转子系统全矢振动能量谱故障诊断研究

在大型旋转机械各类常见故障中,转子系统故障是发生最多的故障之一,超过总故障的60%。传统的转子系统的故障诊断方法主要是基于单通道信号的幅值谱和相位谱特征,但由于单通道信号的不完整性以及特征量选取的不可靠,容易出现误诊或漏诊状况。为解决上述问题,提出振动能量谱的概念,并结合全矢谱技术进行双通道信息融合,形成全矢振动能量谱,将其运用于转子系统的故障诊断当中。实验证明,全矢振动能量谱较之于传统的幅值谱方法,能更加准确、有效的识别转子故障。     

全矢谱及其新方法在旋转机械故障中的应用

介绍了全矢谱分析技术的思路,研究了全矢谱分析技术与旋转机械回转信号之间的理论关系,导出了全矢谱分析基于复合信号的理论计算公式及简洁数值算法,并将其应用于实际故障诊断中,且对全矢谱理论图谱多方面研究,提出新的面积图谱表达法。研究与应用表明:全矢谱分析能够清晰处理转子正反进动之间的关系,可识别转子的回转强度,表明全矢谱分析对于旋转机械故障诊断是一种非常实用的分析工具。     

旋转机械同源数据全信息倒频谱分析与应用

提出一种基于旋转机械同源数据融合的全信息倒频谱（full information cepstrum，FIC）分析方法。研究旋转机械同源信息融合的转子回转能量谱，并在此基础上研究全信息倒频谱分析方法。成功地将全信息分析理念拓展到频域分析以外的分析领域，将其应用于高速旋转动力齿轮的故障诊断，取得明显的效果。     

复局部均值分解全矢包络技术及其在转子故障特征提取中的应用

为更全面提取转子故障特征,将全矢谱和复局部均值分解(Complex local mean decomposition,CLMD)相结合,提出二元的全矢包络技术——CLMD全矢包络技术。采用正交采样技术获取转子同一截面上互相垂直方向上的振动信号,并将其组成一个复数信号;运用CLMD将复数信号按能量从高到低的顺序依次分离出系列复乘积函数(Complex product function,CPF),并解调出CPF的复包络;由于故障特征主要在能量较高的CPF分量中,通过全矢谱技术融合前几阶CPF分量的包络信号,得到相应的全矢包络谱。仿真的调幅-调频信号分析结果表面,较之Hilbert解调,CLMD全矢包络技术可提取隐含的调频信息,而且不存在虚假的低频谱线。转子试验台模拟的基座松动信号、碰摩信号分析结果表明,较之单源信息的包络谱,CLMD全矢包络技术提取的谱线特征更清晰、全面,而且根据全矢包络谱可有效区分基座松动引起的碰摩和单一碰摩故障。     

基于ITD-形态滤波和Teager能量谱的轴承故障诊断

针对强背景噪声下滚动轴承振动信号故障特征信息难以提取的问题,提出了结合固有时间尺度分解(ITD)-形态滤波和Teager能量谱的滚动轴承故障特征提取与诊断方法。首先对滚动轴承振动信号采用ITD方法分解,得到若干个固有旋转分量;考虑到噪声主要分布在高频段,取前2个高频的固有旋转分量进行形态滤波,并将滤波后的信号与剩余固有旋转分量重构;对重构信号计算Teager能量算子并绘制Teager能量谱,从Teager能量谱中可以识别出故障特征。将本方法应用于滚动轴承的内圈故障和外圈故障诊断,结果表明ITD-形态滤波可以有效去除振动信号中的背景噪声并保留冲击特征,Teager能量谱可以直观并准确显示出故障特征。     

基于全矢小波包能量熵的滚动轴承智能诊断

研究滚动轴承不同状态下的振动信号,使用小波包变换提取信号各频带的能量熵,作为轴承故障的特征,然后使用支持向量机智能诊断轴承不同故障。传统单通道信号诊断方法容易造成误诊,全矢小波包能量熵融合了振动信号双通道的信息,能更准确地反映故障的特征。实验结果表明,采用全矢小波包能量熵比传统单通道方法有更高的诊断精度。     

基于全矢Autogram的滚动轴承故障诊断方法

针对滚动轴承单通道信号信噪比较低、不能全面和准确表征故障特征等问题,提出了一种基于全矢谱和自相关谱峭度图的滚动轴承故障诊断方法。首先,计算互为垂直的两通道振动信号的自相关谱峭度图,得到信号中最佳频带的位置,并提取重构信号;其次,为了保证信号故障信息的全面性和获取精确故障特征信息,计算重构信号的全矢包络谱;最后,分析全矢包络谱中的故障特征进行故障诊断。通过分析仿真信号及实验数据,将所提方法与快速谱峭度和自相关谱峭度图等方法进行了对比,结果表明,所提故障诊断方法能够有效地提取滚动轴承的故障特征频率,提高故障诊断的精确性。     

全矢LMD能量熵在齿轮故障特征提取中的应用

齿轮故障信号具有非线性、非平稳特征,齿轮发生故障时,信号的能量结构随之改变,在不同的频带内能量不同。传统方法采用局部均值分解(LMD)提取振动信号的能量熵,将能量熵指标作为故障评判标准进行故障分类,依靠单一传感器信息源进行故障诊断,因而容易造成误诊、漏诊。全矢LMD能量熵法融合了双通道同源信息的回转能量,可降低故障误判率。通过实验模拟齿轮正常、齿根裂纹、断齿、缺齿等4种状态,验证了全矢LMD能量熵作为故障特征能达到很好的故障分类效果。     

连续小波变换在滚动轴承故障诊断中的应用

针对滚动轴承故障振动信号的特点，构造脉冲响应小波，采用连续小波变换的方法来提取滚动轴承故障振动信号的特征，在此基础上提出了两种滚动轴承故障诊断方法：尺度——小波能量谱比较法和时间——小波能量谱自相关分析法。通过对滚动轴承外圈和内圈故障振动信号的分析，说明两种方法不仅能检测到滚动轴承故障的存在，而且能有效识别滚动轴承的故障模式，从而为滚动轴承故障诊断提供了一种新途径。     

基于矢Wigner高阶谱方法的研究

全矢谱技术是同源信息融合技术的一种,能够有效的融合同一个截面两个传感器通道的信号信息,并且准确的提取机械故障的特征信息。信号信息不同的时间和频率的能量的密度或者强度可以通过时频分析方法描述,然而Wigner高阶谱是Wigner-ville分布在高阶谱领域的扩展,能够非常有效的分析时变非高斯信号,但是它仅仅只能用来处理单通道信号信息,现针Wigner对高阶谱的这一缺点与全矢谱分析方法相结合,提出一种新的分析方法—矢Wigner高阶切片分析法,给出它的定义和算法,运用仿真实验和实例验证。     

全信息小波包分析及其在旋转机械故障诊断中的应用

针对传统旋转机械单通道故障诊断的不足，结合设备状态检测和故障诊断中微弱振动信号难以提取的问题，在介绍全信息技术的基础上，提出新的信号处理方法——全信息小波包分析，用小波包变换对双通道信号分别进行分解，以提取信号中的微弱局部成分，把需要的对应小波包进行重构并用全矢谱技术进行融合，根据融合后的数据进行故障诊断。工程应用实践表明，全信息小波包分析是一种新的、较为实用的信号处理方法。     

基于全矢谱和径向基概率神经网络的旋转机械故障诊断方法研究

结合全矢谱和径向基概率神经网络的优点,提出一种故障诊断的新方法,该方法是以提取全矢幅值谱的特征输入到径向基概率神经网络分类器进行故障识别.试验结果表明,该方法与传统单通道相比故障正确识别率很高,把它应用于旋转机械故障诊断是有效的.     

一种故障诊断新方法及其应用

旋转机械的振动具有其复杂性和特殊性,在各个响应频率下,转子的轴心运动轨迹是一个椭圆.结合全矢谱分析技术,提出一种旋转机械故障诊断新方法--用轴心轨迹椭圆的面积描述转子振动状态,同时提出矢振比和全矢瞬时幅速图两个概念.在此基础之上提取出有效的故障信息特征值,最后将新方法应用于故障诊断实践中.结果表明,这种方法具有可识别转子的振动状态、能清晰判断转子的正反进动、提高分析判断速度、灵敏度高等优点,是一种实用的旋转机械故障诊断分析新方法.     

基于全矢谱的旋转机械回转相位及应用研究

研究了旋转机械故障诊断中转子截面相互垂直两个同频信号的相位差信息,揭示了相互垂直两个信号的不同相位差对应不同的合成运动轨迹图形,推导出全矢谱分析理论中初相位的角度大小,并由初相位绘制出双截面、多截面转子的空间振形,最后通过实例将全矢谱理论结合转子空间振形和初始相位差信息应用到旋转机械不平衡故障分类中。结果表明:由初相位绘制的空间振形图可以有效地区分旋转机械不平衡故障中发生的具体形式,提高了故障诊断的准确性。     

基于听觉特征和频谱特征的油烟机异音故障诊断

提出了一种主观听觉判断和客观频谱分析相结合的风机异音故障诊断方法。对油烟机风机辐射噪声进行频域特征分析、结合人工听觉判断油烟机异音故障。分析表明:风机所产生的异音故障在频谱中表现为幅值和能量都比较集中的线谱频率,其听觉特征明显,并与频谱特征有严格的对应关系;实验证明,频谱特征和听觉特征可以作为有效的油烟机异音故障判别特征之一。采用该方法对实际测量数据进行异音故障诊断,诊断结果与听音员判断结论一致。     

Compound rub malfunctions feature extraction based on full-spectrum cascade analysis and SVM

The acceleration signals of operational rotor vibration provide a lot of information about its running behaviour. The acceleration signal features of identification and extraction in the process of speed change are important for the fault diagnosis of rotating machinery. The full-spectrum cascade analysis of rotating machinery vibrations is an efficient method that enables the symptoms of some special types of fault (especially for rub) to be clearly detected. Some typical compound rub malfunctions have been researched by experiments in this study. Acceleration signals have been received by the experimental apparatus and analysed by full spectrum. The abrupt changes in surging acceleration signals of rotor malfunctions can be detected and their fault feature spectra shown in full-spectrum cascade plots. The full-spectrum experimental data are applied to the support vector machine (SVM) training to be classified. The results indicate the potential and feasibility of this approach for the diagnosis of rotor malfunctions. The full-spectrum cascade plot can enhance the feature information for the knowledge base of the rotating machinery rub fault diagnosis system and is of great significance to diagnose compound rub faults in a rotor more accurately.     

基于信息融合的短时矢功率谱分析方法

研究了基于信息融合的旋转机械短时矢功率谱分析方法。根据单通道信号处理的不足,本文提出把全矢谱技术与短时傅里叶变换相结合,建立矢量信号的短时矢功率谱概念,导出其计算公式,阐述其图谱表达,并将其应用于实际故障诊断系统中。研究表明,短时矢功率谱可以对矢量信号的短时能量随频率、时间等的变化过程作出分析,可以应用于旋转机械故障诊断实践中。     

基于小波包分解和支持向量机的机械故障诊断方法

提出应用小波包分解和支持向量机进行机械故障诊断的方法。该方法将振动信号小波包分解后的频带能量作为特征向量，输入到由多个支持向量机构成的多故障分类器中进行故障识别和分类。试验结果表明，与神经网络相比，采用支持向量机进行故障诊断可以获得更高的诊断精度，表明该方法是有效的、可行的。