基于小波包和包络分析的滚动轴承故障自动诊断方法

提出了一种基于峭度-小波包-包络分析的滚动轴承故障自动诊断方法。首先用峭度系数判断是否出现故障,再针对故障轴承振动信号非平稳和调幅的特点,用小波包将信号分解到不同的节点上。然后将不同节点的重构信号做包络谱分析,将谱峰处的频率同滚动轴承内圈、外圈、滚珠、保持架等的故障频率进行对比分析,在此基础上,运用最小距离判别法则自动获得故障原因,从而实现滚动轴承故障的自动诊断。通过对实验中采集到的轴承振动信号进行分析,证明了该方法在轴承早期故障诊断中的有效性。     

一种新的盲源分离拟开关算法

针对电子战中各种信号混叠严重难以分离的现象,在盲源分离开关算法基础上提出一种新的盲信源分离拟开关算法.该算法引入单位对称加权滑动向量来加权每次迭代所得的分离信号作为源信号,用峭度取代原算法的峭度符号位作为判断函数来自适应选择加权相应激活函数,以此优化学习算法,结合信号分选的具体应用,给出了迭代结束的评判方法.计算机仿真实验表明,在强噪声背景影响下,该算法能够更加有效地分离空间未知多源线性混叠信号,且在分离效果、稳定性、处理速度和抗噪性能上都比原算法有较大改进.     

一种改进性能自适应ICA算法研究

研究高动态环境必须实时自适应追踪混合矩阵的变化,快速浮点独立成分分析(Fast-ICA)算法,可以达到快速收敛.依据梯度在线学习算法性能更好,但是它的缺点是收敛慢,并且依赖适当的收敛算子的选择.为解决上述问题,提出了一种依据梯度优化块自适应ICA算法(GBOBA/ICA),包含Fast-ICA和依据梯度在线学习两种算法...     

基于CEEMDAN与改进小波阈值的电缆局部放电信号降噪方法

对检测到的电缆局部放电信号降噪是实现电缆绝缘诊断与评估的前提,为此提出一种基于自适应噪声的完备集合经验模态分解(CEEMDAN)与改进小波阈值的电缆局部放电信号降噪方法。首先,采用CEEMDAN算法将染噪局部放电信号进行分解,得到数个模态分量;然后,计算模态分量的峭度值,筛选出有效特征分量并重构;最后,将重构信号通过改进小波阈值法再次降噪去除冗余噪声,得到降噪后的局部放电信号。将该方法、传统小波阈值法及集合经验模态分解与改进小波阈值法分别用于不同噪声强度下局部放电仿真信号的降噪处理,结果表明该方法具有更高的信噪比与波形相似系数,能有效抑制周期性窄带干扰与白噪声。     

基于谱峭度和Teager能量算子的轴承故障特征增强

共振解调法的难点在于带通滤波器的确定,谱峭度可根据信号特征寻找最优滤波器参数,很好地解决以上问题。然而谱峭度在对低信噪比数据进行处理时,滤波后的信号往往残留较大带内噪声,极大地影响了后续故障诊断的准确性。针对该问题,提出利用Teager能量算子追踪SK滤波信号的系统总能量,从信号能量的角度消除带内噪声,二次增强隐藏于噪声中的故障冲击特征,最后通过包络谱分析获得诊断结果。应用轴承故障仿真数据、实验室内圈和外圈故障数据验证了本方法的有效性。     

基于峭度的一种RobustICA算法

介绍了由V.Zarzoso and P.Comon提出的一种新的基于峭度的独立成分分析算法RobustICA (Robust Independent Component Analysis),并比较了和FastICA在收敛性和信号质量方面的不同.该算法的主要优点在于可以选取最佳步长,可以选取任何不为零的独立成分,并且解决盲分离信号排序问题,同时提升当信号存在坏点和伪局部极值点时的鲁棒性.仿真实验结果表明了该算法相对于FastICA算法减少了迭代次数和加快了收敛速度,同时在小样本空间下均方误差SMSE也明显优于FastICA算法.     

超高斯伪随机振动激励信号的生成技术

振动激发试验和振动模拟试验的最新发展都需要产生超高斯分布的随机振动激励信号。然而,目前基于功率谱均衡的数字式随机振动控制系统只能产生高斯分布的随机振动激励信号。研究具有指定功率谱密度分布的超高斯伪随机振动激励信号的生成技术,从而使现有的数字式随机振动控制系统可以同时具有频域和幅值域的双域控制及均衡能力。仿真和试验结果验证了该方法的正确性和有效性。     

EMD和平滑伪Wigner-Ville谱熵的轴承故障诊断

提出一种基于经验模态分解(EMD)和平滑伪Wigner-Ville分布 (SPWVD) 谱熵的滚动轴承故障诊断的方法。EMD方法充分保留信号本身的非线性和非平稳特征,在信号的滤波和去噪中具有较大的优势,SPWVD谱熵用于定量刻画轴承不同状态下振动信号的时频能量分布,将二种算法相结合应用于不同工作状态滚动轴承,并设计最小二乘支持向量机(LS-SVM)智能模型,实现轴承状态和故障类型的自动分类和识别。通过SPWVD谱熵与谱峭度法的对比,验证了SPWVD谱熵的有效性。实验表明此方法能够有效地提取轴承故障的特征信息,提高轴承故障诊断率。     

基于EEMD和共振解调的滚动轴承自适应故障诊断

本文为解决滚动轴承原始振动信号信噪比低以及带通滤波器参数选择依赖于人的主观经验等影响传统共振解调技术有效应用的问题,提出了EEMD自适应消噪和自适应共振解调相结合的方法。论文首先利用EEMD自适应地将信号分解成多个分量,通过互相关系数方法进行自适应重构以突出故障特征信号,然后利用谱峭度自动确定带通滤波器的中心频率和带宽,最后对滤波后的信号进行能量算子解调谱分析。数字仿真信号和滚动轴承实验证明了该方法的有效性。     

基于EEMD、度量因子和快速峭度图的滚动轴承故障诊断方法

在基于EMD、谱峭度以及包络分析的滚动轴承故障诊断方法的基础上,提出了改进的基于EEMD、度量因子和快速峭度图的诊断方法。该方法首先将故障信号进行EEMD分解得到一组IMFs,然后使用提出的基于距离的度量因子筛选出最能表征故障信息的IMF分量重构信号,接着利用快速峭度图构造最优带通滤波器,最后将滤波后的重构信号进行包络分析并将包络谱与轴承故障特征频率进行比较从而诊断出具体故障。滚动轴承的内圈故障仿真数据以及工程实测数据均很好地验证了提出的改进方法的有效性,说明其具有良好的应用前景。