基于包络解调随机共振和CEEMD的机械早期微弱故障诊断方法研究

针对噪声背景下机械振动信号早期故障特征提取难题,提出一种基于包络解调随机共振和互补总体经验模态分解的机械早期微弱故障提取及诊断新方法。首先对含噪声机械故障信号进行包络解调处理,然后对包络信号进行变尺度随机共振输出,使故障特征信号得到增强,最后对处理后的信号进行互补总体经验模态分解(CEEMD),得到机械振动信号故障特征分量,实现故障特征提取及诊断。对机械故障诊断实例表明,该方法不仅能增强信号幅值,同时减少了虚假分量,提高了CEEMD算法的精度,有效提取出被噪声淹没的微弱故障信号,提高了机械早期故障诊断效果。     

EMD-CSF在滚动轴承早期微弱故障诊断中应用

滚动轴承早期故障信息微弱并且夹杂大量背景噪声,故障特征难以识别,为增强传统轴承故障诊断算法的噪声适应性、智能性和鲁棒性,提出一种将经验模态分解(Empirical Mode Decomposition,EMD)和卷积稀疏滤波(Convolutional sparse filtering,CSF)相结合的故障诊断模型。首先对振动信号进行EMD处理,选取峭度值较大的前几阶固有模态分量(Intrinsic Mode Function,IMF)进行重构,然后将重构信号进行稀疏特征学习,最后通过分析时域波形和Hilbert包络谱的特征频率及其谐波判别轴承的故障信息。通过滚动轴承的仿真数据与实测试验数据,证明了采用所提方法能够更好识别轴承故障特征,具有更强的抗噪性。     

随机共振用于微弱信号检测时的结构参数研究

分析了参数调节随机共振中系统结构参数对输出效果的影响,通过仿真,得出了不同参数条件下系统输出效果,同时,分析了信噪比随结构参数的变化关系,定量的描述了系统结构参数对输出的影响,根据仿真结果,总结了随机共振用于微弱信号检测时的参数调节策略,为参数调节随机共振提供了一个具体可行的操作步骤。     

三稳阱内随机共振在微弱OFDM信号检测中的应用研究

提出了一种基于三稳阱内随机共振的微弱OFDM信号增强与解调方法,对OFDM基带复信号驱动下的三稳阱内随机共振系统的动力学特性和系统性能进行了深入分析。首先,分别给出了三稳阱内随机共振系统动态方程和OFDM基带复信号数学模型;然后,分析了三稳阱内随机共振的暂态响应过程和稳态响应过程,推导了系统从零状态到共振平衡状态所需暂态时间的表达式,推导了阱内随机共振系统处于稳定状态时的系统输出信号表达式;最后,给出了基于双三稳阱内随机共振系统的OFDM基带复信号增强和解调处理过程,先将接收到的OFDM基带复信号按符号周期进行分段,对同相分量和正交分量两路信号同时进行阱内随机共振处理,并进行了仿真。仿真结果表明：三稳随机共振方法有效解决了低信噪比下微弱OFDM信号接收性能恶化的问题,提高了OFDM系统的抗噪性能。     

随机共振系统的电路模拟及在微弱信号增强传输中的应用

采用电子线路仿真双稳随机共振系统,建立微弱信号增强传输单元.实验结果表明,该装置适合于低信噪比条件下微弱正弦信号的检测,并且可以有效增强周期脉冲信号及二进制数字脉冲信号的传输,为微弱故障特征信号的提取以及数字信号的远程传输中提供了一种实用装置.     

一阶线性系统随机共振在转子轴故障诊断中的应用研究

针对机械系统早期微弱故障信号难识别诊断问题,提出一阶线性系统调参广义随机共振的特征提取方法,该方法基于调节一阶线性系统参数,可以得到信噪比取极大值的广义随机共振现象。为得到清晰的特征信号,以可辨识性为优化目标,给出了系统参数、信号频率、采样频率等参数之间的选择关系。滑动轴承试验台上转子轴的早期微弱故障模拟实验,验证了此方法的有效性。     

随机参数诱导交流积分器中的随机共振研究

研究了具有随机参数的交流积分器中的随机共振现象。基于线性系统理论,得到了系统输出信噪比的表达式。研究发现,输出信噪比是噪声强度、噪声相关率以及系统参数的非单调函数。信噪比随着激励信号频率的增大而增大,随着信号直流分量的增大而减小。     

多稳态匹配随机共振在机械早期故障特征提取中的应用

传统单稳态或双稳态随机共振方法的势函数稳态结构单一,难以匹配复杂多变的输入信号;固定尺度因子忽略了与势结构、输入信号之间的协同增强作用;且一阶系统易遭受低频噪声干扰,依赖高通滤波器辅助。因此,提出自适应二阶多稳态匹配随机共振方法,并应用于机械早期故障的微弱特征提取。该方法的优势在于：(1)多稳态势结构的多样性可与不同的输入信号实现有效匹配;(2)能实现输入信号、势结构、尺度因子三者之间的协同作用;(3)二阶多稳态随机共振能够抑制低频噪声干扰。仿真分析和机车轴承故障诊断案例表明：提出的方法相比单稳态和双稳态随机共振方法具有更强的微弱特征增强与提取能力。     

指数型随机共振微弱振动信号检测方法

在实际工程故障诊断中特征频率信号经常淹没在噪声中,信息提取非常困难。为了提取强噪声背景中的微弱信号,将简谐势阱与Gaussian Potential模型相结合,提出一种作用在Duffing方程下的新型指数型双稳随机共振系统。首先,推导逃逸率并研究系统参数对输出信噪比影响;其次,基于指数型双稳随机共振系统对冲击衰减信号以及谐波振动信号进行检测;最后为检测大噪声下多频信号提出指数型双稳随机共振和经验模态分解的微弱信号联合检测方法并应用于轴承故障信号检测中。实验分析及仿真结果表明,指数型双稳随机共振模型在信号检测中是可行的,并且对于多频谐波信号通过随机共振后进行经验模态分解可使检测更加准确,联合检测不仅能识别故障信号,还能识别故障倍频信号。     

一种自适应共振解调方法及其在滚动轴承早期故障诊断中的应用

提出一种基于遗传算法的自适应共振解调技术并应用于滚动轴承的早期、微弱故障的精密诊断。传统的共振解调方法需要提前获得带通滤波中心频率和带宽等信息,往往需要反复调试才能获得满意的结果。在传统共振解调的基础上,利用滚动轴承故障特征频率的变化规律,设计了一种新的目标函数,借助遗传算法优良的全局搜索能力确定出最佳的带通滤波参数。在此基础上再进行共振解调分析,可在复杂的干扰噪声中提取出微弱的故障信号,准确识别出非损伤性轻微故障。在轮对跑合试验台上进行检验后发现:该方法可自动地优化出最佳的带通滤波中心频率和带宽,从而精确诊断出早期、非损伤性轴承故障。     

基于调制随机共振的微弱信号检测研究

在工程信号处理过程中信号常超出随机共振绝热近似或线性响应理论的小参数要求而成为大参数信号。论文深入探讨非线性双稳系统随机共振发生机理和条件要求,将频率调制技术与随机共振理论相结合,提出用调制随机共振的方法实现随机共振理论在工程信号检测中的应用,进行了数值仿真分析证明其有效性,并将该方法应用于轴承内圈点蚀故障的检测     

随机共振技术在探潜中的应用

潜艇在低速航行时,由于辅机的工作和螺旋桨转动,导致了声频在甚低频段(0~100 Hz)内有较强的线谱。在声源较弱时,由于信噪比太低,传统的Demon谱分析方法无法辨别出线谱成分。这在一定程度上限制了声呐在低信噪比情况下的探潜性能。根据随机共振理论的非线性检测目标手段,运用扫频式随机共振技术,对低信噪比情况下的潜艇线谱噪声进行处理,从而增强了线谱能量,以提高检测信噪比。根据该理论,运用扫频随机共振方法对潜艇甚低频段线谱进行了数据处理,使得检测结果提高了8 dB,实际运用的目标检测距离提高1倍以上。充分体现了该理论的工程实用价值。     

基于分段线性非饱和随机共振的机械早期故障诊断方法研究

针对大型机械设备运行环境恶劣、故障特征难以提取的问题,提出一种基于分段线性双稳态势函数模型的非饱和随机共振方法。该方法通过分段线性化的势函数代替经典的双稳态势函数,然后利用频移尺度变换实现机械设备振动信号的小参数化,使其满足随机共振系统的输入条件;最后,将系统输出信号的信噪比作为遗传算法的目标函数,优化非饱和随机共振系统参数,实现机械设备早期故障特征的增强与提取。仿真分析表明该方法可以有效地提取淹没在强噪声背景下的微弱故障冲击特征,而且轴承实验证明提出的方法能够有效增强与提取故障特征频率。仿真与实验结果进一步表明提出的方法优于经典双稳态随机共振方法,不仅能够获得高的输出信噪比,而且在特征频率处具有更高的幅值。以上优点归功于提出方法不仅克服经典双稳态随机共振系统的内在输出饱和问题,而且利用遗传算法实现系统与输入信号之间的最佳匹配。     

集成TEO解调和随机共振的行星齿轮箱早期故障诊断方法

针对行星齿轮箱早期微弱故障难以诊断的问题,提出一种结合Teager能量算子(TEO)解调和随机共振增强输出的方法以实现故障特征提取。首先,对行星齿轮箱振动信号进行经验模式分解(EMD)并选取包含故障信息的分量信号,使用TEO解调运算获得分量信号的解调信号。其次,为满足随机共振系统的小参数条件,将解调信号做适当压缩处理并进行频率二次采样。再次,以定义的随机共振系统输出信噪比为适应度函数,采用粒子群算法优化随机共振系统的结构参数,进而重构随机共振系统以实现信号、噪声以及非线性系统的最佳匹配。最后,将信号重新输入参数优化后的随机共振系统实现故障特征的增强提取。仿真和实验均表明:该方法获取了随机共振系统的大信噪比输出,实现了强噪声下微弱故障特征的准确和高效提取,是一种行之有效的行星齿轮箱早期微弱故障诊断方法。     

为检测微弱周期信号对二次采样随机共振相关参数的研究

分析了二次采样随机共振中涉及到的重要参数采样频率和二次采样频率,结合理论推导与仿真,得出了这两个参数对系统输出效果的具体影响,同时分析了造成这些影响的原因,提出了这两个参数选取的方法,为更好地应用二次采样随机共振检测微弱周期信号提供了依据。     

随机共振技术在齿轮箱故障检测中的应用

讨论了利用SR原理从强背景噪声中提取微弱周期特征信号的方法，给出了SR模型数值求解的新算法。在对齿轮箱故障进行数值仿真的基础上，将此方法用于某型直升机中间减速器齿轮点蚀故障的微弱特征信号提取，结果表明，该方法能有效提取出齿轮发生早期点蚀故障时的微弱特征信号，为直升机减速器齿轮箱的状态监测与早期故障检测提供了一条新途径。     

具有随机参数的线性振荡器的随机共振

研究了噪声作用下的具有随机参数的过阻尼线性振荡器的随机共振现象.基于线性系统理论,得到了系统输出幅度增益的精确表达式.研究表明,输出幅度的增益是噪声强度和激励信号频率的非单调函数.而且,适当的噪声强度和振荡器参数可以使有噪声情况下的输出幅度增益大于无噪声时的输出幅度增益.讨论了噪声的强度和振荡器参数对输出幅度增益的影响.     

基于参数优化的MCKD的滚动轴承早期故障诊断

针对滚动轴承早期故障被淹没在噪声信号下特征信号微弱,故障特征难以提取的问题,将最大相关峭度解卷积(maximum correlated kurtosis deconvolution,MCKD)应用于滚动轴承早期故障诊断。并针对MCKD参数滤波器长度及移位数需人为选择的问题,提出一种基于参数优化的最大相关峭度解卷积的滚动轴承早期故障诊断方法。首先,针对轴承工作的实际工况讨论了最优移位数;然后,以经解卷积后信号的形态能量熵作为评价函数,利用网格搜索法对滤波器长度进行寻优;最后,利用参数优化后的MCKD算法增强信号中的冲击成分,通过包络谱判断轴承故障类型。实验表明,该方法可有效的增强轴承信号中微弱的故障特征成分,实现滚动轴承早期故障的诊断。     

基于SSA和双稳随机共振的车削颤振微弱特征提取

围绕车削颤振激发过程,针对车削颤振过渡阶段特征微弱且存在噪声和转频干扰的问题,提出一种基于麻雀优化算法(sparrow search algorithm, SSA)和双稳随机共振(bistable stochastic resonance, BSR)系统的车削颤振微弱特征提取方法。该方法利用SSA优良的寻优特性,以信噪比作为优化指标确定最佳BSR系统参数,用优化后的参数对车削颤振信号进行滤波处理,提取颤振特征频率。仿真试验表明SSA-BSR方法可以实现对强噪声背景下微弱特征信号的提取与增强,同时兼顾寻优速度快和获得全局最优解概率高的优点。开展车削颤振检测试验,颤振激发过程的加速度信号图谱分析结果验证了车削颤振特征频率幅值与颤振激发程度之间的相关性;不同模型在车削颤振过渡阶段特征提取的对比结果验证了SSA-BSR模型的有效性和优越性,并且能够满足车削颤振检测对实时性的要求,实现在进入剧烈颤振阶段前发出预警,为量化车削颤振和车削颤振在线监测提供一种新思路。     

基于SSA和随机共振的旋转机械微弱信号提取

针对旋转机械早期故障信号微弱,富含大量噪声的问题,提出麻雀优化算法（SSA）和随机共振（SR）相结合的微弱信号提取方法。首先,对大参数信号进行变尺度处理,使其满足SR的要求;其次,以信噪比作为目标函数,运用SSA算法优化SR模型的结构参数,利用系统的SR实现微弱信号信噪比的提高;最后,通过仿真信号验证所提出方法的有效性,并将该方法应用于轴承内圈故障和轻度磨损钻头微弱信号的提取中。结果表明：提出的方法对微弱信号的提取性能优于传统的SR模型以及PSO-SR模型,有效提高了信号信噪比,实现了故障微弱信号的提取与增强。