典型谱峭图在共振解调方法中的应用

结合铁路货车滚动轴承检测中的常见典型故障,根据谱峭度法中峭度值最大化原则和工程实际中的快速精准需求,提出了一种典型谱峭图算法。将此方法用于共振解调技术中带通滤波器的中心频率和带宽参数的自动选取,形成基于典型谱峭图的共振解调方法。在货车滚动轴承实验台上对自然形成的故障轴承进行多次振动测试实验。将基于典型谱峭图的共振解调方法应用到实测振动信号的故障诊断分析中,并与基于快速峭度图的共振解调方法进行对比,结果验证了该方法能更有效地检测到货车滚动轴承中的故障并能诊断出故障类型。     

基于共振解调的滚动轴承故障诊断的研究与实现

滚动轴承故障诊断是机械故障检测中的一个重要方面,通过对滚动轴承典型故障机理及实际振动特征的分析,发现共振解调是一种有效分析滚动轴承故障信号的方法,而且具有一定的现实意义。     

基于共振解调技术的滚动轴承故障自动诊断系统

介绍了基于共振解调技术的滚动轴承故障诊断原理、特点及实现方法 ,开发了可在线自动检测和诊断滚动轴承故障的软件系统     

基于平方包络谱相关峭度的最优共振解调诊断滚动轴承故障

利用峭度指标识别滚动轴承共振频带,结合包络分析解调故障特征,是滚动轴承故障诊断的常用方法。峭度指标虽然能够表征瞬态冲击特征的强弱,却无法利用瞬态冲击特征循环发生的特点,导致其难以区分脉冲噪声和循环瞬态冲击,无法准确识别共振频带,进而容易导致错误的故障诊断结果。受峭度和信号自相关的启发,重新定义相关峭度,提出平方包络谱相关峭度新指标;并结合Morlet小波滤波和粒子群优化算法,提出一种滚动轴承最优共振解调方法。通过与峭度、谱峭度等进行对比,仿真和试验分析结果表明平方包络谱相关峭度能够准确识别循环瞬态冲击;最优共振解调能够稳健确定共振频带的最优中心频率和带宽,准确解调诊断滚动轴承故障,验证了平方包络谱相关峭度在检测循环瞬态冲击和识别最优共振频带中的有效性和优越性。     

基于自适应共振解调技术的滚动轴承故障诊断

针对现有共振解调技术中高频共振中心频率及滤波带宽确定方法不成熟的问题,提出了自适应共振解调技术。利用经验模态分解将故障信号分解成若干个固有模态函数,通过信息熵最小的固有模态函数分量确定高频共振频率,自适应选取带通滤波器的中心频率和带宽。利用Hilbert变换对滤波后的信号进行解调分析,得到包含故障特征信息的低频包络信号,提取故障特征频率,实现故障辨识。与现有共振解调方法相比,自适应共振解调方法在工程实际中应用性更强。     

共振解调及关联维数在轴承故障诊断中的应用

通过共振解调法对故障敏感频段进行分频段解调 ,不但提高了信号的信噪比 ,而且根据包络谱可以确定轴承具体故障形式 ;利用关联维数定量刻划分频段内轴承故障的非线性行为。试验结果表明 ,随着故障劣化程度加深 ,关联维数在轴承故障敏感频段内均呈增大趋势 ,可以把关联维数作为判断轴承故障劣化程度的特征量。该方法不仅可以诊断轴承具体故障 ,还能够有效监测故障劣化情况。     

基于谱峭度法的滚动轴承故障诊断研究

共振解调是滚动轴承故障诊断中最常用的方法之一,然而其带通滤波器参数的选取通常比较困难.谱峭度法可以根据峭度最大化原则自动确定带通滤波器参数.采用一种基于峭度最大化的谱峭度法设计最优带通滤波器,利用包络分析进行故障诊断,通过实际轴承故障振动信号分析表明,该方法具有良好的效果.     

基于共振解调技术的风机旋转失速故障诊断方法

风机旋转失速故障的振动特征通常出现在较低的频段,容易淹没在噪声或转子失衡等其他零部件的故障特征中,难以分析和诊断.共振解调技术对低频冲击的高频共振波形进行包络检波,可以有效地提取低频冲击特征.提出基于共振解调技术的风机旋转失速故障诊断方法,并成功应用于鞍钢股伤有限公司炼铁厂废气风机旋转失速的故障诊断中.     

滚动轴承故障诊断的自适应包络谱谱峰因子算法

表征滚动轴承故障特征的周期性冲击,特别是在故障早期阶段,常常被噪声和其它结构振动所淹没,从而难以辨别。共振解调被广泛用于滚动轴承故障冲击特征提取,但其滤波频带的参数选择常需要一定的先验知识。针对现有的频带优化方法的不足,本文提出一种基于包络谱谱峰因子和复平移Morlet小波滤波的自适应共振解调方法-自适应包络谱谱峰因子算法。包络谱谱峰因子(Crest factor of envelope spectrum,CE)定义为包络谱在一定范围内的最大值和有效值之比,能有效度量信号中周期性冲击强弱,结合粒子群优化算法的寻优特性,对Morlet小波滤波器中心频率和带宽参数进行优化。将包络谱谱峰因子作为适应度函数来比较不同参数组合下的滤波效果,根据适应度函数值最大原则选取Morlet小波滤波器参数。仿真信号、实验信号以及工程实际信号分析验证了该方法在共振解调最优频带选取中的有效性和优越性。     

基于变分模态分解与快速谱峭图的齿轮箱滚动轴承故障特征提取

针对齿轮箱的滚动轴承故障信号因噪声干扰,难以进行有效提取的问题,提出了基于变分模态分解与快速谱峭图相结合的轴承故障特征提取方法。首先,利用变分模态分解(Variational Mode Decomposition,VMD)将振动信号分解成若干个本征模态分量(Intrinsic Mode Function,IMF),通过相关峭度计算选取故障信息最突出的分量信号;然后,利用快速谱峭图自适应地确定带通滤波;最后,对滤波后的信号进行平方包络谱分析,提取出故障信息。通过公开数据分析和齿轮箱轴承故障实验,证明了该方法的有效性和可行性。     

基于快速谱峭度图的EEMD内禀模态分量选取方法

针对在总体平均经验模式分解(ensemble empirical mode decomposition,简称EEMD)的多个内禀模态分量(intrinsic mode function,简称IMF)中,如何选取出反应故障特征的敏感IMF的问题,提出一种基于快速谱峭度图的敏感IMF选取方法。由EEMD分解获得的一组无模式混淆的IMF,计算原信号及各个IMF的快速谱峭度图,选择每个快速谱峭度图中谱峭度最大值所处的频带作为参考频带,比较各个IMF的参考频带与原信号谱峭度最大值所处频带之间的从属关系,筛选出反应故障特征的敏感IMF,为后续故障诊断提供特征信息。将该方法应用于模拟仿真信号及滚动轴承滚动体故障信号,验证了方法的有效性。     

基于鲁棒性小波包峭度图的滚动轴承故障诊断

由于基于小波包变换滤波器的设计方法仍然是采用基于样本四阶矩的谱峭度,因此在实际应用中可能会存在非鲁棒性等问题。在此基础上定义了具有鲁棒性的谱峭度系数,提出了基于小波包变换的具有鲁棒性的峭度图算法。滚动轴承的实测信号验证了所提出的方法不仅能够真实地反映谱峭度大小,而且能够准确过滤出故障瞬态冲击成分,有利于基于包络谱分析轴承故障特征频率检测,说明其具有较好的应用前景。     

二阶系统普通变尺度随机共振及轴承故障诊断

针对传统随机共振方法难以实现系统最优输出的问题,提出了基于二阶欠阻尼和一阶过阻尼双稳态系统的普通变尺度随机共振方法,利用量子粒子群优化算法实现了自适应随机共振,提高了轴承故障诊断效率。基于数值模拟讨论了时间尺度、阻尼因子、噪声强度和系统参数对输出信噪比的影响。应用提出的方法对两组轴承故障振动信号进行了分析。结果表明,二阶欠阻尼系统普通变尺度自适应随机共振对微弱故障信号的检测效果优于一阶过阻尼系统普通变尺度自适应随机共振,且二阶欠阻尼系统对噪声的抑制和利用能力更强,故障频率处的幅值明显增大,提高了输出信噪比,在轴承故障诊断应用中具有优越性。     

基于小波和奇异谱降噪理论的轴承故障诊断研究

提出一种基于小波分析和奇异谱降噪理论的新方法，在分析滚动轴承故障特性的基础上，将奇异谱理论的障噪方法与小波分析理论结合应用于滚动轴承故障诊断中。实例表明，这种结合后的新方法能够更有效地降低噪声，突出振动信号的故障特性，从而提高设备故障诊断的准确率。     

基于小波分析的滚动轴承故障诊断研究

通过典型信号的MATLAB仿真,针对滚动轴承故障信号的非平稳性特点,结合峭度直方图和小波函数的时频分析方法,对包含滚动轴承故障信息的信号进行了小波分解和重构,对重构后的细节信号作Hilbert包络并进行谱分析,从而有效地把轴承中的故障信息成分识别出来.     

基于小波包分析的电动机轴承故障诊断

比较详细地阐述了电动机滚动轴承异常产生的机械振动机理,得出了几种常见故障的频率表现.结合实验数据,对所测得的振动信号进行小波包分解,对特定的频率段与正常信号相应的能量进行比对,确定出故障频率,从而准确找出电动机的故障所属.     

基于小波分析的滚动轴承故障诊断方法的研究

介绍了小波分析的基本理论,并将小波分析应用于轴承的故障诊断。通过对实验数据的分析和处理,提取出了故障特征,并准确地对故障进行了定位。这种方法取得了良好的诊断效果,适合于滚动轴承的故障诊断。