共查询到20条相似文献,搜索用时 9 毫秒
1.
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。 相似文献
2.
基于小波包能量谱齿轮振动信号的分析与故障诊断 总被引:5,自引:0,他引:5
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,... 相似文献
3.
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. 相似文献
4.
基于振动信号分析的齿轮箱故障诊断 总被引:1,自引:0,他引:1
张玉 《仪器仪表与分析监测》2011,(1):20-24
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。 相似文献
5.
6.
7.
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. 相似文献
8.
9.
10.
11.
12.
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。 相似文献
13.
14.
用振动和噪声信号诊断齿轮齿根裂纹 总被引:2,自引:0,他引:2
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。 相似文献
15.
齿轮振动信号分解及其在故障诊断中的应用 总被引:2,自引:0,他引:2
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。 相似文献
16.
17.
18.
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。 相似文献