共查询到18条相似文献,搜索用时 218 毫秒
1.
2.
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。 相似文献
3.
4.
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 总被引:2,自引:0,他引:2
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。 相似文献
5.
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。 相似文献
6.
7.
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。 相似文献
8.
9.
10.
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。 相似文献
11.
12.
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. 相似文献
13.
14.
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。 相似文献
15.
16.
Compound rub malfunctions feature extraction based on full-spectrum cascade analysis and SVM 总被引:4,自引:0,他引:4
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. 相似文献
17.
18.
基于小波包分解和支持向量机的机械故障诊断方法 总被引:12,自引:2,他引:12
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。 相似文献