差分振子在滚动轴承故障诊断中的应用

提出了差分振子检测微弱信号特征频率的方法,通过观察系统的相图变化判断系统是否含有待检测频率。介绍了差分振子的参数设置原则,通过仿真说明了差分振子的检测带宽特性和幅值检测特性,并将其应用于圆锥滚子轴承的故障检测,通过连续观察相图大小的变化,发现故障信号幅值的变化,从而在线观察故障变化趋势,做出故障判断。     

杜芬振子在故障诊断中的应用

杜芬振子在故障诊断中的应用主要是进行故障特征的微弱正弦信号检测.杜芬振子具有对噪声强免疫能力,根据相位图的变化可判断是否存在待检测的微弱故障特征信号,如果需要检测多个特征信号,可以设定杜芬阵列.目前对于故障信号幅值大小的确定还在定性检测水平.同时在故障诊断中还可以进行杜芬振子逆向检测.     

混沌振子在微弱信号检测中的可靠性研究

针对混沌振子微弱信号检测的可靠性问题,对一种改进型混沌振子敏感特性进行分析,指出周期策动力幅值位于临界值时,初始值对系统的状态起决定性的作用,并由此定义了检测系统的敏感集.通过扰动控制方法验证噪声对振子的驱动作用相当于对初始值的扰动,发现在噪声作用下混沌振子微弱信号检测方法存在误判可能,利用所定义的敏感集对噪声背景中微弱信号的可靠检测进行了分析,为消除误判实现该微弱信号检测方法的应用提供了理论保证.     

基于混沌振子的低信噪比语音端点检测新方法

Duffing振子相变对与参考信号频差较小的周期小信号具有敏感性,对白噪声和与参考信号频差较大的周期干扰信号具有免疫力.利用语音的准周期性提出了一种基于混沌理论的语音端点检测新算法,讨论了如何利用Dufilng振子的间歇混沌特性来检测语音端点.将含噪语音作为Duffing振子的外部参考信号的摄动,根据系统相图是否改变来检测语音段和噪声段.通过尺度变换并设计了振子阵列以榆测频率范围较大的语音信号.实验结果表明,基于混沌的语音端点检测算法在低信噪比下明显优于传统的能量语音端点检测法.     

轴承早期复合故障诊断的一种非线性检测方法

针对强噪声背景下的信号难于检测的问题,利用混沌阵子对周期信号的敏感性和对噪声的免疫力,提出了一种用Duffing阵子结合欧氏距离检测微弱信号的新方法。该方法采用欧氏距离确定混沌振子由混沌状态向大尺度周期状态转换的临界阈值,并利用欧氏距离的跃变自动识别混沌振子的状态。应用该方法对仿真信号和深沟球轴承的早期模拟故障信号进行分析,验证了其可行性,同时分析了相位差和噪声对于系统特性的影响,并用Simulink进行了仿真。     

基于混沌理论的滚动轴承故障信号检测

针对滚动轴承早期故障信号十分微弱的问题,提出采用Duffing混沌振子对故障微弱信号进行检测的方法。对Duffing方程进行改进,实现对任意频率微弱信号的检测。分析微弱周期信号相位角对检测系统的影响,提出采用多相位混沌振子阵列来消除微弱周期信号相位角对检测系统的影响。通过仿真实验,确定检测系统由3个混沌振子构成。使用该检测系统成功检测出轴承外圈故障微弱信号,相比传统的混沌振子检测系统,缩小了检测盲区,提高了检测信噪比。     

参数调节随机共振在机械系统早期故障检测中的应用

随机共振是一种利用噪声使微弱信号增强传输的非线性现象,与线性方法相比能够检测更低信噪比的信号.为了准确捕捉表征机械早期故障的特征信号,在分析双稳系统参数及检测信号幅值对随机共振检测性能影响规律基础上,以输入信噪比为变量、信噪比增益为信号增强程度衡量指标,提出一种自适应调节系统参数的随机共振微弱信号检测新方法,讨论了该方法的基本原理及实现步骤.将该方法用于转子碰摩故障早期检测,结果表明该方法简单稳健、实时性好,在短数据条件下能把信噪比较低的周期信号从强背景噪声中可靠地提取出来.     

基于奇异值差分谱与改进包络分析的轴承故障特征提取

针对滚动轴承振动信号故障特征难以提取的问题,提出了一种基于奇异值差分谱与改进包络分析的轴承故障特征提取方法。首先,通过奇异值分解将原始轴承振动信号分解为一系列能够线性叠加的分量信号,利用故障特征分量和噪声分量在奇异值上的差异,根据奇异值差分谱的性质筛选出有效奇异值,选择包含故障特征的分量重构信号。针对奇异值分解去噪后仍存在残余噪声,采用改进包络分析,在频域中进一步去除重构信号中的残余噪声。最后对实测轴承信号进行分析,准确地提取到故障特征明显、故障频率突出的轴承故障信号,完成故障诊断。     

机械振动微弱慢频变信号的混沌振子检测

机械振动微弱信号的检测与识别有利于早期故障的检测与诊断。用Duffing混沌振子检测微弱振动信号具有明显的优势。提出了用混沌振子检测慢变频微弱振动信号的方法。在给出Duffing混沌振子对微弱信号检测的基本原理后，根据慢频变信号的特征，对信号进行了周期离散，提出了对暂态信号进行时域延拓的方法，分析了可行性。提出了幅频联调方法，设计了检测原理，并给出了实现步骤。结合所提出的两种方法，对带噪声的频变微弱振动信号进行了检测分析。仿真结果和实际采集信号分析结果支持了所提出方法的适用性。     

基于噪声和混沌振子的微弱信号检测

利用混沌振子来检测淹没在强噪声背景中的微弱信号，详细研究了Duffing振子检测微弱信号的原理和过程。理论分析和仿其实验均表明混沌振子能有效地检测微弱信号。     

时延反馈EVG系统随机共振特性研究及轴承故障诊断

随机共振是应用在微弱信号检测中的一种重要的技术,以微弱周期信号和加性高斯白噪声驱动的时延反馈生态植被生长(EVG)系统为模型,对其展开了详细的随机共振现象分析,并将其应用到微弱信号检测和轴承故障诊断中。首先,利用福柯普朗克方程推算出等效势函数以进一步得到系统信噪比的表达式,然后通过曲线图具体分析不同的系统参数对势函数和信噪比的影响。研究结果表明,通过调节系统参数、信号幅值、噪声强度均可诱导时延反馈EVG系统产生随机共振现象。最后,通过调节参数利用时延反馈EVG系统随机共振方法成功检测到微弱信号目标频率f=0. 01 Hz幅值为2 978,且在轴承内、外圈故障特征频率处检测出明显的峰值。     

基于Duffing系统的谐振式微悬臂梁传感器微弱谐振信号检测

研究了基于Duffing振子系统的微弱信号检测在谐振式微悬臂梁传感器中的应用。根据待测信号频率的不同,通过时间尺度变换建立了任意频率下的Duffing振子数学模型。利用RHR改进算法求解最大Lyapunov指数,并确定系统相变临界阈值,通过监测最大Lyapunov指数符号的变化来检测微弱谐振信号。详细介绍了两种幅值检测算法,通过试验验证了减法算法比加法算法更具优越性,不受大范围幅值的影响。评价了Duffing振子系统在不同噪声水平下检测微弱谐振信号的能力,添加噪声方差0.000 1和0.001后,检测相对误差控制在0.005 2%以内;当添加噪声方差到0.01时,原有Duffing方程模型无法检测到最大Lyapunov指数符号的变化,检测失效。最后,通过改变原有Duffing方程非线性恢复力项系数,在添加噪声方差到0.5时,依然能够通过求取所测信号频率的平均值准确提取微弱谐振信号。     

齿轮早期疲劳裂纹的混沌检测方法

齿轮箱振动信号中调制现象普遍存在,而且啮合频率产生的周期冲击成分占很大比重,反映齿轮箱故障的特征信号的幅值相对较低,难以检测。根据齿轮箱振动信号的特点,提出了基于混沌振子的齿轮早期疲劳裂纹检测方法,区别于目前常用的基于混沌振子的微弱信号检测方法。该方法通过辨识混沌振子加入齿轮箱振动信号后发生的由大尺度周期状态到混沌状态的反向状态改变,确定齿轮啮合频率边频带的状态,从而判断齿轮裂纹的发展情况,在齿轮裂纹的监测中取得了良好的效果。     

基于混沌理论的微弱信号检测及自跟踪扫频电路实现

为解决工程实际中因待测信号常常被淹没在噪声背景中而传统信号检测方法难以检测等问题,将基于混沌理论的非线性信号检测技术应用到实际工程故障诊断中,开展了基于Duffing振子的微弱信号检测原理的分析,建立了混沌振子与微弱信号检测之间的关系,提出了基于Duffing振子的微弱信号检测方法,利用混沌系统相变对周期小信号的敏感性和对噪声具有免疫力的特点,设计制作了基于Duffing振子的微弱信号检测电路;对微弱信号检测的自适应进行了研究,利用AVR单片机及AD9850等芯片实现了信号检测电路的自动跟踪扫频功能,最后开展了该信号检测电路对不同频率微弱信号的检测试验。研究结果表明,用该电路可以实现在工程中常见的噪声背景下的中、低频率微弱周期信号的检测。     

基于VMD和奇异差分谱的滚动轴承早期故障诊断

针对强噪声环境下滚动轴承早期故障特征信息非常微弱且难以提取的问题,提出了基于变分模态分解(Variational Mode Decomposition,VMD)和奇异值差分谱的故障诊断方法。首先对轴承故障振动信号进行VMD分解得到一系列本征模态分量(Intrinsic Mode Functions,IMFS),由于噪声的干扰,很难从各个模态分量中提取有效的故障特征信息;然后根据相关系数准则,对相关系数较大的分量构建Hanke矩阵进行奇异值分解,求取奇异值差分谱,从差分谱中确定重构信号的有效阶次对信号进行降噪处理;最后对降噪处理后的信号进行Hilbert包络处理,从包络谱中即可准确地提取到故障特征频率。仿真信号和工程数据处理结果表明,该方法能够有效地降低噪声的影响,精确地提取到轴承微弱的故障特征频率信息。     

基于Symlets小波滤波的滚珠丝杠伺服进给系统频响特性辨识

高速、高加速度条件下,滚珠丝杠进给系统所具有的弹性特性会对其频率响应特性造成很大影响.通过分析转矩输入信号和加速度输出信号的幅值和相位关系可以实现对进给系统频响特性的辨识.通过集中质量方法对弹性滚珠丝杠传动系统进行建模,由拉格朗日能量法和状态空间分析对系统的频响特性进行计算.并进一步利用试验方法完成进给系统频响特性的辨识.为了减少量化噪声、白噪声和有色噪声对辨识信号的影响,提出通过Symlets小波滤波方法对有限差分方法得到的加速度信号进行小波滤波处理后,再进行幅值和相位信号的提取和频响函数的拟合.仿真和试验最终证明Symlets小波滤波方法能有效地减少噪声对加速度信号的影响,提取出有效信号,实现对进给系统频响特性更为精确地辨识.     

基于多尺度形态学与奇异值分解的滚动轴承故障特征提取

针对多尺度形态差值滤波存在的问题,将多尺度形态差值算子与奇异值差分谱理论相结合,提出了一种新的滚动轴承故障特征提取方法,能有效滤除噪声,并提取出信号中的故障信息。借助特征能量比的概念,在多尺度形态差值滤波中,提出并分析了两种不同的多尺度加权方法,同时对不同最大分析尺度下多尺度形态差值滤波的结果进行了研究。然后利用奇异值差分谱理论对未能有效滤除高斯噪声的形态差值滤波结果进行SVD重构,得到最终的特征提取结果。仿真表明该方法能在高噪声背景下有效提取出脉冲冲击信号,并在实测轴承故障信号特征提取中得到了验证。     

基于改进EEMD与混沌振子的配电网故障选线

提出改进的集合经验模态分解(MEEMD)和混沌振子相结合的电网故障微弱信号检测方法。首先,建立神经网络预测模型,通过神经网络对配网各线路零序电流进行短时预测,滤除故障信号中的背景信号;其次,为了检测配网发生单相接地故障后微弱的5次谐波信号,提出结合多尺度排列熵和完备集合经验模态分解(CEEMD)改进的改进的集合经验模态分解算法;处理已经滤除背景信号的故障信号,提取其第一固有模态函数作为混沌振子的输入。混沌振子对和内驱动力信号同频的外策动力信号有较高的敏感性,通过混沌振子输出的相图完成电网故障选线。     

小波变换在电缆故障精确定位中的应用

将小波变换模极大值对检测信号奇异点的理论应用于检测脉冲反射信号,实现电缆故障的定性定位.重点分析了小波变换在强噪声中提取信号,再现信号突变点方面的优越性.仿真表明它能有效去噪、准确定位脉冲反射信号,有利于提高信道故障定位精度.     

Lyapunov指数算法在应答器信号混沌振子检测中的应用

针对为提高在强噪声环境下应答器上行链路传输信号的检测精度,利用混沌系统对初始条件敏感以及对噪声免疫的特性,将混沌振子应用到应答器上行链路信号检测解调中.结合微弱信号Duffing振子检测原理和应答器上行链路信号特征,给出了使用Duffing振子检测应答器信号的方法和步骤,并使用Lyapunov指数算法计算Duffing振子检测系统的临界阈值,定量判断系统的输出状态,实现应答器信号的解调.在理论分析的基础上,进行了实验仿真验证.仿真结果表明,基于Lyapunov指数算法的应答器信号混沌振子检测方法提高了阈值设置的准确性和效率,并确保了应答器信号检测的可靠性.