分数阶全息的转子起停车故障特征提取方法

针对传统起停车过程分析采用短时傅里叶变换提取瞬时幅值和相位会损失瞬变信息的不足,提出了基于分数阶全息原理的转子起停车故障特征提取方法。该方法利用分数阶傅里叶变换从转子起停车振动数据中提取随转速变化的各倍频分量,并通过Hilbert变换求取幅值和相位,克服了傅里叶变换的平均效应,保留了转子振动的瞬变信息。通过结合全息谱理论绘制分数阶全息瀑布图,提取出转子起停车状态下的故障特征。实验结果表明,该方法能够有效提取出起停车过程中振动信号的典型故障特征,对于常见的典型故障有很好的区分能力。     

基于最小二乘法的转子不平衡振动信号的提取

不平衡振动是旋转机械失效的重要原因,实现精确平衡必须从强噪声中提取出与主轴转速同频的不平衡量振动信号,因此,不平衡振动信号的准确提取是进行转子动平衡的前提。基于最小二乘法的原理,通过建立提取转子振动不平衡信号的数学模型,提出了一种准确提取转子不平衡振动信号的方法。基于该方法,并通过Matlab仿真分析,有效提取了转子振动不平衡信号。研究表明,基于最小二乘法的转子振动不平衡信号提取方法能够准确提取转子不平衡振动的幅值和相位信息,该方法可用于转子不平衡振动监测及动平衡等方面。     

自适应整周期采样和相关滤波在转子动平衡中的应用

针对模拟带通跟踪滤波和零相移数字滤波等不平衡信号提取方法对转子动平衡高精度测试要求不满足的问题,提出了一种自适应整周期采样和相关滤波结合的转子不平衡信号提取方法。首先使用自适应整周期采样算法对振动信号进行补偿,使其逼近理想抽样序列,然后利用相关滤波法提取出不平衡信号,最后用快速傅立叶变换法准确提取出不平衡信号的幅值和相位。仿真和实验表明该方法能够满足高精度动平衡测试要求,在转子动平衡中具有较好应用价值。     

6205-2RS轴承内圈故障特征时频分析

分析6205-2RS轴承内圈故障时变信号,提取故障特征。通过对短时傅里叶变换与Wigner-Ville分布数值仿真实验比较,明确了短时傅里叶变换与Wigner-Ville分布的时频分析优缺点。针对非平稳轴承振动信号,利用短时傅里叶变换,结合Wigner-Ville分布进行了故障特征提取。通过提高短时傅里叶变换汉明窗点数,结合Wigner-Ville分布参数调整与轴承部件的旋转频率计算,给出了6205-2RS轴承内圈故障特征结果。该方法能较准确地诊断轴承内圈的故障现象。     

基于经验模态分解的瞬时相位分析方法的应用

提出了基于经验模态分解的瞬时相位分析的新方法。通过对振动信号作经验模态分解得到信号的固有模态函数，再求出各个固有模态函数的Hilbert变换，得到信号的瞬时相位．通过瞬时相位的傅里叶分析就可提取信号特征。介绍了该方法的基本原理，并应用于齿轮箱轴承的故障诊断研究，通过选取表征轴承故障的固有模态函数进行瞬时相位和傅里叶分析，就可提取轴承故障振动信号的特征。通过对轴承故障实验信号的分析．表明该方法能有效地诊断轴承的故障。     

多域特征提取和MD-MTS的滚动轴承故障诊断方法

为及时提取滚动轴承的有效故障特征,准确识别其故障状态,提出一种多域特征提取和多维马田系统(MD-MTS)相结合的故障诊断方法.该方法主要包括三个方面的内容:振动信号的多域特征提取、基于MD-MTS的故障诊断模型构建和实验验证.首先,利用统计分析、快速傅里叶变换(FFT)、Hilbert变换和改进的经验模态分解(EMD)...     

非平稳信号瞬时特征提取的谐波小波方法

分析了非平稳信号的瞬时特征(瞬时频率和瞬时相位),对非平稳信号进行谐波小波变换,建立非平稳信号的谐波小波系数与该信号的瞬时特征之间的关系,提出非平稳信号瞬时特征提取的谐波小波模型和提取方法.通过算例中的线性调频信号和应用实例中的轴承座振动信号的验证表明,该模型与方法具有较好的抗噪能力,对非平稳信号的瞬时特征具有更高的分析精度,能实现非平稳信号中特殊成分的瞬时特征提取.该方法能通过傅里叶变换实现其快速算法,具有算法简单、快速的特点,实现非平稳信号瞬时特征的实时分析.     

基于改进傅里叶变换的滚动轴承故障诊断

傅里叶变换是对信号进行频谱分析的经典方法,并在旋转机械故障诊断中得到了广泛应用。然而滚动轴承故障振动信号幅值波动较大,会导致频谱混乱,严重影响故障诊断结果,论文提出一种改进傅里叶变换的方法解决上述问题。首先通过经济学领域的Z计分模型对信号进行归一化处理,减少幅值波动,再应用傅里叶变换得到标准化信号的频谱,最后借助特征频率对滚动轴承进行故障诊断。结合滚动轴承内圈模拟点蚀故障试验,验证了该方法能够准确识别滚动轴承故障特征。     

基于谐波小波和Prony算法的转子不平衡信号提取

高精度动平衡测量系统中的信噪比很低,尤其是在邻近频率干扰背景下,常规的快速博里叶变换(fast Fourier trasformation,FFT)等方法无法准确提取不平衡信号.提出一种基于谐波小波和Prony算法的不平衡信号提取方法,先采用自适应谐波小波带通滤波提高信噪比,然后以滤波后的数据作为样本,采用Prony算法识别不平衡信号的幅值和相位,有效解决了邻近频率干扰导致的不平衡信号无法准确提取的问题.仿真和实验结果表明,该方法具有精度高、重复性好等优点,特别适合于信噪比较低的高精度动平衡测量系统中.     

利用振动频谱预测刀具磨损量

采用振动传感器采集刀具车削时的信号,对振动信号进行短时傅里叶变换,将频谱集中区域(0~6250)Hz内的频率幅值直接输入到BP神经网络中进行训练,使神经网络建立振动信号频谱与刀具磨损量之间的映射关系,从而实现刀具磨损监测。人工提取的特征值一般数量较少,往往不能全面细致地刻画信号的特点,而该方法则充分发掘了神经网络强大的学习能力,具有方法简单、识别精度高、稳定性好的优点。实验结果表明,该方法可以快速准确地预测刀具磨损量。     

基于精确信息重构的故障转子系统振动加速度信号积分方法

在分析总结加速度信号时域积分法与频域积分法优缺点基础上,提出一种基于精确信息重构的故障转子系统振动加速度信号积分方法。该方法利用故障转子系统振动信号由转频、倍频及分倍频分量构成为主的特点对加速度信号进行快速傅里叶变换(Fast Fourier transform,FFT),通过特征频率分量提取并将所提取的分量的幅值与预设的阈值进行比较;幅值低于阈值的分量认为是噪声分量,予以剔除,高于阈值的分量保留并进行精确频谱校正;根据校正后各个频率分量的频率、幅值和相位积分重构出相应的速度信号和位移信号。精确信息重构方法在去除宽频噪声和保留有用特征信息方面有明显的优势。最后通过仿真分析和试验验证,结果表明该方法相对于传统的时域和频域积分具有更高的精度和优越性。     

一种新的信号特征量检测方法及其在自动平衡中的应用研究

快速准确获得振动信号的相位、幅值二特征量具有重要工程意义。本文提出了一种无需整周期采样、无需锁相环和复杂电路硬件的相位检测算法。该算法基于互功率谱估计,具有算法复杂度低、精确度高、适用频率范围广等优点。在该算法基础上又提出了一种相位补偿滤波算法,使信号经滤波后相位保持不变。该方法的运算量低,适于在线实时滤波;相位补偿准确度高,误差在1°以内。综合上述两算法构成的信号特征量检测方法,可以准确、快速地提取振动信号的相位及幅值。最后本文将上述方法应用于旋转机械自动平衡,结果表明两算法可以在线、准确地实现,并且能够达到较好的平衡效果。     

飞秒激光频域干涉测距相位信号分析与处理

针对飞秒激光测距频谱干涉条纹信号,分析了被测距离精度对于相位信息采集与处理要求,详细介绍了光谱分辨干涉测距的数据处理过程。根据测距信号干涉谱的数学关系,推导了被测距离求解公式。采用快速傅里叶变换和坐标旋转数字计算法进行光谱分辨干涉信号处理,经过时域信号的傅里叶变换、信号相位解包裹、加窗函数时域信号滤波等环节,分别对飞秒激光测距频谱干涉条纹信号中每个频率的相位值进行处理和变换。系统仿真中,离散频谱分析的幅值最大误差从36.3%降低到15.1%。经过比对实验,该法能实现飞秒激光测距信号有效处理。     

FRFT在转子起停车状态评估中的应用研究进展

转子起停车过程中由传统的等时间间隔采样所获得的机械动态信号已不再保持原有的周期特性,采用经典的基于傅里叶变换的谱分析方法进行信号处理不再有效。针对转子起停车状态评估中幅值、频率的非平稳特性所带来的问题,引入分数阶傅里叶变换研究了基于起停车信息的故障定性分析和定量识别方法,提出了基于分数阶全息原理的转子起停车故障特征提取方法,并在此基础上实现了基于分数阶主分量原理的转子故障特征模式定量分类。实验验证表明,该方法解决了转子起停车过程中瞬变信息的获取问题,能有效提取出起停车过程振动信号中的典型故障特征,可以实现对转子不同故障类型及不同故障程度的准确分类。     

基于振动信号精确主频求解实现发动机转速测量的研究北大核心CSCD

基于振动信号实现发动机转速测量的系统,关键在于如何从高噪声与谐波环境精确提取振动信号的主频。为此,设计了一种基于线性移动正弦拟合进行主频信号提取的方法,对传感器采集的振动信号首先使用快速傅里叶变换(FFT),获取粗估主频周期,然后利用粗估主频周期对信号进一步采用线性移动正弦拟合,并得到振动信号的逐点包裹相位与解包裹相位,最后利用首尾零点或极点的解包裹相位实现频率的精确求解。实验完成了对标准振动信号的测量,频率误差小于0.1%,实际测试表明:该方法在现场噪声背景较大的条件下,仍能保证转速的测量精度达到0.4%。     

精密测试中的振动相位零点漂移误差及其减小方法

精密转子的功能需要通过严苛的动态运行精度来实现,这给振动测试的精度提出更高的要求。现有方法通过对快速傅里叶变换的改进,已经实现对振动幅值、相位等参数的精确提取,但对于振动相位零点漂移误差及其减小方法的研究还较少。通过对精密测试中振动相位零点漂移误差来源及其变化规律的深入分析,提出一种减小精密振动测试中相位零点漂移误差的方法。该方法依据相位序列变化步长搜索键相序列信号变化的周期数、以变化周期内信号的平均值估计相位零点漂移的中间值;在此基础上,结合信号的角度分辨率对初始相位序列的极值进行估计进而确定振动信号初始相位补偿量。该方法的有效性和可行性通过仿真试验和实际测试分析结果得到验证,为提高信号相位的测试精度提供一种可靠的解决方案。     

基于复Morlet小波和系数相关的齿轮故障特征提取

针对大型机械测取的振动信号信噪比低,故障特征不明显,故障定位难度大,提出了基于复Morlet小波和系数相关的齿轮故障特征提取方法。该方法利用了复Morlet小波的幅值、相位组合信息对信号突变点具有更好的敏感特性和小波系数相关降噪特性,对被测信号进行复Morlet小波变换,再分别将小波系数的实部和虚部进行自相关处理,并将相关后系数的幅值和相位进行组合。该方法在对齿轮传动弱故障信号特征提取的试验结果表明,该方法与直接的复Morlet小波变换相比,能够有效去除噪声,更好地突出故障特征,对故障特征点进行更精确地定位。     

Matlab语言在供电系统谐波分析中的应用

对电流和电压信号进行谐波分析,确定谐波的严重程度和特征是防范和治理高次谐波的第一步。据此研究了应用Matlab软件中的快速傅里叶变换来求取供电系统电流电压信号的谐波幅值和相位的方法,并编成子程序,应用该子程序可迅速方便地求取供电系统的谐波。     

超微型转子动平衡测试机不平衡量提取

建立了不平衡量振动力学模型 ,然后利用离散小波变换对所采集的信号进行消噪处理 ,提取有用的低频信号 ,进行频谱分析 ,并提出了离散傅里叶变换快速算法。根据DFT运算结果 ,在频域提取不平衡量所对应的幅度和相位 ,有效地滤除了信号中混杂的低频及高频干扰 ,最后基于中值滤波原理求出不平衡量的幅度及相位估计值。本系统不平衡量测试精度小于 1 0mg·mm ,相角小于 2°。结果表明了该算法的可行性。     

基于非负矩阵分解的单通道故障特征分离方法

针对单通道振动信号的多特征分离问题,提出了一种基于正交非负矩阵分解的故障特征提取方法。首先,采用短时傅里叶变换,利用时频分布来描述信号中的局部故障特征,通过核心一致性指标评估子空间维数;然后,在幅值谱矩阵分解的基础上,通过正交性约束实现低维嵌入分量信息的分离,获取局部特征的准确描述;最后,采用相位恢复理论重构出特征波形,对仿真信号和滚动轴承故障数据进行了测试。结果表明,所提出的方法能利用单通道信号有效地分离出微弱的局部故障特征,为机械状态的早期故障诊断识别提供了一种有效手段。