基于线调频小波路径追踪阶比循环平稳解调的齿轮故障诊断

为从变转速齿轮箱振动信号中提取齿轮故障特征,提出基于线调频小波路径追踪的阶比循环平稳解调方法。该方法利用线调频小波路径追踪算法估计振动信号中的转速信号,根据转速信号对信号进行等角度采样,获取角域周期平稳信号,求取角域信号的循环自相关函数,在特征循环阶比处对循环自相关函数进行切片,并对切片进行解调分析得到切片解调谱,依据切片解调谱进行齿轮故障诊断。由于线调频小波路径追踪算法具有精度高和抗噪能力强的优点,而循环平稳解调算法可以有效提取淹没在噪声中的周期性故障特征,因而,该方法结合了二者的优点,适合于变转速齿轮信号的故障特征提取。算法仿真和应用实例表明,该方法能有效地提取变转速齿轮箱振动信号中的齿轮故障特征。     

基于线调频小波路径追踪阶比跟踪算法的齿轮箱故障诊断研究

针对阶比跟踪转速获取硬件方法需要额外安装转速测量设备,软件方法精度不高、抗噪能力弱的问题,提出基于线调频小波路径追踪瞬时频率估计的齿轮箱阶比跟踪故障诊断方法。该方法利用基于线调频小波路径追踪瞬时频率估计算法适于分解频率呈曲线变化的非平稳信号的特点,采用其对齿轮箱的啮合频率分量进行估计以获取转速信号,依据转速信号对等时间间隔采样信号进行等角度重采样,将非平稳信号转化为角域平稳信号,得到振动信号的阶次谱,判断齿轮箱故障。仿真算例与应用实例表明上述方法在瞬时频率估计方面具有精度高和抗噪能力强的优点,可以根据信号自身的特点自适应的选择基函数,准确地对转速进行估计,其与阶比跟踪算法的结合能有效诊断齿轮箱故障。     

基于阶次分析与循环平稳解调的齿轮箱复合故障诊断方法

针对变转速下的齿轮箱中复合故障的特征提取,提出了一种基于阶次分析与循环平稳解调的齿轮箱复合故障诊断方法.该方法先用线调频小波路径追踪算法从原始振动信号中提取转频信号,再根据转频信号对原始振动信号进行等角度重采样,将时域非平稳信号转化为角域周期平稳信号,最后对角域周期平稳信号进行循环平稳解调分析,根据故障特征阶次处的切片解调谱进行齿轮箱复合故障诊断.通过算法仿真和应用实例对包含齿轮局部故障和轴承局部故障的变转速齿轮箱复合故障进行了分析,分析结果表明,该方法在无转速计的情况下能有效地提取处于变转速下的齿轮箱复合故障的特征.     

基于快速Chirplet匹配追踪的切筋成形设备振动分析

针对保证集成电路切筋成形设备对引线框架模切精度的要求,运用快速线性调频小波(chirplet)匹配追踪对集成电路切筋成形设备进行了振动分析。对切筋成形设备关键部位不同转速下的振动信号,运用快速线性调频小波匹配追踪算法进行信号分解,得到信号的时频分布。根据常见故障的时频原子特点,从时频图上对系统的固有频率以及冲裁运动等特征频率进行了识别。实验结果表明,基于快速线性调频小波的匹配追踪算法具有较高的时频分辨力,能够在大量非平稳信号中提取特征频率成分,准确反映设备的工作状况,为该设备的故障诊断提供可靠的依据。     

小波分析用于提升机振动故障诊断的研究

介绍了小波分析用于信号处理的基本思想及在机械故障诊断中的研究现状;针对提升机出现的非平稳振动故障,应用小波分析理论通过正交小波包变换,将信号分解到不同的频带内,实现了信噪分离,提取了提升机的振动故障信息。研究证明采用小波分析对提升机的非平稳振动进行深层次分析,可有效诊断出设备的故障,是处理非平稳信号的有力工具。     

遗传算法降低匹配追踪算法计算量的研究

在研究匹配追踪算法与遗传算法的基础上,分析和总结了它们的优缺点,并将两种算法有机地结合起来,提出了一种采用遗传算法实现匹配追踪算法的方法。该方法不仅能得到信号的最佳匹配原子参数,而且能大幅降低算法计算量,提高计算效率,克服了匹配追踪算法由于计算量太大而不能广泛应用的缺点,具有工程实用价值和一定的理论应用价值。     

数字频率筛查方式的风电机组齿轮箱故障诊断

风电机组齿轮箱故障一直是风电场主要机械故障之一,其故障信息多是混有噪声的非平稳信号.为避免陷入对复杂的非线性信号求解,提出多种算法融合下的数字信息频率筛查处理方法.首先利用小波分析对高频信号的敏感性进行消噪,然后充分利用Hilbert-Huang变换对非平稳信号的分解和时频变换能力进行信号特征挖掘,在被干扰的非平稳信号...     

基于最大提升格形态小波变换的齿轮故障特征提取

针对齿轮故障特征提取问题,提出了一种基于最大提升格形态小波变换的信号分解方法。最大提升格形态小波是在数学形态学和提升方案的基础上提出的一种非线性小波变换方法,具有信号局部极值保持和计算快速的优点。提出将最大提升格形态小波用于齿轮发生故障时所产生的非平稳、非线性振动加速度信号的分析,提取故障的特征信息。通过对仿真信号和实际的齿轮断齿故障信号的分析结果,证明了所采用方法的有效性。同时,与采用传统的线性小波分解分析结果相比,最大提升格形态小波变换能够在较高分解层次下十分有效地保留信号的冲击特征,能够利用较少的系数实现对故障信号的特征提取,而且最大提升格形态小波变换算法只涉及加减和取极大、极小运算,运算简单,执行高效,非常适于齿轮故障的在线监测和诊断。     

基于量子遗传优化的原子分解算法及其在机械故障诊断中的应用

机械设备故障的发生往往伴随着振动现象,通过对故障振动信号进行有效的分析是机械设备故障诊断的关键。最近提出的稀疏分解算法具有多分辨率、稀疏性和冗余的特点,但是也存在着原子库构造困难和分解算法计算量大的问题,为了更好将稀疏分解算法应用于机械故障诊断中,提出在正交匹配追踪算法的基础上,采用具有良好时频特性的Gabor原子,利用量子遗传算法快速求解多参数全局最优解的优点,从振动信号中快速和准确地提取出故障特征信息。通过数值仿真信号分析证明了所提的方法无论在特征提取的准确性上还是减小计算时间上都优于传统的正交匹配追踪算法,另外在轴承故障诊断实际应用中的实例分析中,相比传统的频谱分析方法更能有效地提取出故障特征信息,有效降低了背景噪声和杂质频率的干扰。     

线调频小波路径追踪算法和FrFT相结合的升降速齿轮故障诊断方法

针对升降速阶段齿轮振动信号的非平稳特性,提出线调频小波路径追踪算法和分数阶傅里叶变换(Fractional Fouriertransform,FrFT)相结合的齿轮故障诊断方法。该方法采用线调频小波路径追踪算法获得升、降速阶段齿轮振动信号所包含的能量最大信号分量的瞬时频率,并通过对该瞬时频率时频曲线的观察,获得该瞬时频率近似于线性上升或下降的时间范围,提取该时间范围的齿轮振动信号段,用FrFT对所提取的振动信号段进行处理,得到齿轮振动信号段的FrFT频谱图,从FrFT频谱图存在的调制现象来判断齿轮故障。其中FrFT的最佳阶次可由瞬时频率的调频系数计算得到。由于噪声与Chirplet原子的相关性很小,使得线调频小波路径追踪方法对噪声不敏感;另一方面,选择合适的分数阶,信号的FrFT将具有很好的信噪分量效果,因此该方法可用于处理升降速阶段的低信噪比齿轮振动信号。仿真分析和应用实例验证了该方法的有效性和良好的抗噪性。     

谐波小波的时频特性分析及其在故障诊断中的应用

小波分析在故障诊断中得到较广泛的应用,但采用不同的小波,分析结果往往会有很大差异。本文通过对谐波小波的选频和相位特性的理论分析,结合仿真信号与故障试验进行分析研究,提出了将基于谐波的小波包分析方法用于诊断碰摩故障,并提出了基于谐波小波的进化谱分析方法,为松动故障的识别提供了一种有效手段。     

基于信号特征的复合字典多原子匹配算法研究

在经典匹配追踪算法的基础上,提出基于信号特征的复合字典多原子匹配的改进算法,并应用于轴承故障诊断领域。针对滚动轴承损伤性故障振动信号特点,构造高频段冲击时频特征原子库与低频段Fourier特征原子库相结合的复合字典。研究复合字典多原子匹配的稀疏分解及重构算法以用于提取故障特征,并在重构算法中引入阈值降噪原理。滚动轴承故障试验信号和工程信号分析结果证明,在冲击性故障特征提取效果上,基于信号特征的复合字典多原子匹配优于单原子匹配,并且硬阈值降噪处理效果优于无阈值处理效果。     

匹配追踪方法在故障诊断中的应用研究

匹配追踪法可将信号分解成一系列时频原子的线性组合,并在每次分解前自适应地初始化时频原子的参数。本文研究了匹配追踪的原理和方法,并将匹配追踪后的分解结果与Wigner分布相结合,得到了具有高分辨率的自适应时频分布。通过仿真算例将该法与Wigner分布、小波包变换,短时傅立叶变换的结果相比较,验证了该方法的优越性。最后,将该方法应用于轴承的故障诊断,结果表明,本文方法用于故障诊断的特征提取是有效的。     

盲解卷积和频域压缩感知在轴承复合故障声学诊断的应用

针对时域盲解卷积算法对单一故障机械声信号有效,及传统稀疏分量分析对声信号分析失效等问题,提出一种盲解卷积、形态滤波和频域压缩感知重构的稀疏分量分析相结合的轴承复合故障声学诊断方法。通过时域盲解卷积算法优选分量结果,提取声信号的冲击成分。使用形态滤波滤除背景噪声。使用模糊C均值聚类估计混合矩阵,重构传感矩阵,并运用稀疏度自适应匹配追踪基算法(Sparsity adaptive matching pursuit,SAMP)的频域压缩感知重构分离信号。双通道滚动轴承故障声信号分析结果表明该方法能够有效分离和提取滚动轴承故障特征。     

Biphase randomization wavelet bicoherence for mechanical fault diagnosis

Wavelet bicoherence is one of the most useful tools for quadratic nonlinear behavior identification of stochastic system, which has been used in many fields. However, current wavelet bicoherence algorithm can neither eliminate the spurious peaks coming from components with long coherence time, nor distinguish the quadratic phase coupling and non quadratic phase coupling signals, which may constraint the application of wavelet bicoherence. In this article, biphase randomization wavelet bicoherence technique is proposed to solve this problem. In this method, an ensemble average biphase randomization algorithm is established, in which the biphase randomization is employed to damage the biphase dependence among bispectrum samples. The spurious bicoherence coming from long coherence time waves and non phase coupling waves is eliminated efficiently by using the proposed method. Based on that, two diagnosis features are established for mechanical fault diagnosis. Simulation and experiment results demonstrate that the performance of the proposed method is much better than that of current wavelet bicoherence method.     

基于AR模型和谱熵的自适应小波包络检测

针对传统故障诊断的包络问题,提出了一种基于自回归（auto regressive,AR）模型和谱熵的自适应复解析小波包络检测方法。通过AR模型从数据内在规律性上剔除机械振动信号中可线性预测的平稳成分,提取共振衰减的非平稳成分,在不同频带下进行复解析小波包络,结合谱熵在频域内与通带滤波的相关性选定最佳包络。仿真和试验数据分析结果表明,该方法能有效地提取故障特征频率,较传统方法自适应性更强,鲁棒性更高,包络效果更好,在工程应用中具有良好的前景。     

基于小波包分析和改进自适应遗传算法的齿轮故障诊断

齿轮是传动系统中最重要的元件之一,针对齿轮故障问题,在综合小波包降噪、模糊逻辑、高阶BP网络、改进自适应遗传算法各自优点的基础上,提出了一种基于小波包分析和改进自适应遗传算法的齿轮故障诊断新方法。试验证明,这种方法与传统方法相比,无论在分类精度,还是对训练总误差控制方面都具有更大的优势。     

稀疏度拟合的自适应机械振动信号压缩感知

针对利用机械振动信号进行设备故障诊断和状态监测过程中,存在采样数据量多、存储容量大、传输带宽高和信号重构精度低等问题,提出一种稀疏度拟合的自适应机械振动信号压缩感知方法。首先,对机械振动信号进行多尺度小波包变换,再将小波包系数按一定阈值进行置零处理并求取其稀疏度;然后,采用迭代方法求取各稀疏度下满足重构信号精度条件的最低采样率,并对信号的稀疏度和采样率采用最小二乘法进行拟合,消除信号测量误差,求取最佳信号采样率;最后,采用K-奇异值分解算法构造与各信号块相适应的过完备字典,并利用正交匹配追踪算法实现信号重构。实验证明,与传统压缩算法相比较,该算法的信号压缩率和重构精度均得到较大提高。     

基于“阶次-小波”分析的齿轮箱升降速过程故障诊断研究

针对齿轮箱升降速过程振动信号的特点以及阶比分析的缺陷,提出了基于“阶次一小波“分析的齿轮箱故障检测方法。即首先将等时间信号重采样成为等角度信号,然后对等角度信号进行小波分析,最终识别故障。信号经过这种变换之后可以具有同时反映信号的阶比域和角度域的特征。经过仿真表明,该方法具有很好的诊断效果。     

Adaptive wavelet transform for vibration signal modelling and application in fault diagnosis of water hydraulic motor

There has been an increasing application of water hydraulics in industries due to growing concern on the environmental, health and safety issues. The fault diagnosis of water hydraulic motor is important for improving water hydraulic system reliability and performance. In this paper, fault diagnosis of water hydraulic motor in water hydraulic system is investigated based on adaptive wavelet analysis. A novel method for modelling the vibration signal based on the adaptive wavelet transform (AWT) is proposed. The linear combination of wavelets is introduced as wavelet itself and adapted for the particular vibration signal, which goes beyond adapting parameters of a fixed-shape wavelet. The AWT procedure based on the parametric optimisation by genetic algorithm (GA) is developed. The model-based method by AWT is applied to extract the features in the fault diagnosis of the water hydraulic motor. This technique for de-noising the corrupted simulation signal shows that it can improve the signal-to-noise ratio of the vibration signal. The results of the experimental signal demonstrate the characteristic vibration signal details in fine resolution. The magnitude plots of the continuous wavelet transform (CWT) show the characteristic signal's energy in time and frequency domain which can be used as feature values for fault diagnosis of water hydraulic motor.