一种基于非线性流形的滚动轴承复合故障诊断方法

针对滚动轴承振动信号的非平稳以及非线性特点,提出了一种基于非线性流形的滚动轴承复合故障诊断方法。该方法首先提取振动信号的时域指标和小波包频带分解能量所构成的频域指标,组成原始特征空间,采用基于判别准则的邻域因子优化选择算法,运用基于局部切空间排列算法的非线性降维算法对原始特征空间进行学习,极大地保留了信号中内在的整体几何结构信息,从而提取出振动信号最优的敏感故障特征。试验结果表明,与经典的线性降维方法相比,该方法的聚类效果更好。     

主减速器总成质量评判方法的研究

根据汽车主减速器的结构和传动性能检测要求,分析了主减速器在运行过程中产生的各种噪声及其原因,依据噪声辐射与振动的关系,分析该振动信号所携带主减速器运行的各种信息.使用工控机在线对主减速器壳振动信号进行采集,提出一种以LabVIEW技术为基础,采用时域和频域两种分析方法对信号进行处理,通过提取混合特征识别主减速器故障的方法.实验表明了该方法的有效性.     

基于Hilbert包络谱熵和GA-SVM的水轮发电机轴承故障诊断

水轮发电机轴承在运行时承受着整体机组的轴向负荷与复杂水推力,针对其产生的非稳态、非线性特征的振动信号,提出一种基于Hilbert包络谱分析与遗传算法支持向量机（GA-SVM）相结合的诊断方法,用于轴承故障状态的识别。首先对推力轴承运行时产生的振动信号进行集合经验模态分解（Ensemble Empirical Mode Decomposition,EEMD）,分解成若干个固有模态函数（Intrinsic Mode Function,IMF）,依据峭度准则选取主要IMF分量并通过Hilbert包络谱分析,计算包络谱熵,将归一化后的包络谱熵作为特征向量输入GA-SVM进行训练与故障识别。仿真实验结果表明,基于EEMD包络谱熵分析法相比于时频域图像处理能更好地提取出复杂工况下的故障信号特征,遗传算法支持向量机识别准确率达96.87%,该算法模型可进一步应用于水轮发电机轴承故障诊断。     

基于模拟退火与BP神经网络的轴承状态监控技术

为了提高轴承状态监控的准确性,提出了一种基于模拟退火并可同时得到较好神经网络参数的新的优化方法.为验证所提方法的有效性,将实验台测得的滚动轴承振动信号作为研究样本,提取信号的特征.实验结果表明,该方法对轴承运行状态分类的准确率较高,可用于此类旋转机械的状态监控.     

基于非线性模式分解的旋转机械复合故障特征提取方法

针对旋转机械复合故障振动信号的非平稳特征,提出了一种基于非线性模式分解（NMD）的故障特征提取方法。该方法首先通过NMD将振动信号分解为若干个具有实际物理意义的非线性模态(NM)分量和一个残余分量之和,然后对各NM分量采用包络谱分析提取故障特征。仿真信号的分析结果验证了NMD方法的优越性,在此基础上将NMD方法应用于旋转机械复合故障诊断中,实验数据的分析结果表明,该方法能有效提取出旋转机械复合故障的特征。     

基于频域时空特征谱的信息故障诊断方法

目前振动信号的分析主要是针对特定测点在某一瞬间采集的一段振动波形,提取其中的特征量来进行诊断故障,这种基于状态信息的诊断方法对故障类型的辨别能力有限。基于多个振动波形状态的过程信息,提出和定义了两种基于过程信息融合的信息火用指标,用于反映同一个过程中不同状态间的过程变化规律以及不同过程中对应状态间的过程变化规律。在此基础上,提出了一种基于频域时空特征谱的旋转机械信息火用故障诊断方法,并通过该方法对试验台获取的振动故障信号进行分析。计算结果表明,该方法是一种有效的故障诊断方法。     

采用非线性量子比特的形态滤波及其应用

针对数学形态学结构元素无法动态调整尺寸的问题,结合量子理论提出一种基于非线性量子比特的形态滤波方法,提升形态学的机械振动信号处理效果。分析机械信号与量子理论结合的可行性,并在此基础上构建机械振动信号的峰值波谷的量子表达形式;结合振动信号的最大值和最小值,通过数学分析提出非线性量子比特的表达式,用于表达振动信号的瞬时状态;根据振动信号邻域的关联性,分析振动信号的局部特点,建立振动信号的三量子位系统;根据机械振动信号的峰值波谷的量子表达形式,在三量子位系统的框架内,提出机械振动信号在量子概率特征下的结构元素尺寸收缩算子,并基于尺寸收缩算子实现结构元素长度的自适应调整。运用轴承故障信号进行分析,结果表明,该方法能够比传统方法更加有效地提取出故障脉冲信息。     

增强型滤波及冲击性机械故障特征的提取

机械故障所引起的时间序列的微弱变化往往被由机械自身结构特点所引起的振动信号和来自其他振源的振动干扰信号及白噪声等所组成的强背景噪声所淹没,尤其是在设备出现早期故障时,这种微弱的故障特征信号很难被识别.根据机械噪声及冲击性故障特征信号的特点,提出了基于进化论自适应滤波和小波降噪耦合的增强型滤波器新算法,即克隆法和匹配法的子代繁衍与重构小波系数耦合的算法.模拟计算和物理台架试验结果表明.该算法不仅可较大幅度提高信号的信噪比,且可处理强噪声环境下的非线性噪声,具有较强的提取微弱冲击性故障特征的能力,且该方法具有很强的实用性.     

一种基于冲击信号聚类分析的轴承故障诊断方法

为了对旋转机械内轴承的运行状态进行故障监测和诊断,在对振动冲击信号进行分段截取的基础上,提出了基于分段信号时、频域特征提取结合模糊K聚类的滚动轴承故障诊断方法,并将该方法应用于NU205轴承故障诊断中。     

降噪源分离技术及其在机械设备运行信息特征提取中的应用

常用的信号处理方法分析了信号按照频谱分布关系的组成结构,而未揭示各个信号组成成分与发生源之间相对应的因果联系。降噪源分离(Denoising source separation,DSS)技术在仅知观测信号的条件下,按照统计特征将复杂信号分解为若干分量,而这些分量反映了观测信号的发生源,为设备状态监测与振动噪声主动控制提供了直接依据。研究DSS基本理论以及基于不同准则的降噪函数,并通过典型机械信号的仿真试验定量比较基于能量函数、斜度函数、峭度函数以及正切函数四类降噪函数的分离性能。分析结果表明,基于正切降噪函数的源分离方法从非线性耦合信号中提取的分量与源信号时域相关系数高于0.89,因而更适合于提取机械设备非线性耦合信息。将基于正切降噪函数的源分离方法应用于某型号军舰的机械设备运行信息特征提取中,定量分析结果表明,该方法很好地从舱壁混合振动信号中提取出了各台设备的运行特征信息。     

旋转机械轴心轨迹信号的复数小波分析

提出了一种利用复数小波变换分析转子振动轴心轨迹信号的方法,通过分析小波尺度与振动倍频间的关系,使得观察某一尺度上的小波幅值就相当于考察一定频率范围的周期谱图,对典型非线性故障轴心轨迹信号的分析揭示出,摩擦故障时高频振动地时－频域上呈现出非均匀间歇现象,而轴裂纹时的高频振动是均匀间歇地出现,且周期与旋转基频相同,因此该方法可以直观地识别故障的细节性特征,有望形成一种新的、有效地监测诊断技术。     

Research of high-resolution vibration signal detection technique and application to mechanical fault diagnosis

Bilinear time–frequency transformation can possess a simultaneous high resolution both in the time domain and the frequency domain. It can be utilised to detect weak transient vibration signals generated by early mechanical faults in complex background and thus is of great importance to early mechanical fault diagnoses. It has been found that the spectrogram has low resolution, and there is strong cross-terms in Wigner–Ville distribution and frequency aliasing and information loss in Choi–Williams distribution (CWD). Hence, they cannot achieve satisfied transient signal detection results. To enhance the capability of detecting transient vibration signals, based on the analysis of exponent distribution, this paper presents some novel alias-free time–frequency distributions. These distributions can avoid the information loss in CWD while suppressing the cross-terms. Moreover, they have high simultaneous resolutions in both the time and frequency domain. Digital simulation and gearbox fault diagnosis experiments prove that these new distributions can effectively detect transient components from complicated mechanical vibration signals.     

轨道交通扣件系统时频特性测试与分析

为了得到安装在不同扣件系统下钢轨的振动特性,室内以WJ 7型扣件为样品,采用力锤激振法对其进行动力测试。基于MATLAB软件信号分析处理平台,利用线性短时傅里叶变换,非线性Page变换和Zhao Atlas Marks变换对振动信号的时频特性进行对比分析。研究结果表明：钢轨轨脚振动主要集中在中高频,其中在2 250 Hz振动能量最大,且持续时间最长;短时傅里叶变换(Short-time Fourier transform,简称STFT)具有较高的时间和频率分辨率,可以将轨脚的时域、频域和时频域的固有属性一一对应起来;非线性Page时频分析在能量较高的高频段具有较好的分辨率,而在低频段显得无能为力;非线性Zhao-Atlas-Marks分布时频分析在低频段效果较好,在高频段不是很理想。该分析结果可为轨道结构的振动噪声控制提供依据。     

一种频域特征提取自编码器及其在故障诊断中的应用研究

提出一种可以直接从振动信号中提取频域特征的非对称自编码器方法。与传统自编码器以重构振动信号作为目标输出不同,频域自编码器使用振动信号的频谱作为目标输出,这种非对称的自编码器可以学习振动信号与其频谱之间的映射关系,使得编码器可以输出频域特征。为了说明提出的频域自编码器的特征提取效果,在轴承数据集上进行特征提取和故障诊断实验,在没有引入标签信息的情况下,频域自编码器提取到的特征表现出较好的聚类效果,能够区分轴承的不同故障类型;进一步进行了泛化实验,训练分类器时使用1%的有标签样本,可以达到90%以上的故障分类准确率。实验结果表明,频域自编码器与传统自编码器相比,可以更好地提取振动信号的故障特征信息,具有一定的实用价值。     

基于S变换的热连轧机耦合振动特征提取

提出一种基于短时傅里叶变换的自适应频域滤波方法,将噪声信号与振动特征成功地分离。根据短时傅里叶变换和功率法设定的阀值,自动捕捉了振动信号在不同时间段的优势频率。对振动信号、压下液压缸压力信号和伺服阀给定信号做短时傅里叶变换后,热连轧机振动被诊断为液机耦合振动。利用离散小波变换和S变换相结合的方法对轧机振动信号进行分析,确定轧机起振的时间为液压压下系统的投入时间,证明了热连轧机存在液机耦合振动现象。     

A vibration analysis method based on hybrid techniques and its application to rotating machinery

Vibration-based condition monitoring and fault diagnosis technique is a most effective approach to maintain the safe and reliable operation of rotating machinery. Unfortunately, the vibration signal always exhibits non-linear and non-stationary characteristics, which makes vibration signal analysis and fault feature extraction very difficult. To extract the significant fault features, a vibration analysis method based on hybrid techniques is proposed in this paper. Firstly, the raw signals are decomposed into a few product functions (PFs) using local mean decomposition (LMD), and meanwhile instantaneous frequency and instantaneous amplitude also are obtained. Subsequently, Fourier transform is performed on the derived PFs, and then, according to the spectra features, the useful PFs are selected to reconstruct the purified vibration signals. Lastly, several different fault features are fused to illustrate the operating state of the machinery. The experimental results show that the proposed method can accurately extract machine fault features, which proves that the combined application of LMD and other signal processing techniques is a successful scheme for the machine vibration analysis.     

基于 ZigBee 无线通信技术的机械主轴轴承振动检测

为了明确当前机械运转过程中可能出现故障的位置和危险程度,提出了基于 ZigBee 无线通信技术的机械主轴轴承振动检测方法。将采集的现场信号转为电信号,使用内核型号为 51 的 CC2430 异步串行端口进行逐字传输,结合 C 语言建立无线传感循环传输通信基站。使用时域指标方式计算峭度指标、裕度指标和有效值,利用结构参数和几何模型提取振动特征频率,针对不同频率下振动信号,使用小波分组和小波重构方程组消除噪声,借助频带运行能值判断当前振动类型。对比实验通过分析小波分解功率值与能值,验证所构模型的自适应能力,结果表明,提出的检测方法从主轴振动频谱入手,能够准确找出故障原因,具有较高的可行性。     

基于LMD和阶次跟踪分析的滚动轴承故障诊断

变转速工况下的滚动轴承故障振动信号具有多分量调制以及故障特征频率受到转频调制的特点,从而导致故障特征提取困难。对此,将局部均值分解(local mean decomposition,简称LMD)与阶次跟踪分析相结合,提出了一种变转速工况下的滚动轴承故障诊断方法。首先,采用阶次跟踪采样将时域滚动轴承故障振动信号转换到角域;然后,对角域信号进行LMD分解得到若干个乘积函数(product function,简称PF)分量;最后,对各个PF分量的瞬时幅值进行频谱分析,判断滚动轴承的故障部位和类型。通过对滚动轴承实验故障振动信号的分析,结果表明该方法能有效地应用于变转速工况下的滚动轴承故障诊断。     

基于EMD和非线性峭度的齿轮故障诊断

采用经验模式分解(empirical mode decomposition,简称EMD)和非线性峭度的统计特性对振动加速度传感器获取的齿轮箱振动响应信号进行特性分析。利用EMD分解获得振动响应信号的本征模式函数,用非线性Tea-ger能量算子计算每个本征模式函数的瞬时能量,并对本征模式函数进行系数的非线性峭度计算,提取系统的特征信息。仿真结果表明,用经验模式分解和非线性峭度可实现在线监测齿轮运转工作状态,及时发现齿轮的早期故障,提高了故障检测的可靠性。     

基于DBN的故障特征提取及诊断方法研究

随着装备日趋复杂化,依靠专家经验或信号处理技术人工提取和选择故障特征变得越来越困难。此外,以BP神经网络、SVM为代表的浅层模型难以表征被测信号与装备健康状况之间复杂的映射关系,且面临维数灾难等问题。结合深度置信网络(DBN)在提取特征和处理高维、非线性数据等方面的优势,提出一种基于深度置信网络的故障特征提取及诊断方法。该方法通过深度学习利用原始时域信号训练深度置信网络并完成智能诊断,其优势在于能够摆脱对大量信号处理技术与诊断经验的依赖,完成故障特征的自适应提取与健康状况的智能诊断,该方法对时域信号没有周期性要求,具有较强的通用性和适应性。在仿真数据集和轴承数据集上进行了故障特征提取和诊断实验,实验结果表明:本文提出的方法能够有效地从原始信号中进行多种工况、多种故障位置和多种故障程度的故障特征提取和诊断,并且具有较高的故障识别精度。