模式提取

离心压缩机轴承是主机中故障率最高的部件,针对其故障模式复杂难以辨识的特点,选取与其运行状态密切相关的多个振动参数作为原始特征模式,阐述如何从故障信号数据库中,应用模糊聚类方法对轴承运行状态进行评判,挖掘出对压缩机轴承故障诊断的敏感特征参数。通过现场采集到的大量数据验证,准确率达到95%。     

Using bispectral distribution as a feature for rotating machinery fault diagnosis

The vibration signals of rotating machinery present a strongly non-linear and non-Gaussian behavior, and bispectrum is well suitable to analyze this kind of signals. Due to modulation or smearing, it is hard to extract the accurate frequency-based features from the bispectrum. A bispectral distribution for machinery fault diagnosis is developed in this paper. The binary images extracted from the bispectra are taken as features to construct the target templates, then, the nearest template classifier is constructed to achieve pattern recognition and fault diagnosis. The computing speed of this method is very high because the proposed algorithm just calculates the number of “1”. Finally, roller bearing and gear fault diagnosis are performed as examples, respectively, to verify the feasibility of the proposed method.