基于AR双谱的溢流阀故障诊断

叙述了高阶谱应用于溢流阀故障诊断,并提出一种诊断溢流阀故障的方法。介绍了双谱的定义,进一步强调了高阶谱在提取故障信号的应用,文章对采样的数据进行处理后,用高阶累积量对数据建立AR模型,再进行双谱分析,针对溢流阀的双谱结构图、等高线图和其双谱切片图在正常情况和故障情况的不同进行对比,差异明显。结果说明,用高阶谱来诊断溢流阀故障是可行的,有效的。     

基于双谱估计的轴承非线性振动信号模式识别

当滚动轴承发生故障时,其产生的振动信号一般是包含较强噪声的非高斯和非线性耦合信号.本文对把高阶统计量用于滚动轴承非线性振动信号特征模式识别的方法进行了研究,提出了基于双谱估计的滚动轴承故障诊断方法.利用这种方法可以同时获得包含滚动轴承故障信号幅值和相位耦合信息的双谱特征图谱.实验研究表明,利用双谱图谱中不同的非线性耦合其故障特征模式不同的特点,可以快速地识别轴承的工作状态.     

基于双谱分析的滚动轴承故障模式识别

当滚动轴承发生故障时,其产生的振动信号一般是包含较强噪声的非高斯和非线性信号。本文对高阶统计量方法用于滚动轴承故障特征提取进行了研究,提出了基于双谱估计的滚动轴承故障诊断方法。利用这种方法可以同时获得包含滚动轴承故障信号幅值和相位信息的双谱特征图谱。研究表明,双谱图谱可以有效地监测滚动轴承工作状态的模式,因而可以快速地识别滚动轴承不同的故障特征。     

基于双谱的滚动轴承非线性耦合特征提取与故障分类

通过双谱提取滚动轴承故障信息,对其非线性耦合现象进行分析,讨论了不同速度和载荷下双谱幅值图和峰值图的识别效果,提出一种双谱和BP神经网络相结合的故障分类方法.以滚动轴承的双谱能量分布作为滚动轴承故障特征输入,以BP神经网络作为分类器,成功地对滚动轴承4种不同的故障进行了分类.研究表明:速度对双谱的影响要大于载荷.结合双谱和神经网络对滚动轴承不同故障类型进行分类方法有效.     

时域随机驱动信号生成试验研究

将高阶累积量谱应用于多点随机振动控制环境试验中,生成时域随机驱动信号。通过建立三阶累积量谱(双谱)与自谱间的幅频与相位转换关系,经时域随机驱动信号验证性生成实验,揭示这层关系的存在。其次在多输入多输出线性系统理论假设前提下,根据系统驱动、系统频响、系统响应间线性映射关系,通过双谱与自谱间的幅频与相位转换,经IFFT(iverse fast Fourier transform)变换生成满足试验控制要求的时域随机驱动信号。最后以一悬臂梁为试件,对其进行双输入、双输出随机振动控制环境模拟试验。试验结果表明:将双谱应用于多点随机振动控制试验中生成时域随机驱动信号的方法是可行有效的,同时也验证了双谱能抑制高斯白噪声的特性,这一点可通过所生成驱动信号的概率密度分布特征曲线(部分满足均匀分布)进行体现。     

局部积分双谱及其在齿轮故障诊断中的应用

提出了一种局部积分双谱分析方法,探讨了局部积分双谱抑制噪声的能力,利用局部积分双谱分析了正常齿轮和早期剥落齿轮振动信号。局部积分双谱可以分析出齿轮故障的调制现象,结果显示,局部积分双谱与传统的双谱切片相比能较全面地反映双谱信息,是处理齿轮故障调制现象的有力工具。     

双谱分析及其在滚动轴承故障诊断中的应用

双谱是处理非线性、非高斯性信号的有力工具,它包含了高阶谱的所有特性.针对滚动轴承具有非线性和非高斯的特性,利用双谱分析方法研究了不同故障模式下滚动轴承的双谱特性以及同一故障类型在不同程度时的双谱特性.实验结果表明,利用双谱特性能很好地区分滚动轴承的不同故障模式以及故障的严重程度,双谱分析方法在滚动轴承故障诊断中具有良好的工程应用前景.     

基于双谱熵和聚类分析的转子系统故障诊断

转子系统在故障状态下的振动信号往往呈现很强的非线性,其在频域上主要表现为不同频率之间相互耦合,产生合频、差频等组合频率。为了解决传统频谱分析只关注信号中的频率成分及其幅值大小,而忽略信号相位信息的问题,采用双谱方法对振动信号进行分析。双谱包含信号相位信息并且对非线性敏感,可以将早期故障的微弱非线性放大,检测出频谱中不同频率之间的非线性相位耦合关系。通过对ZT-3转子实验台植入不同类型的故障,采集系统在不同状态下的加速度信号,从振动信号的双谱中提取各频段的信息熵,采用模糊聚类方法进行故障识别。结果表明,双谱熵作为特征参量可以准确识别转子系统的故障类型,验证了方法的可行性。     

基于扭振信号的齿轮故障诊断方法研究

利用力学方法分析了齿轮故障和扭矩波动特性的关系.首先利用最小熵反褶积(MED)对扭矩信号降噪处理,然后利用变分模态分解(VMD)提取故障分量信号.结果表明,空载时可以根据齿轮的转频和啮合频率幅值的变化有效识别出齿轮的故障,而加载时则要依靠齿轮的啮合频率和其边频幅值的变化对齿轮的故障进行有效诊断.     

基于高阶统计量的滚动轴承故障诊断方法

针对滚动轴承故障振动信号易受高斯噪声影响的问题,从高阶统计量的理论入手,提出了由信号的高阶谱恢复功率谱.由恢复的功率谱提取故障特征信息的高阶统计量方法,建立了通过高阶谱恢复功率谱的数学模型,并对仿真数据和实测故障数据进行了分析.结果表明,利用高阶累积量对高斯噪声不敏感的特点,可实现高斯噪声下瞬态信号频率与功率谱的正确估计.与传统方法相比,本研究方法可以有效地提取滚动轴承故障特征,同时具有更高的分辨率.