首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 98 毫秒
1.
针对现有希尔伯特-黄变换(HHT)方法在进行特征提取时,估算部分多频固有模式函数(IMF)瞬时频率不准确的问题,提出了一种基于带通滤波的希尔伯特-黄变换算法(BF-HHT)。该算法首先确定信号主要能量所在频率;然后以这组主要能量所在频率为中心频率设计一组带通滤波器,对原信号进行滤波;最后用HHT方法提取信号的时频特征。转子试验台和实际机组的径向碰摩故障信号的试验与分析结果表明,BF-HHT算法不仅能准确提取到转子径向碰摩故障信号中出现的频率成分,而且能对故障特征频率出现或消失的时刻精确定位,其特征提取效果明显优于HHT方法。  相似文献   

2.
基于Hilbert-Huang变换的转子碰摩故障特征分析   总被引:1,自引:0,他引:1  
Hilbert-Huang变换(HHT)得出的时频图是分析非平稳信号的有效工具.应用HHT时频方法对转子早期局部碰摩和全局碰摩故障信号进行了分析,与传统的频谱分析比较表明:HHT时频方法具有良好的时频聚集性,能够很好地反映转子系统早期故障信号的时频特征,可以有效地对转子系统碰摩早期故障进行诊断.通过对全局碰摩故障信号分析,说明碰摩过程中摩擦力是不均匀的,碰摩接触面积的增大在时频图上表现为基频成分的波动变化加剧和高频成分的增加.基于HHT的三维谱图和时频亮度谱图能清晰地显示碰摩故障的频率、时间和振幅信息,为工程实际中转子系统的早期碰摩故障诊断和全局碰摩特征分析提供了有效的依据.  相似文献   

3.
为了提高分形维数提取碰摩故障特征的区分度和稳定性,提出了一种基于改进谐波小波和分形的算法。采用高斯包络改进的谐波小波对旋转机械信号进行处理,运用G-P关联维数计算分形维数。在Bently转子实验台上分别采集正常工况、单点碰摩、不平衡激励的碰摩三种数据,计算得出改进谐波小波处理后的关联维数能够很好的识别出故障,保真性较高,稳定性相比原始信号以及谐波小波处理信号高29.17%、14.81%以上。结果表明,改进谐波小波和分形能够更准确稳定得诊断碰摩故障信息,优于传统的关联维数算法。  相似文献   

4.
胡爱军  向玲  唐贵基 《润滑与密封》2007,32(5):37-39,44
通过转子台启动过程实验模拟了局部碰摩故障发生的过程,基于Hilbert-Huang变换(HHT)得到了不同程度局部碰摩故障的时频分布特征,给出了单点碰摩与局部碰摩故障的区分方法。实验分析结果表明,单点局部碰摩故障时频分布特征表现为瞬时频率沿基频的规律性的突变与波动,其强度与碰摩程度有关,并且突变时刻与碰摩发生位置相对应;局部接触碰摩发生时,时频图上基频成分波动变化加剧,出现低频及规律变化的高频成分。基于HHT的时频分布可以在转子系统发生局部碰摩早期发现故障,与传统的频谱分析相比,能更准确地反映碰摩故障的特征。  相似文献   

5.
基于改进Hilbert-Huang变换的机械故障诊断   总被引:14,自引:1,他引:13  
Hilbert-Huang变换(Hilbert-Huangtransform,HHT)通过经验模式分解(Empirical mode decomposition,EMD)和Hilbert变换能够自适应地将复杂的非线性、非平稳信号刻画成Hilbert-Huang谱,突显信号的局部特征,具有良好的时频聚集能力,因此被广泛用于机械信号处理与故障诊断.然而,EMD存在的模式混淆问题使其难以获得准确的本征模式分量(Intrinsic mode function,IMF).此外,通常只有部分IMF包含故障敏感信息、表征故障特征.因此基于EMID和所有IMF的Hilbert-Huang谱的故障诊断精度有待提高.为此提出一种基于总体平均经验模式分解(Ensemble empirical mode decomposition,EEMD)和敏感IMF的改进HHT.该方法利用EEMD获取无模式混淆的IMF,通过敏感度评估算法从EEMD所有的IMF中选择反应故障特征的敏感IMF,从而得到改进的Hilbert-Huang谱以更准确地诊断机械故障.通过仿真试验以及转子早期碰摩故障诊断的工程实例验证了改进HHT的有效性.  相似文献   

6.
提出了基于信号共振稀疏分解的转子早期碰摩故障诊断方法,该方法用信号共振稀疏分解从转子系统振动信号中提取早期碰摩冲击信号。与常规的基于频带划分的信号分解方法不同,信号共振稀疏分解方法根据信号中各成分品质因子的不同,将信号分解成高共振分量和低共振分量。当转子出现早期碰摩故障时,振动信号由以转频及谐波为主要成分的周期信号、包含转子故障信息的瞬态冲击信号以及噪声组成。周期信号为窄带信号,具有高的品质因子,可分解为高共振分量;瞬态冲击信号为宽带信号,具有低的品质因子,可分解为低共振分量。利用信号共振稀疏分解方法从转子早期碰摩信号中提取冲击成分,根据冲击的周期可进行转子早期碰摩故障诊断。算法仿真和应用实例验证了该方法从转子系统中提取早期碰摩冲击信号的有效性。
  相似文献   

7.
研究了旋转机械动静碰摩故障下转子与静子振动信号的变化规律.首先分析了碰摩转子和静子振动机理,通过实验对旋转机械在正常情况、轻微局部碰摩和严重局部碰摩三种情况下的动静件振动信号规律和特点进行分析.分析表明,静子振动信号对碰摩故障极为敏感,碰摩时静子振动信号的故障特征表现为调制特征,该特征可以较好地揭示碰摩故障的发生.为诊断碰摩故障提供了一种新思路.  相似文献   

8.
EMD方法在转子局部碰摩故障诊断中的应用   总被引:4,自引:3,他引:1  
针对转子系统局部碰摩故障振动信号的特征,将经验模态分解方法(Empirical Mode Decomposition,简称EMD)应用于转子局部碰摩故障诊断中。采用EMD方法对转子振动信号进行分解,实现碰摩、背景和噪声信号分离,从而提取转子系统局部碰摩振动信号的故障特征。试验分析结果表明,对具有局部碰摩故障的转子振动信号进行EMD分解得到的基本模式分量(IMF)具有明显的调幅特性,而其他状态下的转子振动信号经过EMD分解后得到的IMF分量没有明显的调幅特性。因此,EMD方法可以有效地应用于转子系统局部碰摩故障诊断中。  相似文献   

9.
针对传统时频分析法无法提取转子故障特征信息的问题,提出了基于傅里叶分解方法(FDM)的转子碰摩故障诊断方法。构造了调频调幅仿真信号,对比FDM、集合经验模态分解(EEMD)、变分模态分解(VMD)的分解结果发现,FDM能够实现仿真信号的完备性分解,且时频分辨率高。利用FDM对采集到的转子试验器机匣单点-转子全周碰摩试验故障数据进行诊断,不同算法故障信号分解结果的周期功率谱密度估计和故障特征提取结果表明,该方法具有更高的诊断可靠性,可有效地解决转子故障诊断问题。  相似文献   

10.
《机械强度》2017,(4):792-796
为了更完整的提取转子碰摩故障特征,提出了一种新的转子碰摩故障特征提取方法——全矢局部特征尺度分解(Full vector local characteristic decomposition,FVLCD)。FVLCD将局部特征尺度分解(Local characteristic decomposition,LCD)和全矢谱(Full vector spectrum,FVS)相结合,通过LCD将互相垂直通道的振动信号分解成系列内禀模态分量并用Hilbert变换对其进行解调得到包络信号;然后通过FVS融合包络信号得到相应的全矢谱,在此基础上进行机械故障诊断。转子松动-碰摩故障分析结果表明该方法有效融合两个通道的振动信号信息,获取的故障特征更全面、准确。  相似文献   

11.
传统视觉背景提取(ViBe)算法检测结果存在Ghost区域,且受环境变化影响,在提取前景时容易产生误检或漏检。针对这些问题,提出了一种基于运动目标自适应检测的改进ViBe算法。首先在背景模型初始化过程中,通过对均值背景建模设置调节参数方式获取真实背景,利用该背景初始化ViBe背景模型;其次在前景检测过程中,根据场景变化引入自适应半径阈值对前景进行自适应检测;最后对检测结果中存在的空洞进行数学形态学闭运算填充。实验结果表明,改进算法能够有效抑制Ghost区域,并在环境变化的情况下较完整地检测前景目标,与传统ViBe算法相比,检测的精确率提高了10%以上,误检率和漏检率分别降低了20%和7%,且改进算法满足实时性要求。  相似文献   

12.
针对Hilbert-Huang变换方法中由于信号经验模态分解(empirical mode decomposition, 简称EMD)过程中所存在的端点效应问题,分析了现有数据延拓方式的利弊,并在基于斜率(slope based method, 简称SBM)方法以及改进方法(improved slope based method,简称ISBM)的基础上提出了一种全新的基于斜率再优化(re-optimization slope based method, 简称RO-SBM)方法用于信号序列的极值点延拓,然后对延拓后的数据进行EMD分解,得到相应的 本征模函数(intrinsic mode function,简称IMF)分量。数值仿真结果表明,采用基于RO-SBM方法进行数据延拓,相比镜像延拓以及ISBM方法,可以更有效地抑制EMD中的端点效应问题, 提升HHT方法的信号分析性能。通过基于RO-SBM方法进行数据延拓的HHT方法准确分离出了某转子系统的局部碰摩径向振动信号中所包含的故障特征分量,并将此方法成功应用于旋 转机械故障诊断领域。  相似文献   

13.
为了解决脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)在图像分割中多参数设定以及评价准则单一的问题,提出了一种结合粒子群优化算法(Particle Swarm Optimization,PSO)和综合评价准则的PCNN图像自动分割方法。采用单调递增阈值搜索策略的PCNN改进模型,将PSO优化原理与由交叉熵参数,边缘匹配度和噪点控制度共同构成的综合评价相结合,以综合评价作为粒子的适应度函数,自动寻优获取PCNN图像分割模型的目标时间常数,连接系数以及迭代次数n,从而实现全参数自适应的PCNN图像分割。实验结果表明算法在保证PCNN运行效率下对不同类型图像都能进行正确完整的分割并兼顾纹理细节的保留。从实验数据可以看到,本文算法在综合评价和通用综合指标上均优于其他对比算法,综合评价平均优于其他算法10.5%。客观评价结果与视觉主观评价相一致,分割较理想,算法具有较高的鲁棒性。  相似文献   

14.
研究列车车轮失圆的检测与诊断问题,采用基于改进的希尔伯特-黄变换(Hilbert-Huang transform,简称HHT)的处理方法,首先,针对HHT方法固有的模态混叠现象,提出一种形态滤波-能量原则算法;然后,建立车辆轨道耦合动力学模型和典型的车轮故障模型,计算轴箱垂向振动的动态响应;最后,运用改进的HHT分析方法提取正常车轮、多边形化车轮和擦伤车轮引起的轴箱垂向振动的特征。研究结果表明,正常车轮与故障车轮之间以及不同类型故障的车轮之间Hilbert谱差异显著,可见该方法能够有效诊断车轮失圆故障。  相似文献   

15.
A new envelope algorithm of Hilbert–Huang Transform   总被引:2,自引:1,他引:1  
The algorithm to compute the envelope-line in Hilbert–Huang Transform (HHT) has major drawbacks. This paper first introduces the problem of an envelope-line algorithm in HHT, analyses the shortcomings of two classic algorithms, cubic spline interpolation algorithm and the Akima interpolation algorithm, and then proposes an important theory called the Segment Slide Theory in light of the principle of parabola parameter spline interpolation method and proves it. Based on the theory we proposed and with intuitive geometric meaning, a new envelope algorithm, the segment power function method, is put forward. The new algorithm is superior to existing algorithms because in most situations it is more flexible than the cubic spline interpolation algorithm and smoother than the Akima interpolation algorithm as shown in the experimental examples, and it is less likely to introduce a false frequency when applied to HHT.  相似文献   

16.
为研究弹载部件在导弹发射过程中的冲击响应及冲击信号的传递特性,进行了基于希尔伯特-黄变换(Hilbert-Huang transform,简称HHT)的导弹发射冲击时频谱分析。由于经验模态分解(empirical mode decomposition,简称EMD)结果易受白噪声的影响,研究了总体经验模态分解(ensemble empirical mode decomposition,简称EEMD)技术。以弹体不同位置的实测冲击信号为对象,应用HHT技术进行分析,准确得到了导弹发射冲击信号的固有模态函数(intrinsic mode function,简称IMF)和时间-频率-能量谱特征,并研究了两次冲击的频率分布和各阶IMF与原始信号的相关性。结合边际谱分析对比了两个舱段能量在中低频和高频的传递特性,进一步验证了HHT方法在分析非线性和非平稳冲击信号中的优越性。  相似文献   

17.
希尔伯特-黄变换(Hilbert-Huang transform,简称HHT)存在的模态混叠现象严重影响了实际应用效果。在分析研究HHT原理及模态混叠产生机理的基础上,提出了基于形态滤波预处理与端点延拓相结合的方法抑制模态混叠现象。与集合经验模态分解(ensemble empirical mode decomposition,简称EEMD)方法比较,所提出的方法能够更快速、准确地分解出表征信号的本征模态函数(intrinsic mode function,简称IMF)分量。将该方法应用于滚动轴承的实测信号分析,结果表明,该方法在实际应用中同样具有很好的模态混叠抑制效果。  相似文献   

18.
结合HHT同GA-BP神经网络的优点,提出了将二者结合用于风机故障诊断的新方法,并且应用最新提出的方法改进HHT(希尔伯特-黄变换),使其应用更为有效。利用HHT构造出代表振动信号特征的"能-频分布";根据GA-BP网络模型能够逼近任意非线性函数和具有高效寻找全局最优的特点作为特征分类器,进行故障诊断。风机故障诊断结果表明,该方法是可行有效的。  相似文献   

19.
Partial rub and looseness are common faults in rotating machinery because of the clearance between the rotor and the stator. These problems cause malfunctions in rotating machinery and create strange vibrations coming from impact and friction. However, non-linear and non-stationary signals due to impact and friction are difficult to identify. Therefore, exact time and frequency information is needed for identifying these signals. For this purpose, a newly developed time-frequency analysis method, HHT (Hilbert-Huang Transform), is applied to the signals of partial rub and looseness from the experiment using RK-4 rotor kit. Conventional signal processing methods such as FFT, STFT and CWT were compared to verify the effectiveness of fault diagnosis using HHT. The results showed that the impact signals were generated regularly when partial rub occurred, but the intermittent impact and friction signals were generated irregularly when looseness occurred. The time and frequency information was represented exactly by using HHT in both cases, which makes clear fault diagnosis between partial rub and looseness. This paper was recommended for publication in revised form by Associate Editor Eung-Soo Shin  相似文献   

20.
为了能够对变负荷工况下的轴承早期故障及损伤程度进行准确有效的诊断,提出了基于改进混沌果蝇优化算法的变分模态分解(variable mode decomposition,简称VMD)和基于嵌套一对一算法的多分类相关向量机(multi-class relevance vector machine,简称MRVM)的智能诊断模型。首先,使用改进混沌果蝇优化算法(improved chaotic fruit fly optimization algorithm,简称ICFOA)对VMD的本征模态函数(intrinsic mode function,简称IMF)个数和惩罚参数进行优化,搜索两个参数的最优组合值;其次,使用最优组合参数值对VMD算法的关键参数进行设定,并对已知的故障信号进行分解获得相应的IMF分量;然后,使用嵌套一对一算法构造高精度的多分类RVM学习模型,将IMF分量的二维边际谱熵值作为MRVM的输入特征向量;最后,使用不同载荷下的实验数据进行验证。实验结果表明,所提出的方法能够准确地对变载荷工况下的轴承故障进行诊断,其中轴承故障类型的诊断精度为100%,轴承故障程度的诊断精度为91.87%,诊断精度较高,鲁棒性强。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号