共查询到18条相似文献,搜索用时 78 毫秒
1.
基于EMD的旋转机械振动信号Winger分布分析 总被引:4,自引:0,他引:4
经验模态分解(Empirical Mode Decomposition)简称EMD,主要思想是把一个时间序列的信号,分解成不同尺度的本征模函数(Intrinsic Mode Function,IMF)。把EMD和Winger分布分析相结合的时频分析方法引入了旋转机械振动信号分析领域。通过把振动信号序列进行EMD分解,然后对每个分解后的IMF进行Winger分布分析,可取得抑制频率干扰的效果,使时频谱图更清晰。首先,对一个有两个频率成分的仿真振动信号Winger分布时频图和信号经过EMD和Winger分布分析相结合产生的时频图进行对比。然后,对旋转机械油膜涡动故障振动信号进行同样的对比。仿真信号和真实信号的研究结果说明,用EMD和Winger分布分析相结合的时频分析方法对旋转机械的振动信号的时频分析比通常的Winge分布分析有效。 相似文献
2.
为实现对变转速下滚动轴承的故障诊断,提升设备服役的安全性,在传统基于短时傅里叶变换(STFT)的同步压缩变换(FSST)的理论框架上,针对STFT存在的调制成分造成其瞬时频率(IF)估计不准确、时频模糊的问题,提出一种解调短时傅里叶变换(DSTFT),即在STFT中引入解调算子消除调制对信号的影响,获得更加准确的IF估计值。在此基础上,推导基于DSTFT的解调同步压缩变换(DSST),可以通过时频平面变换系数的重排获得能量高度集中的时频表达。所提出的DSST方法具有IF估计准确、时频脊线能量集中性好等优点。通过数值模拟分析和试验台振动信号分析,验证所提方法在变转速滚动轴承故障诊断中的有效性。 相似文献
3.
吴康福 《组合机床与自动化加工技术》2021,(4):14-18
针对基于瞬时频率估计的阶比分析方法中,瞬时频率难以估计的问题,提出一种基于同步提取变换(SET)的阶比分析方法,对轴承的变转速振动信号进行分析.该方法利用SET良好的能量集中特性,提取强噪声环境下轴承振动信号中的瞬时频率,通过对计算瞬时频率的鉴相时标,对时域信号进行等角度采样,从而得到稳态的角域信号.通过分析轴承实验台... 相似文献
4.
5.
6.
7.
8.
为提高同步提取变换(SET)对含噪信号或强调幅-调频(AM-FM)信号的分析效果,分析SET框架。对比基于短时傅里叶变换(STFT)与Chirplet变换(CT)的SET算法,CT比STFT的信号适应性更好,时频分析结果具有更高的能量聚集性。基于Chirplet变换和SET框架推导出同步提取Chirplet变换(SECT)公式。为进一步提高SECT在时频面的时频分析能力,利用相位二阶偏导数获得更加准确的瞬时频率估计;提出二阶同步提取Chirplet变换(SECT2),以获得高分辨率的时频表达。通过分析数值仿真信号、蝙蝠信号以及试验台轴承故障数据,验证了所提方法的有效性。 相似文献
9.
旨在探究旋转机械故障诊断系统的设计与应用,针对工业中常见的旋转机械故障问题进行研究。分析了旋转机械故障的特点、常见类型。通过实际案例的应用,介绍了振动分析技术在水泵叶片和航空发动机等旋转机械中的应用案例。本研究的成果对工业生产中旋转机械的维护和故障预防具有重要意义。 相似文献
10.
时域同步平均(Time Synchronous Averaging,TSA)信号只包含齿轮啮合频率信号和倍频信号,若齿轮出现故障,会使TSA信号得到某种程度的调制.文章将连续小波变换应用于齿轮箱振动采样的TSA信号,检测和分析齿轮箱的轮齿缺陷,设计并制作齿轮箱故障诊断试验台,通过齿轮全运行周期啮合试验,利用LABVIEW虚拟仪器采集系统采集振动信号,然后利用MATLAB编写相应的程序,绘制出所需信号的波形图,对所采集的数据文件进行信号分析处理,以达到齿轮箱故障诊断的目的,并验证了小波变换对齿轮故障诊断的有效性. 相似文献
11.
12.
为了验证HHT对处理滚珠丝杠副振动信号的有效性,通过对构造的调频、调幅混合信号进行HHT分析,并通过相关系数、均方误差、能量分布等指标分析各分量与构造信号的关联性,发现HHT对处理非平稳、非线性信号的有效性。进而引入实验数据,以同样的思路对振动信号进行分析,并计算各IMF分量对应的3个指标值,以图像的形式反映出各分量与原始振动信号的关联性,发现各IMF分量所携带能量都较小,说明滚珠丝杠副运行平稳、正常。通过FFT变换求出并绘制的首个IMF分量频谱图,更清楚地反映了实验台的固有频率所对应的幅值。整个分析过程表明,用HHT方法处理滚珠丝杠副振动信号是有效的。 相似文献
13.
14.
针对石化装置旋转机械故障特征之间呈现模糊性和耦合性导致故障类型识别难的问题,提出基于高价值小样本的石化装置旋转机械故障诊断NN模型.依据故障特征拟合情况,提取高价值小样本故障特征;运用高价值小样本故障特征建立高效的NN模型,利用梯度搜索技术,使网络的实际输出值和期望输出值的误差最小,达到最佳分类效果.研究结果表明:高价值小样本故障特征的训练数据与测试数据具有高度的一致性,故障类型识别的准确率达到98.3%.该方法应用于石化大机组旋转机械表明方法简单有效,高价值小样本特征提取准确,故障识别能力强,可为石化大机组及其他大型设备旋转机械故障诊断提供指导. 相似文献
15.
在机械故障识别方面,因子隐Markov模型是目前常用的识别工具。无限因子隐Markov模型(IFHMM)是因子隐Markov模型(FHMM)的一种扩展形式,克服了因子隐Markov模型链条数往往事先假定的缺点。本研究将无限因子隐Markov模型(IFHMM)运用到旋转机械的升降速过程故障的诊断当中,提出了使用IFHMM作为诊断工具的旋转机械故障诊断方法,并与基于因子隐Markov模型的旋转机械故障诊断方法进行了对比,最后将提出的方法成功地应用到旋转机械的故障中。实验结果表明,提出的方法明显优于FHMM识别方法。 相似文献
16.
17.