基于阶比分析和EEMD的轴承故障诊断

针对轴承故障诊断中轴的转速变化影响振动信号提取的特点,将阶比分析法与总体平均经验模式分解方法相结合,提出一种研究轴承非平稳振动信号的故障诊断方法。对轴承的振动信号按传统的方法在时域上进行采样,通过计算阶比跟踪将其转化为角域上的准平稳信号,对上述角域信号进行总体平均经验模态分解得出包含故障信息的模态函数分量,并对该分量进行频谱分析。应用结果表明:该方法能够有效地提取出轴承的故障特征。     

轴向柱塞泵裂纹转子的振动特性分析

针对轴向柱塞泵旋转组件,建立一类含有横向呼吸裂纹的单盘悬臂柔性转子有限元模型。采用数值积分方法进行仿真,得到转子系统的时间历程、轴心轨迹和频谱图等振动响应,分析裂纹深度、裂纹位置对转子振动特性的影响规律。结果表明：当横向裂纹位于轴承2时,随着裂纹深度的增加,转子二倍频及三倍频幅值随之增大,并且转子转速在1/2和1/3临界转速附近时,轴心轨迹具有内凹的变化趋势;当裂纹位于刚性圆盘附近时,对转子轴心轨迹、频率幅值等影响较小,并且轴心轨迹具有外凸的变化特点。     

基于LabVIEW的现场动平衡在线测试系统

为了适应转子现场动平衡的需要,提高测试精度,开发基于虚拟仪器技术的现场动平衡测试系统,利用相关法准确提取出振动信号的幅值和相位,采用影响系数平衡的方法进行动平衡实验。在车床主轴上进行多次转子动平衡试验,试验结果表明:转子在加适当的试重后不平衡振动得到了有效的抑制,振动幅度明显减小,达到了旋转机械所要求的平衡精度。这对于减小机器噪声和轴承磨损、提高机器的性能和寿命有着重要意义,同时也有助于提高机器的工作效率和保障机械加工操作者的安全。     

基于摄动解的非线性转子轴承系统不平衡量识别

为了识别非线性转子轴承系统的不平衡量,把滑动轴承油膜力表示成适合参数识别的三次多项式形式,并用摄动法求得非线性转子轴承系统的前三阶近似解.引入遗传算法来识别非线性油膜力的动力系数和不平衡的大小和位置,为了获得最充分的信息,分别对转子测量点的测量信号和三阶近似解进行相关分析,得到它们的工频、倍频和三倍频幅值和相位信息.用摄动解和测量信号的工频、倍频和三倍频的的振动矢量差作为评价函数,来描述待识别参数的优劣程度并使各个分量的权重误差最小.数值计算结果表明该方法在保证计算精度的基础上缩短了计算时间.     

快速路径优化引导ACMD的变转速轴承故障诊断北大核心

针对变转速工况下滚动轴承故障特征识别困难的问题,提出了一种快速路径优化算法(FPO)引导自适应线性调频模态分解(ACMD)的变转速轴承故障诊断方法。首先,对轴承故障信号进行希尔伯特变换解调提取隐藏在高频信号中的故障信息;其次,采用FPO算法从信号的时频分布中对信号分量的瞬时频率进行初始估计;将预估的各分量初始频率作为ACMD的初始参数对原始包络信号进行分解;最后,根据分解得到各个信号分量的瞬时频率和瞬时幅值等信息构建出高分辨率的时频表示。通过分析实测信号表明,所述方法能够展示出各个信号分量的幅值和频率变化趋势,剔除了无关成分的干扰,清晰地演示变转速工况下轴承故障信号的时变特征。     

频谱细化方法在干式真空泵故障诊断中的应用

基于小波变换的频谱细化方法可提取信号所需频率成分的特征.通过合理选择小波参数,利用多个单Morlet小波组成的组合小波可构成具有零相移、平顶通带及快速衰减过渡带特性的带通滤波器,再采用频谱细化方法对干式真空泵轴承的振动信号作频谱分析,提取出故障特征频率,并将该方法与功率谱分析做了对比.结果表明,基于小波变换的频谱细化方法比功率谱分析法有较高的频率分辨率,可更有效地应用于故障诊断,且实现过程也比较简单.     

基于DT-CWT和能量算子解调的滚动轴承故障诊断研究

滚动轴承出现局部损伤时会产生周期性冲击,振动信号往往具有调制特征,为了能够准确、有效地检测出轴承故障,提出了双树复小波和能量算子解调的诊断方法。首先运用双树复小波对采集到的轴承振动信号进行分解,得到若干个不同频带的分量,提取信号中能量集中的高频调制频带进行信号重构。然后采用能量算子的方法对重构信号进行解调。最后对解调得到的瞬时幅值进行频谱分析便能准确提取故障特征频率。通过信号仿真和实验数据处理结果证明了该方法的有效性。     

谱峭度和Vold-kalman阶比跟踪在风电机组齿轮箱故障诊断中的应用

针对风电机组齿轮箱在时变工况下的振动信号具有非平稳特性,提出一种谱峭度和Vold-kalman阶比跟踪(Vold-Kalman Filter Based Order Tracking,VKF-OT)相结合的故障特征提取方法。以转频和啮合频率作为VKF-OT的提取频率,获得随转速变化的阶比信号,通过阶比信号复包络直接求两种频率分量的幅值、相位,经实验分析这种方法能保留齿轮箱的瞬变信息。而后计算两种频率分量的谱峭度,以最大谱峭度对应的频率带能量与原阶比信号总能量之比作为故障特征,最后采用高斯混合模型对风电机组齿轮箱在不同工况下的150组振动信号进行特征描述,运用最大贝叶斯分类器实现故障识别。故障识别率表明该方法可有效地识别任意时变工况下的齿轮早期局部微弱故障。     

应用Hilbert时频谱和神经网络对发电机转子故障进行分类的方法研究

提出了一种新的发电机转子故障检测的信号分类方法H ilbert时频谱,它是一种新的分析非平稳、非线性的时频分析方法。这种方法用经验模式分解法将一维信号分解成内蕴模式函数,进而计算有意义的多分量信号的瞬时频率。将其应用于故障信号的分析,可以提供新的时频属性;然后计算这种时频谱的矩和边缘以及时频熵,并将其作为特征向量。应用RBF概率神经网络作为分类器,可以实现不同故障模式的自动分类。对发电机的不同转子故障模式的信号研究表明了该方法的精确性和稳定性。     

基于同步提取变换与阶比分析的轴承变转速故障诊断

针对基于瞬时频率估计的阶比分析方法中,瞬时频率难以估计的问题,提出一种基于同步提取变换(SET)的阶比分析方法,对轴承的变转速振动信号进行分析。该方法利用SET良好的能量集中特性,提取强噪声环境下轴承振动信号中的瞬时频率,通过对计算瞬时频率的鉴相时标,对时域信号进行等角度采样,从而得到稳态的角域信号。通过分析轴承实验台的变转速振动信号表明,该方法能够有效抑制噪声的干扰,精确地提取出变转速信号的瞬时频率,成功地实现变转速状态下轴承的故障诊断。     

便携式机械振动测试系统的设计与实现

针对机械振动和设备的故障诊断,设计了一种基于LabVIEW的便携式四通道机械振动测试分析系统;采用1221L-050加速度传感器拾取信号,经信号调理电路放大处理后由MP424 USB采集卡进行数据采集,并将数据传送至PC机由LabVIEW进行预处理,并进行时域和频域分析.为提高振动测试精度,采用了相位差校正法进行频谱校正.系统性能稳定、测试精度高、携带方便、成本低,具有很好的应用价值.     

基于优化极限学习机的涡轴发动机转子碰摩故障诊断

针对涡轴发动机容易在转子过渡态-稳态间瞬间失衡导致碰摩现象，提出改进遗传算法优化的极限学习机诊断模型。基于某涡轴发动涡轮机匣振动信号包络曲线，仿真涡轴发动机正常状态、燃气涡轮转子碰摩状态、动力涡轮转子碰摩转态、燃气与动力涡轮转子碰摩转态4种工况的振动信号；对振动信号进行频谱分析，提取振动信号特征参数构建故障样本数据集；使用改进遗传算法优化极限学习机，并将它用于碰摩故障诊断。结果表明：训练集平均诊断准确率为96.8%、波动幅值为2.82%；测试集平均诊断准确率高达95.43%、波动幅值为0.93%，收敛误差达到0.22，验证了所提出的方法诊断准确率高、波动幅值小、误差低，适用于碰摩故障诊断。     

基于时频分析的裂纹转子碰摩故障特征研究

为研究转子系统耦合故障特性,采用有限元方法建立了含有横向裂纹、转静碰摩的非线性转子动力学模型。首先研究了不同转速下裂纹、碰摩单一故障下转子系统的振动响应,其次研究了两种故障耦合情况下系统的振动响应特征。采用波形图、FFT谱图、瞬时频率和Hilbert-Huang时频谱(HHS)相结合的方法对故障转子振动信号进行了分析。分析结果表明:运用多种时频分析相结合的方法可以较为全面地了解转子的故障特征,裂纹转子在1/5、1/3临界转速时会发生较为明显的5X、3X谐波,且裂纹的产生会导致响应幅值增大,从而引起更为严重的碰摩。      

基于阶次分析和EWT的轴承故障诊断研究

针对非平稳工况下,轴承故障信号表现出来的非平稳性、故障特征难以提取等特点,提出将阶次分析与经验小波变换(EWT)相结合的故障特征提取方法,使用Lab VIEW软件开发平台对上述方法进行编程实现。利用机械故障仿真实验台(MFS)得到非平稳工况下轴承内圈故障信号并以其进行分析,分析结果表明:基于阶次分析与EWT相结合的方法能准确识别非平稳工况下轴承故障特征,解决了传统阶次分析方法无法有效识别故障特征的问题。     

OMCKD结合自互补Top-Hat变换的电机轴承故障诊断方法

针对电机轴承微弱故障识别困难这一问题,提出了优化最大相关峭度解卷积(optimized maximum correlated kurtosis deconvolution,OMCKD)结合自互补Top-Hat变换的诊断方法。为解决MCKD关键影响参数难以设置的问题,提出利用人工鱼群算法(artificial fish swarm algorithm,AFSA)并行搜索MCKD参数全局最优解,实现关键影响参数的自动优化调节。首先利用OMCKD方法对原始信号进行预处理,提取被噪声所掩盖的微弱特征信息,继而对解卷积信号做自互补Top-Hat变换处理,进一步抑制背景噪声干扰,强化周期性冲击特征。最后对所得结果做频谱分析,并通过分析谱图中幅值突出的频率成分判定轴承的状态。两组实测信号分析结果表明所述方法可有效用于电机轴承故障诊断,具有一定可靠性及优越性。     

基于主成分分析的多域特征融合轴承故障诊断

针对复杂工况下难以区分轴承故障状态的问题,提出一种基于主成分分析的多域特征融合轴承故障诊断方法。采集轴承振动加速度信号,提取轴承时域新量纲一化特征、频域幅值谱特征和时频域经验模态分解特征共13维特征用于完整表征轴承状态;利用主成分分析方法对所提取特征融合与降维,降低诊断模型复杂度与数据分析难度;最后,选择合适的卷积神经网络进行分类,通过石化机组故障诊断实验平台进行验证。结果表明：多域融合特征相对于单域特征诊断效果更好,卷积神经网络分类模型相对于其他经典分类模型诊断准确率更高,融合诊断分类方法整体诊断准确率达到86%。     

涡轴发动机转子碰摩故障振动信号分析

涡轴发动机的工况决定它容易在转子过渡态因瞬间失衡而出现碰摩现象。碰摩故障会引起部分统计特征参数发生突变现象。基于三叉树检测算法,提出转子局部碰摩故障监测方法。基于某涡轴发动机转子振动倍频幅值包络线、试车转速曲线,分别仿真涡轮机匣测点发生局部碰摩故障与正常工作状态下的振动信号。对振动信号进行频谱分析,并提取振动信号的峭度指标、裕度指标、总量,以对转子碰摩故障进行甄别。结果表明：转子基频容易凸显故障特征;基于统计特征的碰摩监测方法能够较好地识别出转子碰摩故障。     

锯切参数对串珠绳振动特性的影响

利用六个激光位移传感器对锯切加工花岗石过程中串珠绳的振动进行跟踪,利用MATLAB软件分析采集来的振动信号,从频率和幅值两个方面来研究锯切过程对串珠绳振动的影响.试验结果表明,串珠绳在非切削过程中的振动信号含有多个主频率,但是进入切削过程后,其主要振动频率为串珠的冲击频率.切削过程的振动信号幅值比非切削过程中振动信号的...     

高速永磁电机转子-轴承系统动力学特性分析

为研究高速永磁电机在高转速工作条件下的振动特性,将其简化为转子-轴承系统,建立数学模型,利用Runge-Kutta法进行计算,得出支承刚度、阻尼、加速度和支承位置对转子振动特性的影响。研究结果表明:改变支承刚度可以改变临界转速值,不改变临界转速对应的最大振幅值;增大阻尼可以降低振幅值,不改变系统的临界转速值;增大转子的加速度可以降低最大振动幅值,但会增加系统的控制力矩;y方向支承位置改变产生的振动幅值大于x方向支承位置改变产生的振动幅值,且轴承在靠近轴承推力盘的位置产生的振幅大。最后可以通过控制加速度和刚度的方法来降低振动幅值,避开共振区。     

基于多尺度1DCNN的滚动轴承故障诊断

针对滚动轴承振动信号典型非平稳性、非线性的特点,提出一种基于小波变换(WT)和一维卷积神经网络(1DCNN)的轴承故障诊断多尺度卷积神经网络方法。通过小波变换对信号进行多尺度分解,然后对每个尺度成分进行重构,将重构后的信号进行傅里叶变换得到频谱表示,并将各尺度幅值数据构造成一维特征向量作为一维卷积神经网络的输入。最后利用一维卷积神经网络对输入数据进行特征学习,得到轴承故障诊断模型。利用滚动轴承的10个状态数据集验证其性能。结果表明：该方法可以避免人工提取特征,获得99.94%的诊断准确率。