强噪声背景下微弱冲击信号的检测

针对机械环境噪声具有随机脉冲性以及传统测量指标对机械故障冲击信号识别不足的问题,提出了利用Levy噪声作为背景噪声,以峭度指标和互关联系数构造的峭度-互关联(kurtosis-intercorrelation,简称KI)联合指标作为冲击信号检测的新衡量标准,对非对称双稳态系统中冲击信号的检测进行了研究。首先,在理论上分析了Levy噪声驱动下非对称双稳态系统中粒子的跃迁密度函数和KI的构造方法;其次,研究了Levy噪声特征指数α为1.5时,系统输出KI值分别跟随系统参数a和非对称因子C的变化趋势;最后,将该方法应用到了工程实际机械故障冲击信号的检测之中。仿真与实验研究结果表明,与峭度指标作为冲击信号检测依据相比,KI可使系统输出的信号特征幅值提高一倍以上;系统输出KI值随C呈现先增大后减小的趋势,非对称因子C为0.54时,系统输出KI值比C为0时提高了7.02%。工程实例数据证明,该方法能够有效提取故障信号的时域和频域特征信息,可应用到实际机械故障的检测中去。     

基于小波包能量谱齿轮振动信号的分析与故障诊断

小波包是继小波分析之后提出的一种新型的多尺度分析方法,解决了小波分析在高频部分分辨率差的缺点,体现了比小波分析更好的处理效果.测试了齿轮传动系统在几种不同故障类型下的振动信号,利用小波包变换的分解和重构算法,有效地提取出齿轮故障特征信号,得到试验结果.通过比较时域分析、频域分析和小波包分析对齿轮振动信号进行的特征提取,...     

基于噪声信号分析的轴流风机故障诊断

噪声是风机运行过程产生的一种信号,包含了风机结构振动的信息特征,据此提出通过分析风机噪声信号来实现风机不停机故障诊断的方法.结合风机噪声信号模型,对轴流风机轴系不对中、转子不平衡、基座松动、叶片损坏4种典型故障的Fourier频谱特征做出了理论分析预测.通过现场检测试验,采集了电机的转速信号与风机的噪声信号,分析了风机噪声的时域波形,初步诊断该风机存在故障.再分析了轴流风机噪声信号的Fourier频谱,提取出相关故障特征频率,发现频谱中n倍高次谐波比较明显,并且其中2n倍高次谐波占主导地位,因此判断该风机故障种类为轴系不对中.经过重新校正与检修,该风机恢复正常运转.试验及分析结果成功验证了基于噪声信号诊断轴流风机故障理论方法的可行性,对于工业领域通过噪声信号来诊断风机故障具有一定的指导作用.     

基于振动信号分析的齿轮箱故障诊断

对齿轮箱故障的主要特征和频率特点进行了介绍,对齿轮箱的主要组成部件齿轮、轴承、轴和箱体各自的主要故障形式和振动信号特征进行了分析,最后在建立齿轮箱故障档案的基础上分别在时域和频域对振动信号进行分析,为齿轮箱故障诊断向着智能化方向发展打下基础。     

基于Labview齿轮振动信号分析系统

介绍基于Labview平台齿轮振动信号采集、分析处理系统,重点叙述在Labview7.0图形化编程开发环境中,设计开发了适合齿轮振动特点的虚拟仪器系统,对采集的信号进行实时分析处理,从而对齿轮传动系统进行监测和诊断。     

齿轮及轴承振动信号测试及故障诊断

结合煤矿井下机电设备齿轮和轴承部件具体运行条件与环境,分析井下机电设备齿轮与轴承常见故障及原因,论述齿轮和轴承信号的振动测试过程及振动信号的调理与分析,通过应用齿轮及轴承故障诊断系统能准确发现故障问题,为采取有效处理措施提供可靠的保证。     

基于虚拟仪器的齿轮振动信号分析系统

介绍了基于Labview平台齿轮振动信号采集、分析处理系统,设计开发了适合齿轮振动特点的虚拟仪器系统,对采集的粉末冶金齿轮和38CrMoAl刚性齿轮信号进行实时分析处理,建立了对齿轮传动系统进行监测和诊断的有效方式.     

强噪声背景下的微弱信号的识别技术研究

噪声一般被人们当作有害杂质要想办法过滤；然而在特定的非线性系统中，噪声会变成有用成分，在一定的条件下大大提高输出的信噪比。这一现象就是随机共振。在前人研究的基础上，对基于随机共振弱信号检测作了简要的介绍。     

基于振动信号地铁轴流风机的故障诊断分析

针对地铁风机在线监测与故障诊断的工程实际需求,以地铁轴流风机为研究对象,采用振动加速度传感器,实现对地铁风机螺栓松动与转子不平衡故障的诊断分析。通过对振动加速度信号进行积分,得到风机振动的速度和位移信号,结合加速度、速度和位移信号各自的特点,结合三种信号所具有的分布特点,利用位移信号可以准确获得风机轴频,利用振动的加速度信号和位移信号获得风机故障特征的频率,并结合位移信号的幅值对两类的故障类型进行进一步的区分,最终实现风机地脚螺栓松动、转子不平衡故障工况的诊断、识别。     

基于小波分析的机械系统振动信号故障诊断

提出利用小波变换的时一频局部化特性及基于多分辨率分析的信号小波分解算法,辅以去噪手段,对微弱机械振动信号进行分析.有效地完成了微弱信号的提取,实现了早期故障诊断;对故障特征信号进行了时域定位;提取了故障特征频率.仿真结果表明了该分析方法的有效性.     

强噪声背景下的滚动轴承故障微弱信号检测新方法

分析共振解调技术和小波变换在滚动轴承故障诊断中存在的不足,提出一种用于提取滚动轴承微弱信号的新方法,该方法将时间序列模型(AR模型)和多重自相关方法应用于滚动轴承信号降噪,再利用小波包络分析,提取出反映滚动轴承故障的特征频率。通过对新方法包络谱特征的自动提取,实现了基于支持向量机(SVM)的智能诊断。实际试验验证了新方法的正确有效性。     

基于振动信号的齿轮箱故障诊断

主齿轮箱是某船重要动力设备,需要对其进行经常性监测。测量了某船1#和2#主齿轮箱的振动加速度信号,比较了两齿轮箱振动信号的时间历程曲线和频谱,发现2#齿轮箱频谱最大幅值约为1#齿轮箱的2.5倍,而且该谱值对应的频率接近于啮合频率。在啮合频率附近对所测信号进行了带通滤波,对滤波后的窄带信号进行了Hilbert变换,得到了该窄带信号的包络。两齿轮箱的包络信号差异明显,1#齿轮箱包络信号的频谱频率成分丰富,而2#齿轮箱包络信号的频谱具有突出的单一频率成分。结果表明2#齿轮箱存在轻微的故障。而油液分析的结果也表明,2#齿轮箱的磨损大于1#齿轮箱,说明了采用的振动分析方法的合理性。     

齿轮振动噪声分析及控制

深入剖析齿轮噪声的产生机理 ,并对齿轮噪声的形成、各成分的特性及相应减小噪声的措施进行详细分析     

用振动和噪声信号诊断齿轮齿根裂纹

本文以齿轮传动振动机理为基础,分析了齿根裂纹形成和扩展对振动的影响。提出了采用倒频谱的方法、通过对齿轮回转振动和噪声进行监测,来诊断齿根裂纹的存在。作者进行了多次试验,取得了满意的结果,并得出指导性独结论。     

齿轮振动信号分解及其在故障诊断中的应用

对齿轮振动信号的测试及分解进行了研究。根据信号基频,把齿轮振动信号分解为啮合振动与旋转振动,这些振动信号可用于对齿轮状态进行定量研究。基于不同形式的齿轮振动信号,介绍了几种方法来提取信号中的故障信息。利用时域平均技术及齿轮振动信号分解理论对某齿轮箱早期故障信号进行了检测。研究表明,齿轮运动信号分解能够有效检测齿轮的各类故障,高阶加速度信号对齿轮某些类型的早期故障更加敏感。     

基于小波变换的齿轮振动信号降噪分析

在齿轮的故障诊断中,振动信号常常夹杂着大量的噪声信号,表现出极大的非平稳性,采用基于小波变换的降噪方法,通过实例对齿轮振动信号进行降噪分析,收到了较好的效果.     

基于振动信号分析的乳化器故障诊断系统

为了提高对乳化器故障的及时而准确的诊断,首次提出了基于小波包分析理论处理振动信号的乳化器故障诊断系统。根据粉状乳化炸药生产线上乳化器的结构特征,并分析当其发生不同故障时所产生的不同振动频率特征,基于小波包分析理论,设计了由工业控制计算机(IPC)、可编程控制器(PLC)、信号调理器及振动传感器等组成的乳化器故障诊断系统。并结合SQL Server、VB和Matlab等开发工具实现该故障诊断系统。测试结果表明,该系统具有可靠的诊断功能和可观的经济价值。     

强噪声背景信号的Perona-Malik扩散滤波算法

为了提取强噪声背景下机械振动信号的微弱故障特征,提出利用Perona-Malik非线性各向异性扩散滤波模型来实现强噪声背景信号降噪的方法。首先阐述了偏微分方程和Perona-Malik扩散滤波模型在图像降噪中的应用;其次分析了小波变换等传统信号降噪方法的不足;最后基于图像降噪和信号降噪原理的相似性,利用Perona-Malik扩散滤波模型来实现机械振动信号的降噪,将其用于轴承振动仿真信号和实测信号。实验表明,与小波阈值去噪算法等传统信号降噪方法相比,Perona-Malik扩散滤波模型更适用于强噪声背景信号降噪,同时兼顾了信号去噪和保留信号细节特征的双重要求。     

基于振动信号的减速器故障诊断方法

基于经典振动分析方法 ,总结了减速器3类常见故障(轴故障、齿轮故障、轴承故障)在振动方面的特征。利用Matlab数据处理和信号分析功能,采用时域分析、相关分析、频域分析、时频分析等方法,结合已知的减速器基本参数,从不同角度挖掘信号中的故障信息,进行故障推断,并以案例的形式介绍了对某型门座起重机起升机构减速器故障诊断的具体执行过程,得出诊断结果。对该机减速器故障诊断的研究,能弥补其状态监测与故障诊断的不足,保证其运行的安全高效性,提升设备管理水平。