基于时频挤压和阶比分析的变转速轴承故障检测方法

阶比分析是实现变转速工况下旋转机械设备故障特征提取的主要方法之一,其核心在于转速信息的准确获取,传统阶比分析方法主要通过转速计等设备测得转速,成本高且抗噪性差,而基于时频分析的转速估计方法操作简单,鲁棒性和准确性也较好。提出了一种基于时频挤压的转频估计方法,该方法不依赖多余设备,通过时频挤压和重采样阶比分析,实现转频估计和特征提取,从而诊断轴承故障。将基于传统时频方法与所提方法得到的分析结果以及计算阶比分析结果三者进行比较,以验证所提方法的可行性与有效性,仿真和实验信号分析结果均表明,所提方法的时频聚集性和鲁棒性较传统方法更好,且在无转速计的情况下,分析结果精度也更高。     

多源稀疏优化方法研究及其在齿轮箱复合故障检测中的应用

齿轮箱因其工作环境恶劣,极易出现复合故障,其故障振动信号往往包含多种成分且伴随着强烈的背景噪声,给齿轮箱故障诊断带来了很大的困难.稀疏分解能够在强背景噪声下有效地提取微弱故障特征,针对传统稀疏分解方法存在信号保真能力欠缺,目标函数非凸导致局部最优解,模型通用性差等问题,基于广义极小极大凹(Generalized minimax concave,GMC)惩罚函数推导构建了具有保凸性的多源稀疏优化目标函数,并利用前向后向分裂(Forward-backwardsplitting,FBS)算法,基于Laplace小波字典,Morlet小波字典与DFT字典分别求解轴承瞬态成分,齿轮瞬态成分,谐波成分的稀疏表示,最终实现各成分的准确提取.仿真信号和试验信号的分析均验证了所提出的模型能够在不需要故障具体数目的先验知识下,准确实现齿轮箱复合故障的信号分解和故障诊断.     

BP算法对电气故障诊断系统的优化

电气设备在社会的各个领域得到广泛应用，并发挥着重要的作用。同时，电气设备在使用过程中也不可避免地出现故障。因此，寻找一种有效的电气故障诊断方法，是目前亟待解决的问题。本文提出一种BP算法，对电气设备的运行数据进行分析，计算各电气设备发生故障的概率，快速找出电气故障的位置和原因。MATLAB仿真结果显示，BP算法对电气故障诊断的精度符合电气实际诊断要求，整体诊断精度大于85%。同时，在故障点位置、故障原因、系统诊断方案选择方面，BP算法的诊断精准度与实际检测结果一致。     

金属铝板弯折形变积累的超声兰姆波无损检测

材料结构中疲劳微裂纹的产生和扩展是影响其寿命的重要因素,在疲劳裂纹产生初期就将其检测出来对于提高结构安全性至关重要。利用兰姆波探索了铝板反复弯折时判定材料疲劳积累到最终塑性形变断裂失效的方法。试验通过分析兰姆波各模式的频散曲线、振幅曲线和对比理论与实际的波包群速度,选定了在最佳激励频率下判定疲劳损伤积累的特征信号。还通过快速傅里叶变换分析频域的能量分布来判定疲劳累积。试验结果表明:在试样从弯折塑性形变积累到出现微裂纹的过程中,A0波包振幅有小幅度的减小,而在材料断裂失效前,该振幅幅度会急剧减小。