基于小波包分析的往复式天然气压缩机故障诊断系统

介绍了小波包分析的基本原理，在对往复式天然气压缩机的故障特点进行详细分析的基础上，提出利用小波包分频带的能量特征提取故障特征参数，建立起振动信号各频带能量到往复式天然气压缩机各故障状态间的映射关系，通过各频率成分能量的变化来诊断故障，在此基础上研制了往复式天然气压缩机故障诊断系统。     

局域均值分解方法在机械故障诊断中的应用

局域均值分解(Local Mean Decomposition,LMD)是近年来出现的一种新的时频分析方法。介绍局域均值分解的定义、基本算法。仿真验证LMD方法的有效性,结果表明LMD计算所得的瞬时频率均有物理意义,能更好地反映实际系统的状态。将该方法应用到轴承故障诊断中,实验证明该方法是有效的。     

基于熵的Mass函数算法及在液压泵故障诊断中的应用

如何确定Mass函数是D-S证据理论的棘手问题,本文从信息论的观点出发,提出一种新的计算Mass函数的算法.该算法依据证据体可信度因素和证据体与目标关联的相对熵来分配证据体的Mass函数,较全面反映证据体的不确定性.将方法应用于液压泵诊断中,结果表明它获取的Mass函数是符合实际情况的,具有较好的实用性,而且其算法容易实现.     

基于同步提取变换的旋转机械振动信号时频分析北大核心

为提升工业现场采集摩擦故障振动信号时频分辨率,采用小波变换、短时傅里叶变换、同步挤压变换和同步提取变换(SET)4种时频分析算法对多分量仿真信号和旋转机械的摩擦故障振动信号进行时频分析,并对同步提取变换算法原理进行详细介绍。通过实验与其他3种算法Renyi熵值进行比较。结果表明:针对多分量仿真信号,利用SET算法可有效去除能量发散现象、混叠和端点效应,与原始多分量仿真信号的真实时频谱一致,在时间分辨率和频率分辨率上均实现了最优;针对现场摩擦故障振动信号,利用SET可以很好地抑制摩擦故障信号中的背景噪声,得到的时频图时频聚焦性较好,同时能量发散情况得到极大改善,在时频图中可以清晰地看出摩擦故障信号对应的频率。     

基于局域波时频谱的不变矩故障特征提取方法

在机电设备的故障诊断中,特征提取是最重要也是最困难的一个环节.在设备发生故障时,其故障信号往往具有时变特性.传统的基于富里叶变换的分析方法对这些时变信号往往无能为力.在此,应用一种新的局域波法时频分析方法,对设备出现故障时的振动信号进行特征提取.由于局域波时频谱可以表示为灰度图像.因此,利用图像信息的不变矩进行故障特征提取.实验证明了该方法的可行性.     

往复式钻井泵的阀门故障诊断方法

故障诊断对保障往复式钻井泵的安全运行具有重要工程意义。本文以一台钻井现场投入使用的卧式三缸单作用钻井泵为研究对象,设计实验以采集并分析液力端故障数据,通过观察频率成分,提出泵送倍频幅值指标。通过提取基础泵送频率以适应不同转速工况,采用阶比分析提取泵送倍频幅值,对比健康数据与故障数据以实现故障诊断,将诊断结果与均方根、峰值因子、裕度因子、峭度共4种统计指标进行对比。结果表明：使用实验数据,泵送倍频幅值指标的准确率在诊断凡尔体刺漏故障时为93.9%,在诊断弹簧衰减故障时为86.6%,优于4种对比指标,在往复式钻井泵在线故障诊断中具有较好潜力。     

基于Hilbert-Huang 变换的齿轮故障诊断研究

提出一种基于Hilbert-Huang变换的齿轮磨损故障诊断的新方法。介绍Hilbert-Huang变换的基本原理,并将Hil-bert-Huang变换应用于齿轮箱中齿轮磨损故障诊断,通过选取表征齿轮磨损故障的固有模式函数进行边际谱和能量谱分析,可提取齿轮故障振动信号的特征。齿轮故障实验结果表明,应用这种分析方法,能够有效地诊断齿轮的磨损故障。     

Choi-Williams时频分布在CO2焊接电信号检测中的应用

利用二次型时频分析Wigner-Vill分布的改进算法--Choi-Williams(CWD)时频分布研究CO2焊接过程所采集的电弧电压信号,把信号置于时频空间内进行分析,获得相关信号的时频分布图.对于CWD分布的核函数中平滑因子确定前提下的其它四个重要参数,即时窗类型、时窗长度、频窗类型和频窗长度对时频谱图分析效果的影响进行了讨论.进而引入信息熵的概念,并分析了时频分析基于信息熵的参数优化.最后分析了采用最小信息熵的CWD分布参数优化后的一组电弧电压信号时频分布图.结果表明,利用Choi-Williams分布及信息熵最小原则可以描述弧焊电信号的时频分布,并有效抑制交叉项干扰,同时保持较高的时频分辨率.     

基于检测信号的导波频散曲线获取方法

频散曲线是导波检测的重要依据,现有方法通过数值计算获得特定波导的频散曲线,然而目前有非常多的波导构件,由于结构的复杂性无法计算其频散曲线。研究了通过导波检测信号实现频散曲线获取的方法。基于检测信号的时频分析结果,利用信号的能量最大值实现频散曲线的手动和自动获取。利用上述方法对钢棒、钢管等规则构件的检测信号实现特定模态频散曲线的获取,结果与数值求解的理论频散曲线符合得很好,验证了该方法的正确性。利用该方法得到了预应力钢绞线这一非规则结构波导的特定模态频散曲线。     

基于局域波相空间往复机械故障诊断方法的应用研究

利用一种新的非平稳信号分析方法，对实测数据进行分解，并由分解后的各内蕴模式分量构造动力系统相空间，提取系统状态特性，实现往复机械的故障诊断。此方法克服了G—P算法中重构相空间参数选择的困难，并对噪声信号起到了一定的抑制作用。仿真信号和对柴油机故障状态的诊断结果表明，该方法是实用和有效的，具有良好的应用前景。     

基于IUPEMD和RCMFE的往复压缩机气阀故障诊断

由于往复压缩机的振动信号非线性、非平稳性的特点,为进一步提高故障识别率,提出一种基于改进的均匀相位经验模态分解(IUPEMD)和精细复合多尺度模糊熵(RCMFE)的往复压缩机气阀故障诊断方法。采用IUPEMD方法对信号进行分解,通过不同的参数组合,利用正交性为指标选择最佳IMF分量,有效提高了IUPEMD对非平稳性信号的分解精度,减少模态混叠现象;以峭度为评价指标对分解后的IMF分量进行筛选,并重构信号,求解重构信号的RCMFE,提取故障特征向量;最后,将特征向量输入到支持向量机进行分类识别。试验结果验证了该方法的有效性和优越性。     

基于CEEMDAN与信息熵的液压泵故障特征提取方法研究

由于液压泵故障振动信号微弱和不平稳的特性,造成特征向量提取和故障诊断困难。针对这些问题,提出一种CEEMDAN与信息熵结合的特征提取方法。将传感器测得的液压泵的故障振动信号进行CEEMDAN分解得到多个固有模态函数(IMF),并计算其信息熵,然后筛选出信息熵最小的3个IMF分量重构信号,计算重构信号的多域熵作为特征向量来训练决策树模型。液压泵故障诊断实验结果证明了该方法的有效性和优越性。     

基于粒化散布熵和SSA-SVM的轴承故障诊断

针对轴承故障振动信号在单一尺度下提取故障特征信息不完备,导致故障诊断识别率较低的问题,提出基于粒化散布熵(FIG-DE)和麻雀搜索算法(SSA)参〖JP2〗数优化的支持向量机（SVM）的轴承故障诊断方法。利用模糊信息粒化对轴承振动信号进行粒化处理,得到fLow、fR、fUp3个尺度下的模糊信息粒;分别计算3组信号的散布熵;将所得的熵值组成特征向量矩阵,输入SSA-SVM进行轴承故障分类。结果表明：利用SSA-SVM进行滚动轴承故障诊断,准确率有明显的提高。     

往复压缩机网状气阀故障诊断研究

往复压缩机故障类别繁多,而气阀故障占总故障的36%。研究往复式压缩机气阀常见的3种故障：阀片断裂、弹簧失效、阀片密封面失效;在2D 90往复式压缩机上针对网状吸气阀进行故障模拟实验,通过在阀座上安装加速度传感器,采集然后分析阀座振动加速度信号的时域波形和频谱能量分布,找出故障特征信号与气阀工作状态的对应关系,为往复式压缩机气阀故障诊断提供参考。     

基于声发射和振动信号的振动钻削钻头故障诊断试验研究

针对钻削过程中钻头状态监测问题,基于声发射采集系统和振动采集系统设计超声轴向振动钻削钻头故障监测装置,分别应用完整钻头和故障钻头进行45钢板的超声振动钻削对比试验,采集不同钻头状态的AE和振动信号,通过时域分析、频域分析和小波分解,分析故障钻头对AE和振动信号的影响。试验结果表明：通过AE和振动信号判别钻头状态,判别结果与实际一致,能够实现钻头的故障诊断。     

基于排列熵和CHMM的齿轮故障诊断

针对齿轮故障特征提取和状态识别困难的问题,提出一种基于排列熵和连续隐马尔可夫模型(CHMM)的齿轮故障诊断方法。首先对提取的目标齿轮啮合信号作降噪处理,再采用排列熵算法进行分析,提取排列熵均值、方均根、最大值、最小值作为特征量输入到CHMM中训练和识别,通过对比最大对数似然概率值来确定齿轮的故障。最后在变速箱齿轮故障模拟试验台上,对正常、轻微磨损、严重磨损和断齿4种齿轮状态进行试验验证,结果表明该方法能有效地对齿轮故障进行诊断。     

基于声音信号的核主元故障诊断法

针对振动诊断法的局限性,提出了基于声音信号KPCA的故障诊断方法。介绍了核主元分析法的基本原理及其用于故障检测的基本步骤,给出了声音信号详细预处理过程,提取了由时域、频域和时频域参量共同构成的多域特征向量,利用核主元分析法进行了故障诊断。对轴向柱塞泵进行了试验,结果表明:利用声音信号KPCA的故障诊断法是有效的,能克服基于振动信号故障诊断法的不足。     

应用时间序列双谱分析的电磁换向阀故障诊断法

提出一种利用时间序列双谱分析实现电磁换向阀的故障诊断的新方法。通过将实验采集到的换向阀正常工作和出现故障时的振动信号进行双谱分析,可以观察到振动信号双谱幅值图存在明显差异。由此可知,时间序列双谱分析可以诊断出换向阀的不同类型故障,是一种实现液压元件故障检测的有效方法。