共查询到19条相似文献,搜索用时 140 毫秒
1.
2.
基于分形和小波包理论的滚动轴承故障诊断 总被引:1,自引:0,他引:1
为了提高滚动轴承故障分形诊断的准确性,利用仿真信号对不同数据长度和不同信噪比下信号的盒维数和关联维数的差异进行对比,发现两种分形维对不同信号具有不同适应性;利用基于小波包分解能量图的特征信号强化技术,突出含噪轴承振动信号的故障信息特征,并对消噪前后振动信号盒维数进行计算和对比。分析结果表明,分形盒维数比关联维数更适用于分析含噪较重的信号;滚动轴承故障振动信号盒维数小于正常信号盒维数;相比原始信号,经小波包提取后不同类型故障振动信号的盒维数区分更为明显,诊断结果更加准确直观。 相似文献
3.
4.
采用小波包分析的方法对滚动轴承振动信号进行处理,提取滚动轴承特征信号,进一步应用混沌与分形方法研究了故障信号的混沌性,通过计算信号混沌特征量—关联维数,找出了内圈、外圈及滚动体状态信号在正常状态、轻微磨损状态、中度磨损状态、严重磨损状态下关联维数对故障状态的反应。实验结果印证了混沌方法用于研究该类型故障信号的可行性。 相似文献
5.
基于混沌分形理论的传动轴振动信号分析 总被引:1,自引:0,他引:1
将混沌分形引入传动轴振动信号的故障分析中,用关联维数来刻画振动信号的故障特征。通过对试验获取的传动轴振动信号进行分析计算,确定了分形维数与传动轴故障程度之间的联系。计算表明,传动轴振动信号具有分形特征,且分形维数均在2维与3维之间,随着传动轴不平衡加剧,它向3维逼近。当样本点达到一定数目时,计算结果的稳定性好。 相似文献
6.
7.
8.
针对飞机环控涡轮轴承运行时的非线性动力学特性,为了更加准确地分析轴承的故障,从振动信号分析的角度,提出基于EEMD和分形维数相结合的轴承状态特征量提取方法。先对轴承正常、内圈故障、外圈故障和保持架故障等不同运行状态下的振动信号进行EEMD分解,滤除噪声信号,提高信噪比,以减小背景噪声对分形的不利影响。然后对去噪信号再进行相空间重构,计算其关联维数并进行对比分析。实验结果表明:关联维数作为非线性几何不变量可以作为环控涡轮轴承运行状态的特征量;该方法能够准确有效地识别轴承的运行状态。 相似文献
9.
10.
11.
基于多尺度Hermitian小波包络谱的轴承故障诊断 总被引:1,自引:0,他引:1
提出了一种基于多尺度Hermitian小波包络谱的轴承故障诊断方法。该方法综合利用了Hermitian小波和包络谱分析技术的优点,首先对轴承故障振动信号进行Hermitian连续小波变换,得到小波分解的实部和虚部,然后计算振动信号的多尺度包络谱。对齿轮箱轴承故障振动信号的分析表明,该方法在强噪声环境下能有效识别轴承内圈故障和外圈故障。 相似文献
12.
针对滚动轴承故障振动信号非平稳的特征,以及传统傅里叶变换不能反映信号细节的缺陷,引入了一种基于本征模态函数包络谱的方法。首先,采用经验模态分解(empirical mode decomposition,EMD)将滚动轴承故障振动信号分解成若干个本征模态函数(intrinsic mode function,IMF)之和;然后,求出包含主要信息成分的IMF分量的Hilbert包络谱;最后,对照滚动轴承故障特征频率,进而判定故障类型。通过对滚动轴承内圈、外圈故障振动信号的分析处理,表明该方法能有效地提取滚动轴承的故障特征。 相似文献
13.
基于关联维数的滚动轴承故障诊断的研究 总被引:3,自引:1,他引:3
针对滚动轴承系统产生的非线性振动信号的特点,提出用关联维数来描述轴承振动信号的工作状态,进而对其进行故障诊断的方法。同时详细讨论了关联维数的计算方法,并对由轴承系统产生的非线性振动信号进行了关联维数的定量计算。实验表明,滚动轴承不同工作状态由不同的动力学机理产生,其关联维数明显不同。以关联维数作为滚动轴承的工作状态监测的依据,可以为提高滚动轴承故障诊断的准确率提供了一种有效的新方法。 相似文献
14.
机械不平衡及轴瓦间隙对水轮机运行稳定性的影响分析 总被引:1,自引:0,他引:1
机械不平衡及间隙过大等问题是水力机械不平衡的主要原因,通过对45 MW轴流转桨式水轮机进行稳定性试验,包括空载、变转速以及变负荷试验,并对监测到的振动和摆度数据进行频谱分析以及主轴轴心轨迹分析,发现机组同时存在转子质量不平衡问题及间隙过大问题。为降低机组振动及摆度幅值,通过键相位法快速确定机组的质量不平衡点,并进行配重;又根据轴心轨迹特性逐步调整上导及水导间隙。通过三次配重试验,最终确定配重质量为36 kg,结合轴瓦间隙调整,上机架、顶盖等部位的振动幅值以及上导和水导的摆度幅值均有效降低至安全运行范围,提高了机组的运行稳定性。通过试验,验证了联合分析振摆特性和轴心轨迹对于综合判断机组多重因素引起振动问题的有效性,介绍了剔除干扰因素并确定直接影响因素的试验和分析方法,能够有效降低试验次数,快速确定故障原因,并提高故障诊断的准确率。 相似文献
15.
摩擦学系统的混沌特性 总被引:3,自引:2,他引:3
为了充分认识摩擦学系统的复杂性质,对摩擦学行为的混沌性进行了定量研究。在销-盘试验机上试验提取摩擦力和摩擦振动的时序信号,以此为研究对象,运用功率谱、分形维数和Lyapunov指数三种方法联合证明了这两种摩擦信号的混沌特性。研究表明,摩擦力和摩擦振动信号具有连续宽带的功率谱、分数维数和正的Lyapunov指数,即具有混沌行为的基本特征,从而证明了摩擦学系统的混沌性质。 相似文献
16.
基于现代非线性理论的汽轮发电机组故障诊断技术研究 总被引:7,自引:0,他引:7
运用小波理论、分形理论和混沌理论等非线性理论,对汽轮发电机组转子故障进行了综合分析和研究。对 所测某28 MW发电机组转子在三种不同工作状态下的时间序列进行了关联维数计算、小波包分解以及最大李雅 普诺夫指数计算,并结合其相轨迹图和庞加莱截面进行了分析与研究。结果表明,小波包分解重构技术具有很强 的消噪和非平稳信号提取能力;发电机组转子在不同工作状态下其时间序列的关联维数、李雅普诺夫指数具有明 显差别,且两量值相互补充、相互对应。由此提出:关联维数、最大李雅普诺夫指数可以作为刻画发电机组机械 故障特征的综合量化指标。该研究为非线性运动系统的在线监测、故障诊断和状态预测开辟了有效途径。 相似文献
17.
针对基于内燃机振动信号的故障识别诊断问题,首先提出一种基于阈值筛选的变分模态分解(VMD)、玛基诺-希尔时频分布(MHD)的时频分析方法,该方法针对Cohen类时频分布存在的交叉干扰项问题,通过阈值筛选法确定VMD算法的分解层数,从而将内燃机振动信号分解成一系列单分量模态信号,然后对单分量信号进行MHD时频表征及线性叠加得到时频聚集性优良、物理意义明确的振动信号时频谱图。再通过局部非负矩阵分解(LNMF)对时频图像特征进行提取,将提取的特征与振动信号时域参数进行特征融合,得到融合特征向量。对支持向量机(SVM)采用改进粒子群优化算法进行参数优选,然后对特征向量进行训练和测试,实现了内燃机的故障识别诊断。将该方法应用于内燃机气门间隙故障8种工况下缸盖振动信号的识别诊断试验,结果表明,该方法能够对不同工况振动信号进行有效识别分类。通过参数优选,最高识别率达到了99.17%,同时对比传统的最近邻分类器的分类结果,证明了该方法的优越性。 相似文献
18.
为有效提取表征轴承故障的脉冲特征,提出采用形态提升小波变换对轴承故障信号分析的方法.仿真信号和实际滚动轴承故障信号的分析结果证明了形态提升小波变换提取信号脉冲特征的有效性.与传统的线性小波变换方法相比,形态提升小波的脉冲信号保持和抗噪声能力较强,可以识别出传统小波不能识别的轴承故障状态,同时形态提升小波变换只涉及加、减和比较运算,计算更加简单、快速,可应用于轴承故障的在线监测与诊断. 相似文献
19.
基于经验模态分解的滚动轴承故障诊断方法 总被引:13,自引:1,他引:13
提出了一种基于经验模态分解的滚动轴承故障诊断方法,并定义了能量熵的概念。从不同状态的滚动轴承振动信号的能量熵值中发现,当滚动轴承发生故障时,各频带的能量会发生变化。为了进一步对滚动轴承的状态和故障类型进行分类,再从若干个包含主要故障信息的IMF分量中提取能量特征参数作为神经网络的输入参数来识别滚动轴承的故障类型。对滚动轴承的正常状态、内圈故障和外圈故障振动信号的分析结果表明,以经验模态分解为预处理器提取各频带能量作为特征参数的神经网络诊断方法比以小波包分析为预处理器的神经网络诊断方法有更高的故障识别率,可以准确、有效地识别滚动轴承的工作状态和故障类别。 相似文献