数字信号的包络分析方法

研究了在往复机械和振动机械故障诊断中非常有效的包络分析,分析了描绘包络线的过程,让计算机能够自动抓取包络线的特征点,在此基础上,经过去均值、光滑不等距插值等处理逐阶分解拟合信号,能很好地提取各阶包络信号,为故障诊断提供了一种有力的分析工具.经过对模拟信号和工程信号的分析,证明本文方法是有效可行的.     

小波分析在信号包络提取中的应用

包络分析是机械测试和故障诊断领域的常用方法 ,本文利用小波的频带分离特性和噪声的小波变换特性 ,将希尔伯特变换和小波分析结合起来 ,提高了提取信号包络信息的精度 ,并通过实例说明了这种方法的有效性     

基于MODWPT的包络阶次谱在滚动轴承故障诊断中的应用

为了有效提取滚动轴承的故障特征,提出了基于MODWPT的包络阶次谱故障诊断方法.采用MODWPT将多分量的滚动轴承振动信号分解为若干个分量,对各个分量信号进行包络分析并对包络信号进行角域重采样;最后对重采样后的信号进行频谱分析,得到包络阶次谱,从而判断滚动轴承的工作状态和故障类型.采用该方法分别对仿真信号和实验信号进行了分析,结果表明了该方法的有效性.     

小波分析法在变速机械故障诊断中的应用

首先利用小波分析将非平稳随机信号进行分解，然后再由Ｆｏｕｒｉｅｒ变换对分解后的信号进行频谱分析，最终根据各频谱特征，实现对变速机械的故障诊断。以其冷轧厂新增３５００ｔ／ｈ大型冷却塔用变速及冷却系统的故障诊断为例，验证了本文提出的用小波分析对变速系统进行故障诊断的有效性。     

基于生产者-消费者模式的机械振动故障诊断系统

振动信号能够在时域和频域内反映旋转机械的故障信息,针对传统测试系统难以兼顾振动信号高速实时采集和大运算量处理的问题,基于生产者-消费者模式设计了一种旋转机械振动故障诊断系统。该系统将振动信号采集过程与处理过程分别构成数据生产模块与数据消费模块,使数据在两种模块内以不同迭代速率实现高效解耦共享。采用组态软件LabVIEW,并结合高速采集卡NI6351、振动传感器等硬件,搭建了模拟直升机传动系统故障诊断实验台。在生产模块内实现了14通道100 kHz采样频率下的振动信号高速实时采样,在消费模块内采用傅里叶频谱和Hilbert包络谱分析实现了对数据的实时处理,获得了准确的故障特征,实现了对模拟直升机传动系统故障的实时精确诊断。     

包络-小波技术在轴承故障诊断中的应用

分析了滚动轴承典型故障的故障机理及其振动特征，详细介绍了滚动轴承振动信号分析与故障诊断的方法。提出了将包络分析作为小波分解的前置处理手段以提取信号故障特征的思想，并在此基础上开发研制了“CZZD-01型轴承故障诊断仪”。现场调试结果表明，该方法准确有效，适用于滚动轴承的监测和诊断。     

基于EMD解调方法的齿轮早期故障诊断

为了提取早期数据的故障信息,对大型机电设备进行预知的故障诊断,针对某高线轧机近期发生的一次辊箱齿轮打齿故障,采用基于经验模式分解(empirical mode decomposition,简称EMD)技术和Hilbert包络解调分析相结合的方法,获得了早期裂纹故障信息被清晰提取的结果.对机械早期故障振动信号的分析结果表明,基于EMD的分解技术加包络解调法能有效地提取机械故障振动信号的特征,利于提早发现故障隐患.     

全谱分析技术及其在故障诊断中的应用

介绍了全谱分析技术的思路 ,研究了全谱分析技术与旋转机械回转信号之间的理论关系 ,导出了全谱分析基于复合信号的理论计算公式及简洁数值算法 ,并将其应用于实际故障诊断系统中 .研究及应用表明 :全谱分析作为对转子涡动信号综合处理的分析方法 ,能够清晰处理转子轨迹和正反进动之间的关系 ,经过简单换算也可识别转子的回转强度 ,表明全谱分析对于旋转机械故障诊断是一种非常实用的分析工具 .     

基于改进小波变换和包络分析的滚动轴承故障诊断

采用改进的小波分解和重构算法与包络分析相结合的方法,提取滚动轴承振动信号的故障特征频率。改进的小波分解和重构方法避免了Mallat算法频率混淆的缺陷,通过对重构信号特定频带进行包络分析,更加准确地提取了滚动轴承的故障特征频率。通过对无故障滚动轴承和内圈、外圈有故障的滚动轴承振动信号的分析,说明这种方法能够有效诊断滚动轴承的故障,并将该方法成功应用于某型航空发动机主轴承故障诊断。     

高速旋转机械故障智能诊断系统的研究

目的 研制一种新型的故障诊断系统，解决高速旋转机械复合型故障诊断的问题．方法 将神经网络理论应用于故障诊断中，把信号采集、状态监测、信号分析和智能诊断组合在一起。并以H1C型涡轮增压器为诊断研究对象，进行了该系统的试验验证．结果 得出的该系统的诊断结果与理论上分析得出的结果基本一致．结论 证实了所研究的该系统是可信的，它能够准确、快速地诊断出设备存在的故障．基于神经网络理论的机械故障智能诊断系统在解决复合型故障诊断方面更具有优越性与高效性，并为其现场应用于实时监测和实时诊断奠定了试验基础和技术支持．     

齿轮裂纹早期故障的完全解调分析

齿轮轮齿发生早期裂纹时,裂纹故障信号十分微弱,为了有效提取早期裂纹故障特征,本文提出完全解调分析方法,即针对实际的齿轮振动信号调幅、调相同时存在的特点,进行幅值包络解调和相位解调相结合的完全解调分析．仿真及实例分析结果表明,本文所提出的方法能将齿轮早期裂纹故障信息从复杂的振动信号中提取出来,幅值包络解调和相位解调相结合的完全解调分析,可以提高故障诊断准确率．     

一种改进的Hilbert-Huang变换方法及其应用

针对希尔伯特-黄变换方法中存在的端点效应和虚假模态分量等问题,通过对上述问题产生原因的分析,提出一种基于边界极值均值延拓的端点效应抑制方法与虚假模态分量剔除算法相结合的改进方法。该方法首先根据信号两侧端点和其临近极值点的特性,对包络线在信号两端点处的位置进行约束,从而改善包络线拟合结果,在一定程度上抑制端点效应问题的产生。然后,依据各模态分量间的正交性原理,通过虚假模态分量剔除算法,选取能够反映信号特征的敏感模态分量,以保证分析的准确性。通过数值仿真,验证了所提方法的有效性。最后,应用于发动机异响故障诊断中,诊断结果表明该方法有效抑制了传统希尔伯特-黄变化方法的端点效应和虚假模态问题,可有效提取发动机异响信号的故障特征。     

基于复杂传递路径的发动机主轴轴承故障信号提取技术

航空发动机主轴轴承故障信号经过复杂路径传递至机匣后信噪比低,小波降噪能有效降低噪声水平,盲源分离与包络谱技术能从混合信号中分离出发动机主轴轴承故障信号并提取故障特征。依据发动机振动信号特征,对采集到的机匣振动信号进行小波降噪处理消除系统噪声,再对降噪后信号进行盲源处理分离出原始故障信号,最后对分离出的原始故障信号进行包络谱分析提取出轴承故障特征信息。对试验数据处理发现:该方法成功地提取出主轴轴承外圈内滚道与滚棒故障信号。这为航空发动机主轴轴承故障诊断提供了一种重要的研究方法,具有重要的研究意义。     

声发射用于旋转机械故障诊断的实验研究

在旋转机械实验台上利用声发射传感器检测声发射信号,通过检测到的声发射信号对旋转机械的运行状态做出监测与判断,并进行故障诊断.介绍了以滚动轴承的人为缺陷为对象进行的基础试验,测评结果表明了用声发射方法进行旋转机械故障状态监测和诊断的可行性.     

幅值域无量纲指标对液压泵故障敏感性的实验研究

有效地提取故障特征向量,找到故障敏感因子是进行液压泵故障诊断的关键。采集轴向柱塞泵松靴、滑靴磨损、斜盘磨损以及中心弹簧失效等故障情况下的端盖振动信号,通过包络解调得到各故障的包络信号,在此基础上利用幅值域无量纲特征指标对每种故障进行敏感性分析,找到了各故障的无量纲敏感因子。为液压泵的故障诊断提供了可靠的敏感特征信息,增加了故障特征信息的完备性,对提高故障诊断系统的故障确诊率具有重要的意义。     

基于FV-FBE的滚动轴承故障诊断研究

针对单通道信号不能全面提取旋转机械的振动信息,为了从强背景噪声中准确提取出滚动轴承的微弱故障特征,提出了一种全矢频带熵(FV-FBE)的滚动轴承故障诊断算法。该方法采用短时傅里叶变换计算频带熵(FBE),根据FBE最小原则自适应设计双通道信号的带通滤波器带宽和中心频率,对滤波后的双通道信号采用全矢Hilbert包络解调,得到全矢包络谱进行滚动轴承的故障识别。实验结果表明:FV-FBE算法可以全面准确地提取滚动轴承故障特征,优于谱峭度算法得到的全矢包络谱,抗干扰能力强。     

低速滚动轴承故障信号捕捉与分离研究

根据低速滚动轴承故障诊断难度较大的特点，提出了利用应力波与小波分析进行低速滚动轴承故障诊断的方法.以低速运转Cooper轴承系列01B65 EX滚子轴承为例，建立了故障轴承的三维整体接触计算模型，运用有限元软件对其进行了分析，计算出外圈故障的最大应力应变及各元件之间的接触应力，将发生故障前后的外圈外表面应力应变和接触应力分布规律进行比较.在应力波实验分析的基础上，选择db6母小波、尺度j=4对实验所采集的故障信号进行小波分解，提取了故障的应力波信号特征频率，对低速滚动轴承故障进行了正确诊断.结果表明，应力波和小波分析是低速机械故障诊断的有效方法.     

基于DTCWT-MAP去噪及Hilbert包络的滚动轴承故障诊断

针对轴承振动信号易受噪声影响造成故障特征难以提取的问题,提出一种基于双树复小波(Dual-Tree Complex Wavelet Transform, DTCWT)和最大后验估计(Maximum A Posteriori, MAP)的信号去噪及故障诊断方法。该方法首先对振动信号进行DTCWT分解,获得不同层次的小波系数,有效克服了传统小波分解频率混叠和畸变的缺陷。然后根据各层小波系数中的噪声强度构造MAP软阈值函数,对不同层次的小波系数进行阈值去噪。最后对去噪后的各层小波系数进行DTCWT反变换,将信号分解到不同频带,结合Hilbert包络实现轴承故障诊断。仿真信号去噪分析、轴承复合故障诊断实验及风机轴承微弱故障诊断应用结果表明,该方法能够有效去除噪声,提高信噪比,增强故障特征,提高轴承故障诊断的准确性和实效性。     

基于模态区间分析的半定性故障诊断方法

为了提高故障诊断的抗干扰能力和可靠性,提出了基于模态区间分析和解析冗余关系相结合的半定性故障诊断方法.利用模态区间分析仿真得到的精确区间包络线进行故障检测,可提高故障检测的抗干扰能力.通过在键合图模型中加入观测信号和虚拟传感器的方法,建立诊断键合图模型并得到系统的解析冗余关系.根据诊断键合图的因果路径和解析冗余关系残差趋势分析建立具有残差变化方向的故障特征矩阵,从而提高故障隔离的准确性.将该半定性方法应用到五箱系统的故障诊断中,结果证明该方法是有效的.     

基于经验模态分解的旋转机械故障信号去噪源分离

针对旋转机械故障诊断中信号源不足的问题,综合经验模态分解(EMD)、主成量分析(PCA)和去噪源分离(DSS)各自的优点,提出一种基于EMD和PCA的欠定去噪源分离方法(EMD-PCA-DSS)。首先通过EMD求出本征模函数(IMF),进而重组IMF分量和原观测信号作为新的观测信号,解决了盲源分离(BSS)中源信号数据不足的问题。然后,通过PCA估计观测信号的源数,利用DSS估计出源信号。将该方法应用于某转子的实测故障信号分析中,诊断出转子发生了不平衡故障,表明该方法在旋转机械故障诊断中的有效性,这对于机械设备的状态监测和故障诊断具有重要的工程意义。