基于双谱特征的行星齿轮箱故障诊断方法

为了研究行星齿轮箱齿面磨损全生命周期实验的退化过程,使用了可以抑制高斯噪声和对信号中产生的频率耦合进行解耦的双谱方法去进行故障特征提取,提出了两个基于双谱的特征指标,双谱熵以及非高斯强度,并通过特征指标评价方法去检验其指标性能。结果表明基于双谱熵具有良好的指标性能,而且对于行星齿轮箱齿面磨损的早期微弱故障十分敏感,适用于行星齿轮箱齿面磨损的故障诊断。     

Electrical motor current signal analysis using a modified bispectrum for fault diagnosis of downstream mechanical equipment

This paper presents the use of the induction motor current to identify and quantify common faults within a two-stage reciprocating compressor based on bispectrum analysis. The theoretical basis is developed to understand the nonlinear characteristics of current signals when the motor undertakes a varying load under different faulty conditions. Although conventional bispectrum representation of current signal allows the inclusion of phase information and the elimination of Gaussian noise, it produces unstable results due to random phase variation of the sideband components in the current signal. A modified bispectrum based on the amplitude modulation feature of the current signal is then adopted to combine both lower sidebands and higher sidebands simultaneously and hence characterise the current signal more accurately. Based on this new bispectrum analysis a more effective diagnostic feature, namely normalised bispectral peak, is developed for fault classification. In association with the kurtosis value of the raw current signal, the bispectrum feature gives rise to reliable fault classification results. In particular, the low feature values can differentiate the belt looseness from the other fault cases and different degrees of discharge valve leakage and inter-cooler leakage can be separated easily using two linear classifiers. This work provides a novel approach to the analysis of stator current for the diagnosis of motor drive faults from downstream driving equipment.     

基于WAEEMD和MSB的滚动轴承故障特征提取

针对调制信号双谱（MSB）方法仅能处理平稳信号的不足,提出了一种基于加权平均集成经验模态分解（WAEEMD）和MSB的滚动轴承故障特征提取方法。首先,利用WAEEMD将滚动轴承的非平稳振动信号分解成一系列具有平稳特性的固有模态函数（IMF）;然后,开发了一种基于Teager能量峭度（TEK）的加权平均方法以强调敏感IMF的重要性,并将加权后的IMF重构为WAEEMD滤波信号;最后,应用MSB分解WAEEMD滤波信号中的调制分量并提取故障特征频率。仿真和实验结果表明,相对于快速谱峭度（FK）和EEMD-MSB方法,WAEEMD-MSB方法能更准确地获取故障特征,从而验证了WAEEMD-MSB方法的有效性。     

利用信号围线积分双谱分形特征实现电台识别

信号的双谱能反映信号的细微特征,可用于电台识别中,但将它直接应用于电台识别需要计算复杂的匹配模板,增加分类器的复杂度,影响识别效率。针对此问题,提出了一种将信号围线积分双谱的分形特征作为电台特征参数的识别方法。首先由信号双谱估计值求出围线积分双谱,然后利用盒维数和信息维数定量描述围线积分双谱波形的复杂度,并将这两种分形维数作为特征向量,最后利用支持向量机(SVM)实现电台分类识别。对两部实际电台所发射的2FSK信号利用所提方法进行分析,结果表明在信噪比为7 dB及以上时,电台正确识别率能达到94.29%以上,验证了所提方法的可行性。     

A New Test of Linearity of Time Series Based on the Bispectrum

The linearity of a time series is tested by use of the bispectrum. We define the time series to be linear if the best predictor is linear. The bispectrum is estimated by stretching the data and smoothing by the Subba Rao–Gabr optimal window. The null hypothesis tested here is that the best predictor is linear against the alternative that the best predictor is quadratic. It turns out that the test statistic is asymptotically χ²-distributed under the hypothesis that the time series is linear. The results are demonstrated using simulated and real data.     

涡街流量计信号的高阶统计量特征

涡街信号的正确分析和有效处理是实现涡街流量计准确测量的先决条件之一.为研究涡街信号的非高斯性,提出了一种基于高阶统计量方法的涡街流量计信号分析的新方法.通过对涡街管壁差压信号的双谱分析,提取了不同流量下信号的非高斯特征.以信号的双谱幅度最大值作为特征参数,对不同流量下涡街信号偏离高斯分布的程度进行了定量估计.实验结果表明:涡街信号的非高斯性随着流量的增大而不断增加.这一研究结果为深入理解涡街现象、进一步优化涡街流量计的设计提供了有力的参考.     

风速时间序列的非线性特性分析

风速特性是风电机组设计和运行的重要影响因素。利用几种经典和现代非线性信号分析方法对风电机组上实测风速数据的非线性特性进行分析研究。通过均值、方差和偏度等特征值的非对称性和突变特性判断风速长时间序列的非平稳特征,对风速序列的概率分布计算反映风速的非高斯性,利用对数功率谱和频率之间的拟合关系确定风速的非平稳特性,进一步采用双相干谱分析和希尔伯特-黄变换等现代信号分析方法对风速数据是非高斯性和非平稳性进行了分析和验证。     

基于子块积分循环双谱的雷达辐射源信号识别

循环双谱性能优越,能用于雷达辐射源信号的识别,但是其数据量庞大。循环双谱对角切片法丢失了大部分信息。证明了循环双谱的对称性和周期性,在此基础上提出了子块积分循环双谱,该方法不但能有效地减小数据量,而且保留了大部分的循环双谱信息。然后用Fisher判决率(FDR)选择鉴别能力较强的子块积分循环双谱。仿真条件下,对比分析了子块积分循环双谱与循环双谱对角切片法的识别效果,结果表明新方法的识别性能远优于对角切片法。     

基于时延降噪循环双谱的电机轴承故障检测方法研究

当电机轴承出现故障时,定子电流信号中的微弱故障特征淹没在基波及谐波的强大噪声背景中。由于信噪比过低,基于电流的轴承故障检测一直是一个挑战。为此,提出了一种基于时延降噪的循环双谱检测方法。首先根据循环双谱函数构造定子电流解析表达式,提取电流解析式的特征解。通过理论分析确定循环双谱函数中的时延滞后量,减少电流信号中的无关噪声成分。最后利用实验平台采集定子电流,在电流解析式取得特征解的位置做切片频谱分析。实验结果表明,所提方法能有效提升信噪比,并提取出电流中非平稳的微弱故障特征,实现电机轴承故障的检测。     

基于小波包域双谱的风力机振动信号监测方法研究

文章主要基于小波域双谱的方法对风力机振动信号监测技术进行研究,以风电场多台1.5兆瓦直驱机型的大量轴承振动信号为基础,运用了一种小波包域双谱的方法对振动信号分析,并与传统双谱进行对比,实验结果表明:小波包域双谱优于双谱分析,能够准确的判断轴承正常和故障运行情况,该方法不但有效抑制噪声和其他高频成分的干扰,而且具有双重消噪的效果,有效地避免了小波分析和传统双谱分析的缺点,为在线监测异常状况预警提供了很好的依据。