基于SSWPT的转子油膜失稳故障分析

针对已有的时频分析方法在转子非平稳特征提取方面的不足,提出采用同步压缩小波包变换(SSWPT)方法进行转子油膜失稳故障分析.首先将采集的振动信号进行小波包变换得到小波包变换系数,然后求取信号的瞬时频率,最后对小波包变换系数沿信号瞬时频率方向进行压缩,从而将各频率成分清晰呈现于时频图中.分别利用仿真、实验信号及油膜涡动现场故障数据对该方法进行了验证,并与希尔伯特黄变换(Hilbert-Huang Transform,HHT)时频分析方法进行了对比.结果表明:该方法能够成功提取转子油膜失稳故障特征频率,体现了其在转子油膜失稳故障诊断中的优越性.     

基于SSWPT边际谱特征信息提取的齿轮故障诊断EI北大核心CSCD

在噪声的影响下,齿轮的故障信息不易被识别。同步压缩小波包变换(synchrosqueezed wave packet transform,SSWPT)作为一种新的时频分析方法,具有良好的抗噪声能力。在其基础上提出基于SSWPT边际谱特征信息提取的齿轮故障诊断方法。首先,对故障齿轮的振动信号进行SSWPT得到信号的能量矩阵,并对能量矩阵进行积分变换求取齿轮振动信号的边际谱;然后,根据边际谱提取啮合频率及其倍频,并选择对应的啮合调制频带对能量矩阵运用同步压缩小波包逆变换(synchrosqueezed wave packet inverse transformation,ISSWPT)进行信号重构;最后,对重构信号进行解调分析,从而可以有效提取齿轮故障特征频率。仿真及试验分析结果表明,该方法可以准确地提取齿轮故障特征信息,且分析效果优于包络谱和基于快速谱峭度的共振解调方法,为齿轮的故障特征提取提供一种有效的方法。     

基于HS-SPME-GC-MS分析茶叶提取物对奶酪挥发性风味的影响

采用顶空固相微萃取法结合气相色谱质谱联用技术(headspace-solid phase microextraction-gas chromatography-mass spectrometry,HS-SPME-GC-MS)对原奶酪、绿茶奶酪和茯砖茶奶酪挥发性风味物质提取测定,分析茶叶提取物对奶酪挥发性风味的影响。结果显示,原奶酪、绿茶奶酪和茯砖茶奶酪分别检出37、36、39种挥发性风味物质。2-壬酮、苯甲醛、苯甲醇和3-辛酮为原奶酪的特征挥发性风味物质,己酸、4-苯基-1-环己烯和芳樟醇为绿茶奶酪的特征风味物质。癸酸乙酯、十二烷酸乙酯、辛酸乙酯和9-癸烯酸乙酯为茯砖茶奶酪的特征风味物质。三种奶酪感官评定分析显示,绿茶与茯砖茶奶酪具有较高的感官评分。综上,茶叶提取物可有效改善奶酪风味,对奶酪品质具有积极地促进作用。     

快速路径优化引导ACMD的变转速轴承故障诊断北大核心

针对变转速工况下滚动轴承故障特征识别困难的问题,提出了一种快速路径优化算法(FPO)引导自适应线性调频模态分解(ACMD)的变转速轴承故障诊断方法。首先,对轴承故障信号进行希尔伯特变换解调提取隐藏在高频信号中的故障信息;其次,采用FPO算法从信号的时频分布中对信号分量的瞬时频率进行初始估计;将预估的各分量初始频率作为ACMD的初始参数对原始包络信号进行分解;最后,根据分解得到各个信号分量的瞬时频率和瞬时幅值等信息构建出高分辨率的时频表示。通过分析实测信号表明,所述方法能够展示出各个信号分量的幅值和频率变化趋势,剔除了无关成分的干扰,清晰地演示变转速工况下轴承故障信号的时变特征。     

快速谱相关引导ACMD的滚动轴承复合故障特征分离方法EI北大核心CSCD

以不同故障类型产生的冲击信号周期不同为出发点,提出了一种快速谱相关引导自适应线性调频模态分解的滚动轴承复合故障特征分离方法。首先使用快速谱相关搜寻复合故障信号中潜藏的循环频率成分;然后根据快速谱相关图绘制循环频率沿频率轴的能量分布曲线,提出单一循环频率能量主导准则挑选包含单一故障信息最多而另一故障信息最少的频带范围,从中选取合适的中心频率指引自适应线性调频模态分解对指定频带进行分解;最后对分解信号进行包络分析,根据故障频率判定故障类型。通过分析仿真信号以及外圈6点钟故障和12点钟故障与内圈复合故障试验信号表明,该方法可以实现复合故障特征的分离。     

基于VEITD和OSMHD的风电机组轴承损伤识别

针对风力发电机轴承损伤信号易被强噪声干扰导致损伤特征提取困难的问题，提出了一种基于可变熵加权融合的固有时间尺度分解和优化稀疏最大谐波噪声比解卷积法相结合的风力发电机轴承损伤识别方法。采用固有时间尺度分解方法对原始信号进行分解，得到若干个固有旋转分量。利用可变熵对固有旋转分量进行加权融合。使用优化稀疏最大谐波噪声比解卷积法对加权融合信号进行处理，提取轴承损伤特征频率。试验台数据和风力发电机现场数据分析结果表明，所提方法对轴承损伤信号中的噪声抑制效果明显，能够准确提取风力发电机轴承损伤特征频率，实现风力发电机轴承的损伤识别。