改进ITD方法及其在往复压缩机故障诊断中的应用

针对往复压缩机故障振动信号非线性、强非平稳的特点,提出了一种采用分段三次Hermite插值改进的ITD方法。分段三次单调插值具有优良的保形特性,采用其代替线性变换构造基线信号,可以有效解决ITD方法分量波形失真的问题。应用所提方法对往复压缩机轴承故障振动信号进行分析,结果表明,该方法可有效地实现轴承间隙故障的诊断。     

有理Hermite插值局部均值分解方法及其往复压缩机故障诊断应用

针对往复压缩机振动信号的强非平稳特性,提出了一种基于有理Hermite插值的局部均值分解(Local mean decomposition,LMD)方法。结合有理Hermite插值法的保形特性和曲线形状随参数可调特性,以其构建极值点间局部包络曲线。提出以极值对称点为依据的局部包络线优选方法,进而提高局部均值与包络估计的拟合逼近精度。给出了有理Hermite插值LMD方法的算法与流程。利用仿真数据,通过与不同插值方法比较,验证了有理Hermite插值LMD方法拟合逼近性能的优越性。以往复压缩机轴承故障振动信号为研究对象,应用有理Hermite插值LMD方法实现了轴承间隙大故障的准确诊断,验证了该方法对强非平稳信号的适用性。     

奇异区间包络重构局部均值分解及其往复压缩机轴承故障诊断应用

针对包络估计函数解调时出现的突变问题，提出奇异区间包络重构局部均值分解(Singular Interval Reconstruction Local Mean Decomposition, SIRLMD)方法。确定包络估计函数解调突变原因为包络线存在交叉，为此定义交叉局部区域为奇异区间，结合极值对称理论增广该区间插值点，应用三次埃尔米特插值进行局部重构，形成奇异区间包络重构算法。仿真信号和往复压缩机轴承故障诊断应用证明，该算法解决了包络线交叉问题，抑制了解调突变现象，分解结果故障特征更显著。     

降速工况下滚动轴承微弱故障特征信号提取新方法

研究降转速工况下滚动轴承微弱故障特征信号的提取,提出了一种基于计算阶次分析、三次样条插值分析与包络谱分析相结合的新方法。基于滚动轴承微弱故障实验测得的降速工况下的转速信号和振动信号,首先对转速信号在时域内积分获得角位移-时间信号,再对该信号进行线性插值获得等角度间隔的角位移-时间信号,然后利用该时间序列对振动信号进行三次样条差值获得等角度间隔分布的重采样振动信号,最后对重采样振动信号进行包络分析及快速傅里叶变换获得阶次包络谱。通过对滚动轴承微弱故障实验信号分析,表明该方法能有效提取出滚动轴承微弱外圈故障和滚动体故障特征信息。该方法为轴承微弱故障特征信号提取提供了一种重要手段,具有广泛的应用前景。     

基于MHITD与MFE的往复压缩机故障特征提取方法

针对往复压缩机振动信号的非平稳和非线性特性,提出一种基于改进ITD(MHITD)方法与多尺度模糊熵(MFE)的往复压缩机轴承故障特征提取方法。MHITD方法解决了ITD方法分量波形失真的问题,其采用单调三次Hermite插值代替了ITD方法中的线性变换。利用MHITD方法将故障振动信号分解为一系列旋转分量之和,根据相关性系数筛选包含故障主要信息的分量。利用多尺度模糊熵对各分量进行定量描述,并以类间平均欧氏距离对尺度因子进行优选,得出可分性良好的特征向量。通过该方法提取往复压缩机故障轴承间隙故障的特征向量,与ITD和样本熵方法进行对比分析,验证了该方法的有效性。     

感应电机轴承故障检测方法研究

分析了感应电机轴承发生故障时的振动信号的特性,利用带通滤波器和希尔伯特变换,对感应电机轴承振动信号进行处理,然后采用高分辨率谱估计算法--MUSIC（Multiple Signal Classification）算法对包络信号作谱分析,再从包络信号的MUSIC谱中提取故障特征频率分量.研究结果表明,该方法频率分辨率更高,故障检测更为准确.将该方法应用于电机轴承故障诊断,可准确提取轴承故障特征分量.     

基于LMD多尺度熵与SVM的往复压缩机轴承故障诊断方法

针对往复压缩机振动信号的非平稳和非线性特性,提出了基于LMD多尺度熵与SVM的往复压缩机轴承间隙故障诊断方法。利用具有保形特性的Hermite插值法替代传统LMD中滑动平均法构造均值与包络函数,提高LMD对非平稳信号的分解精度。以改进LMD方法对各状态振动信号进行分解,依据相关性系数选择其中代表故障状态主要信息的PF分量。利用多尺度熵对各PF分量进行定量描述,并以平均类间样本距离对尺度因子进行优选,得出可分性良好的特征向量。使用SVM作为模式分类器,诊断得出了轴承间隙故障类型。同LMD与样本熵以及LMD与近似熵方法所提取特征向量进行对比,结果表明该方法具有更高的识别准确率。     

基于LMD与多尺度排列熵的往复压缩机故障特征提取方法

往复压缩机是用于压缩和输送气体的机械设备,针对其振动信号特征,提出基于LMD与多尺度排列熵的往复压缩机轴承间隙故障特征提取方法。利用具有保形特性的Hermite插值法替代传统LMD中滑动平均法构造均值与包络函数,提高LMD对非平稳信号的分解精度;以改进的LMD方法分解各状态下的振动信号,依据相关性系数筛选包含故障状态主要信息的PF分量;利用多尺度排列熵对各PF分量进行定量描述,并以平均类间样本距离对尺度因子进行优选,得出可分性良好的特征向量;利用SVM识别轴承间隙故障的类型,以识别准确率为依据,通过与不同方法所提取的特征向量进行对比,验证了方法的有效性。     

基于多尺度Hermitian小波包络谱的轴承故障诊断

提出了一种基于多尺度Hermitian小波包络谱的轴承故障诊断方法。该方法综合利用了Hermitian小波和包络谱分析技术的优点,首先对轴承故障振动信号进行Hermitian连续小波变换,得到小波分解的实部和虚部,然后计算振动信号的多尺度包络谱。对齿轮箱轴承故障振动信号的分析表明,该方法在强噪声环境下能有效识别轴承内圈故障和外圈故障。     

基于EMD和峭度的Hilbert包络解调在滚动轴承故障诊断中的应用分析

针对直接运用快速傅里叶变换（FFT）无法有效提取具有非线性非平稳特性的滚动轴承振动信号故障特征频率的问题,提出了一种基于经验模式分解和峭度指标的Hilbert包络解调方法.首先对滚动轴承的振动信号进行了经验模式分解（EMD）,得到了包含轴承故障特征信息的各阶本征模态函数（IMF）,再计算各阶IMF的峭度值,选取了峭度值较大的几阶IMF分量重构信号,并对重构信号进行了Hilbert包络解调分析,从而获得了滚动轴承的准确故障特征信息.分别对仿真模拟信号和实际滚动轴承发生内圈故障的振动信号进行了分析,清晰地得到了故障特征频率.研究结果表明,利用融合EMD、峭度系数和Hilbert包络解调的诊断方法能够快速、准确地提取滚动轴承的故障特征频率,从而可以对滚动轴承进行有效地故障诊断.     

A feature extraction method based on HLMD and MFE for bearing clearance fault of reciprocating compressor

According to the nonlinearity, nonstationarity and multi-component coupling characteristics of reciprocating compressor vibration signal, a feature extraction method based on hermite local mean decomposition (HLMD) and multiscale fuzzy entropy (MFE) is proposed for the diagnosis of reciprocating compressor oversized bearing clearance faults. Firstly, aiming at the strong nonstationary characteristic of vibration signal, a novel HLMD algorithm was given by using the monotone piecewise cubic hermite interpolation (MPCHI) instead of cubic spline interpolation (CSI) to construct the envelopes. Secondly, HLMD was performed on the vibration signals in each state and a series of PF components are produced, and the highlighted PF components which contain the main information of fault state were chosen with the correlation coefficient. Thirdly, MFE of the selected PF components were calculated to form the eigenvectors matrix, and the eigenvectors which have the best divisibility were extracted based on the average euclidean distances of each scale factor. Finally, four bearing clearance fault states were extracted by the proposed method, and taken SVM as a pattern classifier, the faults were diagnosed accurately. Furthermore, the comparison of recognition results with other three feature extraction methods demonstrates the superiority of this method.     

能量算子在往复压缩机故障诊断中的应用研究

针对目前往复压缩机气阀故障诊断中存在的问题,提出了采用能量算子对其振动信号进行包络分析,并且指出了能量算子解调方法从运算速度和包络精度上都优于常用的Hilbert变换包络方法。最后将其用于往复压缩机气阀的故障诊断,把包络信号的歪度值和峭度值作为特征指标用于气阀故障判断,取得了满意的效果。     

往复式压缩机气缸压力模拟曲线提取

提出了一种基于振动信号分析的往复式压缩机故障诊断方法.应用频域能量准则判定汽缸压力变化引起的振动响应信号所处频带,构造梳状滤波器提取出响应信号,对得到的相应信号进行包络分析,得到的包络曲线体现了气缸压力的变化趋势,可应用该曲线绘制模拟示功图对往复式压缩机故障进行诊断.对工程信号的分析表明,该方法不仅可以区分出压缩机正常与故障状态,还可以区分出不同的故障类型,具有较好的工程应用价值.     

运用小波包变换与能量算子的气阀故障特征提取

针对目前往复压缩机气阀故障诊断中存在的问题,提出了基于小波包变换与能量算子相结合的包络解调技术对其振动信号进行包络分析,解决了对信号包络解调前需要人为确定载波带对信号进行带通滤波的问题.并将其用于往复压缩机气阀的故障诊断,实例数据的分析表明,把包络信号的歪度值和峭度值作为特征指标较好地区分了气阀的不同故障,并且表现出抑噪特性.     

基于非线性复杂测度的往复压缩机故障诊断

往复压缩机以多源非线性冲击振动信号为主,应用传统方法难以从振动信号中提取故障特征,为此提出一种基于非线性复杂测度的往复压缩机故障诊断方法。以气阀正常、阀片有缺口、阀片断裂及弹簧损坏4种状态下往复压缩机气阀振动信号为分析数据,在小波阈值降噪处理的基础上,采用均值符号化方法计算信号的归一化Lempel-Ziv复杂度(Lempel-Zivcomplexity,LZC)指标,分别给出各状态相应的LZC特征区间,利用BP人工神经网络对各状态信号的有效值特征、功率谱能量特征及LZC特征分别进行训练和测试,结果表明LZC更能准确区分不同状态的往复压缩机气阀故障,为往复压缩机故障诊断和维修决策提供了一种有效方法。     

Intelligent condition monitoring of a gearbox using artificial neural network

This paper concentrates on a new procedure which experimentally recognises gears and bearings faults of a typical gearbox system using a multi-layer perceptron neural network. Feature vector which is one of the most significant parameters to design an appropriate neural network was innovated by standard deviation of wavelet packet coefficients. The gear conditions were considered to be normal gearbox and slight- and medium-worn and broken-teeth gears faults and a general bearing fault which were five neurons of output layer with the aim of fault detection and identification. A downscaled 2-layer multi-layer perceptron neural-network-based system with great accuracy was designed to carry out the task. In this research, vibration signals were recognised as the most reliable source to extract the feature vector which were synchronised by piecewise cubic hermite interpolation (PCHI) and pre-processed using the standard deviation of wavelet packet coefficients.     

基于改进EEMD方法的工程机械液压系统冲击振动信号研究

工程机械液压系统发生冲击故障时,振动信号会出现相应的时频特性的变化,准确捕捉液压缸冲击振动信号,提取信号的典型特征是故障诊断的关键。该文首先运用SVM延拓解决EEMD方法的端点效应,然后通过改进的三次样条插值方法拟合包络线,再利用互相关分析与频谱分析对特征模态分量进行筛选,选取出能够代表信号特征的IMF分量。最后使用改进的EEMD方法对液压系统突然换向引起的冲击振动信号进行分析,选取出能够代表信号特征的IMF分量,为以后的智能诊断故障特征提取提供依据。     

基于ITD与排列熵的往复压缩机故障特征提取方法研究

针对往复压缩机振动信号的非平稳、非线性和特征耦合特性,提出了基于ITD与排列熵的往复压缩机轴承故障特征提取方法.利用ITD方法将各状态振动信号分解为一系列PR分量,依据相关性系数选择代表故障状态主要信息的PR分量,计算其排列熵形成有效的特征向量.以平均样本距离为特征向量可分性标准,对比了ITD与近似熵方法所提取特征向量,结果表明此法具有更好的可分性.     

基于改进LMD方法的故障转子振动分析

针对三次样条插值(cubic spline interpolation,简称CSI)局部均值分解(local mean decomposition,简称LMD)方法在处理故障振动信号时准确性较低的缺陷,提出了一种集成自适应波形匹配、三次B样条插值(cubic Bspline interpolation,简称CBI)以及正交性判据(orthogonality criterion,简称OC)的LMD改进方法。首先,利用自适应波形匹配技术对原始信号进行数据延拓;然后,采用CBI代替CSI求解信号的上、下包络线,进而求得局部均值函数和包络估计函数;最后,以OC作为乘积函数(product function,简称PF)内部迭代过程结束的判断条件,形成一种改进的CBI-LMD方法。仿真分析与实验验证的结果表明,该改进方法具有更好的信号分解性能,能够准确有效地提取出复杂非平稳信号的重要特征。     

往复压缩机气阀故障诊断的信息融合方法研究

针对使用单一信号对往复压缩机气阀故障进行诊断时所存在的不足．提出一种适合气阀故障诊断的信息融合方法。该方法将气阀的压力信号和振动信号特征进行信息融合，再通过RBF神经网络进行故障诊断。诊断实例表明该方法能更准确地诊断出气阀的各种故障。