基于循环双谱二次切片分析的滚动轴承故障诊断研究

发生早期微弱故障的滚动轴承,由于其故障特征频率处能量比较小,易于被噪声淹没,仅仅利用二阶循环平稳已经不能有效提取故障特征。而高阶循环统计量对噪声具有较好的免疫力。但是高阶循环统计量谱为多维谱图,图形化表示比较困难。本文对三阶循环累积量谱,即循环双谱,进行了简化,提出了循环双谱二次切片——循环双谱中心频率处切片的水平切片谱。并用此简化的循环双谱对滚动轴承早期故障做特征提取。仿真和实验结果证明了方法的有效性。     

基于自适应CYCBD和互相关谱的滚动轴承复合故障诊断方法

强背景噪声环境下,复合故障信号中的多特征提取与分离是实现滚动轴承复合故障诊断的重点与难点。提出了基于自适应最大二阶循环平稳盲卷积(CYCBD)和互相关谱的滚动轴承复合故障特征提取方法。首先,基于故障信号特点,通过设置CYCBD中不同的循环频率,提取不同频率的故障冲击成分,并以最大谐波显著性指数(HSI)为依据,自适应选取CYCBD的最优滤波器长度;然后,利用互相关分析进一步抑制信号中的噪声,提高信噪比;最终通过快速傅里叶变换(FFT)实现滚动轴承故障特征的提取。仿真和实测信号的分析结果表明,该方法能够去除背景噪声的干扰、提取滚动轴承复合故障特征,验证了方法的有效性。     

基于谱相关密度组合切片能量的滚动轴承故障诊断研究

包络解调分析方法是滚动轴承等旋转机械故障诊断的常用方法。当轴承滚动体发生故障时,由于其同时与轴承外、内圈接触,以及受保持架转速的影响,包络解调分析方法通常不能很好提取出滚动体故障通过频率。据滚动轴承发生故障时呈现出的二阶循环平稳特征,提出了基于二阶循环统计量的谱相关密度组合切片能量的滚动轴承故障诊断方法。此方法在一定程度上解决了包络解调分析方法在滚动体故障诊断方面的缺陷,对轴承滚动体的故障诊断具有一定的借鉴意义。     

基于谱相关密度切片分析和SVM的滚动轴承故障诊断

为了对旋转机械中的滚动轴承进行故障分析,针对滚动轴承具有二阶循环平稳的特点,采用了谱相关密度组合切片分析方法进行特征提取,并将提取的特征作为输入向量,用"一对其他"多分类支持向量机进行故障识别,给出了基于谱相关密度组合切片分析和多类支持向量机的滚动轴承故障诊断流程图,该方法具有较高的计算效率和估计精度。最后通过对实验数据的分析与处理,验证了该方法在滚动轴承故障诊断中的可行性和实用价值。     

基于噪声辅助信号特征增强的滚动轴承早期故障诊断

针对滚动轴承振动信号特征提取在滤除干扰噪声的同时会将部分有用信号滤除,造成特征信号丢失的问题,提出了一种基于噪声辅助信号特征增强的滚动轴承早期故障诊断方法。采用广义多尺度排列熵筛选准则筛选振动信号,并通过粒子群优化算法优化Duffing振子系统参数,实现Duffing振子系统、输入信号与噪声间的最优匹配,从而提高随机共振效果,将部分背景噪声能量转移到滚动轴承早期微弱故障信号特征上,实现了早期微弱故障信号特征的增强。将所提方法应用于滚动轴承全寿命状态早期故障诊断,并与基于VMD的自适应形态学方法相比较,结果表明了该方法的有效性和可行性。     

基于JADE-ICA的滚动轴承多故障信号盲源分离

研究一种基于源信号高阶统计信息的矩阵联合近似对角化独立元分析(JADE-ICA)方法,并将其应用于滚动轴承故障声发射(AE)信号的盲源分离。滚动轴承的声发射源信号一般具有衰减性和准周期性,多组信号间还具有时差性,信号被多个传感器接收。通过最大程度的联合近似对角化,可以使源信号与分离信号有效的一一对应,克服非线性和时差的影响;通过高阶统计的高斯噪声不敏感性可以有效抑制随机观测噪声对分离结果的影响。选用相关系数、二次残差、性能指数和频谱特征构成系列时频域评价指标对分离结果进行较为全面的验证。仿真结果证明了该方法的可行性和有效性。     

参数优化VMD结合1.5维谱的滚动轴承复合故障特征分离方法

针对滚动轴承复合故障分离的问题,基于相关峭度具有突出故障冲击周期性的特点和1.5维谱抑制高斯白噪声、剔除非耦合谐波分量的优点,提出了参数优化VMD结合1.5维谱的滚动轴承复合故障特征分离的方法。首先以轴承不同故障特征频率对应的周期计算得到的最大相关峭度为评价指标,通过相应的相关峭度图来实现VMD中参数选择以及最优分量的选取;然后对最优分量进行包络处理,并为减少冗余成分和噪声干扰,选择1.5维谱来对包络信号做进一步分析,以此来实现滚动轴承复合故障的有效分离。通过对轴承复合故障仿真及实验信号的分析证明了该方法的有效性。     

梳状滤波器在滚动轴承早期故障诊断中的应用

在滚动轴承的早期故障信号中,由于较强的齿轮啮合频率以及噪声成份的存在,致使故障特征的提取比较困难.应用二阶循环平稳方法可以有效的抑制噪声,提取出信号中的周期成份,但无法排除啮合频率的干扰.提出了构造梳状滤波器滤除啮合频率,然后进行二阶循环平稳分析的滚动轴承早期故障诊断方法,并通过实际工程信号进行了验证.     

柴油机加速振动信号的阶比双谱特征提取

针对发动机加速过程振动信号的非平稳性和混有大量噪声的特点,提出计算阶比跟踪和双谱相结合的方法,将振动信号按等角度间隔进行软件重采样,得到阶域内的平稳信号,再进行双谱分析,通过仿真信号验证了该方法优于传统双谱。为了充分利用阶比双谱图中的信息,提出双谱特征阶比面的概念,通过比较阶比平面内的累加能量来反映不同工况的变化。诊断实例表明,该方法能有效提取柴油机曲轴轴承的故障特征。     

基于谱峭度的滚动轴承故障包络阶比跟踪分析

通过对旋转机械变速运行工况的齿轮箱振动分析研究,提出一种基于谱峭度的滚动轴承故障包络阶比跟踪分析方法。该方法利用旋转机械运行过程中滚动轴承故障引起的冲击性振动会激起其周围结构共振的原理,应用谱峭度方法自适应地确定优化的共振解调带通滤波中心频率和滤波带宽,进而通过共振解调算法获得包含轴承故障初始阶段振动特征的包络信号,再将变速工况下的非平稳包络信号通过等角度重采样转化为角度域的准平稳信号,进而获得消除了频率模糊的阶比谱,实现对旋转机械变速运行工况下的滚动轴承故障诊断。仿真和测试试验结果验证了本方法的有效性。     

A New Method for Rolling Element Bearing Fault Diagnosis Based on Cyclostationary Theory

1　ＩｎｔｒｏｄｕｃｔｉｏｎＴｈｅｃｙｃｌｏｓｔａｔｉｏｎａｒｙｓｉｇｎａｌｉｓａｓｐｅｃｉａｌｋｉｎｄｏｆｎｏｎ ｓｔａｔｉｏｎａｒｙｓｉｇｎａｌ,ｉｎｗｈｉｃｈｔｈｅｓｔａｔｉｓｔｉｃｓｖａｒｙｗｉｔｈｔｉｍｅｐｅｒｉｏｄｉｃａｌｌｙｏｒｐｏｌｙｐｅｒｉｏｄｉｃａｌｌｙ (ｗｉｔｈｍｕｌｔｉｐｌｅｉｎｃｏｍｍｅｎｓｕｒａｔｅｐｅｒｉｏｄｓ) .Ｔｈｅｕｎｉｑｕｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｈｏｗｓｔｈａｔｔｈｅｍｅｔｈｏｄｓｂａｓｅｄｏｎｃｙｃｌｏｓｔａｔｉｏｎａｒｙｔｈｅｏｒｙｎｅｃｅｓｓａｒｉ…     

基于小波滤波与循环平稳度分析的滚动轴承早期故障诊断方法

由于噪声的严重干扰，在滚动轴承早期故障时，仅仅利用二阶循环平稳分析方法往往较难成功提取出信号中潜在的有用周期信息。因此将小波滤波和循环平稳度分析方法相结合，进行滚动轴承的早期故障诊断。采用最小熵方法对小波滤波器参数进行优化。实验结果证明了该方法的有效性。     

Cyclic bispectrum patterns of defective rolling element bearing vibration response

The vibration signal from a faulty rolling element bearing is not strictly phase locked to the rotational speed of the shaft, due to the variable slip between the bearing elements. For this reason, the classical diagnostic methods, which are based on Fourier analysis, cannot detect clearly the modulation phenomena and the type of the defect, because the relevant information contained in the second order statistic measures is diminished. The main purpose of this paper is the combination of cyclostationary and higher order statistic analysis methods, which can lead to better results, concerning the identification of the status of the bearing. The paper demonstrates that the cyclic bispectral analysis can lead to a discrete spectral structure, enabling the clear detection the type of the bearing fault and the corresponding modulation mechanism, thus significantly overcoming the corresponding problem of other existing methods.     

基于EMD-DCS的滚动轴承伪故障特征识别方法

伪故障特征是健康零部件振动信号中具有的故障特征,伪故障特征是由系统内故障零部件引起的。由于滚动轴承伪故障特征与故障特征具有相似性,针对转子-轴承系统中滚动轴承伪故障特征识别问题,提出一种基于经验模式分解(Empirical Mode Decomposition,EMD)和循环平稳度(Degree of Cyclostationarity,DCS)的伪故障特征识别方法。利用滚动轴承健康信号和伪故障信号对比分析基于单通道伪故障信号进行滚动轴承故障诊断的技术难点;建立了考虑滚动轴承打滑率的转子-轴承系统动力学模型;利用时频分析方法和循环平稳分析方法对滚动轴承伪故障特征进行分析;给出了基于EMD-DCS的滚动轴承伪故障特征识别流程;在滚动轴承故障模拟实验台上开展了滚动轴承伪故障特征识别实验。实验结果表明:基于EMD-DCS的滚动轴承伪故障信号识别方法可以有效区分滚动轴承故障特征与伪故障特征。该研究工作对于提高滚动轴承故障诊断准确率、保障设备安全运行具有理论意义和实际应用价值。     

基于灰色关联度和Teager能量算子的轴承早期故障诊断

滚动轴承的健康状态直接影响着旋转设备的运行状态,为了及早获取滚动轴承状态异常的信息,提出了基于灰色关联度和Teager能量算子(TEO)的滚动轴承早期故障的诊断方法。对滚动轴承运转的振动数据进行等长度分组,计算各组数据与轴承状态良好的第一组数据之间的灰色关联度,根据灰色关联度值的变化趋势,确定早期故障发生的时间段,截取该时段的振动数据进行Teager能量包络谱分析,确定故障类型。分别采用峭度系数、波形因子和均方根等指标与TEO相结合的方法对相同的轴承振动信号进行了分析和故障诊断,将各种方法的早期故障诊断结果与所提方法比较,结果验证了"灰色关联度+TEO"方法在轴承早期故障诊断中的可行性及有效性。     

EMD-循环域解调方法在故障诊断中的应用

多调制源、多载波信号的循环自相关解调分析存在交叉项的干扰，这使循环自相关解调方法的实际应用产生了困难。在对循环自相关解调及其性能分析的基础上，提出了基于经验模式分解的分频带循环自相关解调方法。该方法通过对信号经验模式分解后能量相对集中的基本模式分量进行循环自相关解调，有效地抑制了多调制源、多载波对循环平稳结果带来的交叉项干扰，提高了分析的可靠性。将该方法应用于滚动轴承的故障诊断，成功地从振动信号中分     

滚动轴承故障非接触多传感器声信号融合方法

摘　要：针对移动滚动轴承非接触声发射检测中,一个故障源信号可能被多个传感器采集,致使这些声信号包含故障信息不完整且存在重叠的问题,综合考虑声波传播理论、多传感器声信号时差关系、滚动轴承典型故障撞击频率等,建立滚动轴承故障非接触多传感器声信号融合方法。建立滚动轴承故障非接触多传感器声发射检测试验台,分别采集移动滚动轴承滚动体、外圈和内圈故障声信号。采用融合方法对同声源信号进行处理,利用信号相似理论证明了融合信号与故障源信号的相似程度高于各传感器声信号。采用声发射累计撞击计数法对融合处理后的滚动轴承不同故障声信号进行分析。结果表明,该融合算法能有效地处理多传感器接收的同声源信号,可利用融合后信号进行准确的故障识别。