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。     

循环平稳相关熵轴承故障诊断方法

相关熵是一种基于信息理论学习和核函数的相似性度量方法，不仅能有效刻画信号的时间和统计特征，而且包含了信号的高阶统计量，因而，相关熵是处理非高斯、非线性信号的有效方法。将相关熵与循环平稳信号处理方法结合，提出了一种基于循环平稳相关熵的轴承故障诊断方法。首先，简述了相关熵的基本概念，推导了循环平稳相关熵函数和循环平稳相关熵谱密度函数公式；其次，分析了循环平稳相关熵轴承故障诊断流程；最后，将循环平稳相关熵应用于轴承内圈、外圈局部裂纹故障振动信号的分析与处理。实验结果表明：相关熵能有效提取轴承故障振动信号中的周期成分，循环平稳相关熵函数和循环平稳相关熵谱密度函数能有效刻画轴承故障的频谱特征，便于进行故障特征提取与识别，验证了提出方法的优越性。     

循环平稳分析方法在交流电机轴承故障诊断中的应用

通过分析电机轴承故障时的振动信号特性.证明这个非平稳信号具有周期平稳性,讨论循环平稳信号的循环自相关函数特性;并经循环平稳解调性的分析,提出利用循环谱对电机轴承故障振动信号进行模拟仿真诊断,证明利用循环平稳分析方法能够快速有效地识别出轴承故障.     

滚动轴承故障的谱相关特征分析

滚动轴承的振动响应信号包含确定性成分和随机成分,两者都能反映轴承发生故障的信息。利用随机成分进行故障定性诊断,可以只使用较少的振动信号数据,计算效率高,有利于工程实际应用。针对轴承振动信号中随机成分能量较低、分布频率范围较宽的特点,采用对数谱相关函数灰值图反映信号中随机成分对循环平稳特性的影响,定性判断故障引起的谱相关函数中随机成分的变化,然后通过共振区切片进行故障解调分析,提取特征信息。通过实测正常轴承和内圈点蚀故障轴承振动信号的对比分析,表明即使在较低频率分辨率条件下,谱相关密度也能实现故障信息的解调,并可以提高计算效率。     

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.     

相关熵的降噪机理及其在轴承故障诊断中的应用

针对传统相关函数和谱相关密度难以有效处理强非高斯噪声干扰的问题,提出了一种基于循环平稳相关熵的故障诊断方法。以理论分析和几何图解等方式系统分析了相关熵的降噪机理,以余弦信号和仿真调幅信号为例解释了相关熵以及循环平稳相关熵的降噪机理并验证了其良好的噪声抑制能力;应用循环平稳相关熵方法对轴承内、外圈局部裂纹故障振动信号进行了分析和处理,试验结果表明,循环平稳相关熵谱密度具有解调功能,能准确刻画轴承局部裂纹故障的频谱特征,可有效提取淹没在强噪声环境中的微弱信号。     

EMD与二阶循环平稳分析在电动机轴承故障诊断中的应用

研究了故障轴承振动机理、二阶循环平稳分析的解调性能、对噪声的免疫性能及其局限性。首次提出利用EMD分解项的快速Fourier变换(FFT)进行信号重构的消噪方法,并用仿真证实了其自适应消噪性能。试验分析过程中,在已有的循环平稳分析基础上,用改进的方法,即自相关单切片(SCA)和谱相关集合切片(SCD)的综合分析法,来分析EMD消噪后的试验信号。结果表明:EMD消噪可有效应用于非平稳的轴承故障信号处理;改进后的循环分析法的运算量小,抗干扰能力强;两者结合能实现轴承早期故障的快速有效诊断。     

用循环谱理论分析柴油机曲轴轴承加速振动信号

探索了分析加速振动信号诊断发动机机械故障的方法.首先介绍了二阶循环谱理论和加速振动信号数据采集原理,并应用循环谱理论分析了柴油发动机曲轴轴承非稳态加速振动信号.试验与分析结果表明:定转速加速振动信号数据采集器能准确地测取发动机加速过程中的振动信号,具有良好的重复性和稳定性;采用二阶循环谱方法能有效提取加速振动信号中分析对象的故障特征;对应特定的循环频率,柴油发动机曲轴轴承存在着明显的二阶循环特征频段.     

文摘

正综合水平·动态·趋势GJ 20211001基于EMD及循环平稳度函数的柴油发动机曲轴轴承振动信号分析[刊,中]/高立龙…//工程机械.-2020,51(6).-1～6根据柴油发动机机械构件发生故障时,其缸体振动信号的循环平稳性会发生改变这一特点,利用EMD分解方法将柴油发动机曲轴轴承振动信号分解为一系列单分量的IMF分量,通过求解IMF分量的循环平稳度函数并进行累加,从而得出曲轴振动信号的循环平稳度函数的真实值,并提取出振动信号的1～3阶循环平稳度函数作为反映相应故障的故障特征。     

轨道列车轴箱轴承状态监测方法

基于快速谱峭度的轴承诊断方法在恒转速工况和信号高信噪比下具有较好的诊断效果，但在轨道列车处于变转速工况、强噪声干扰以及轮轨冲击环境下难以适用。提出一套基于阶次分析和相关谱峭度方法的诊断流程：首先同步采集振动信号和转速信号，通过阶次分析对信号进行平稳化处理；然后计算信号相关谱峭度得到最优解调频带及其对应的解调谱；最后从解调谱中识别轴承的故障频率。模拟试验台以及实车数据验证了该方法可以在变转速、强干扰噪声及轮轨冲击下准确提取轴承的故障特征频率，实现轴承故障诊断。     

多调制源信号的循环平稳分析及仿真

以多调制源信号为仿真对象,分别用二阶循环自相关、谱相关函数进行分析,在MATLAB平台上做信号的循环自相关谱相关函数的三维谱图、改进的自相关函数循环域的单切片图和谱相关单切片图,通过分析总结得出该改进的二阶循环切片分析方法能成功地将多调制源信号中的特征频率解调出来,为分析实际的循环故障信号奠定理论基础。     

基于本征模态函数包络谱的滚动轴承故障诊断

针对滚动轴承故障振动信号非平稳的特征,以及传统傅里叶变换不能反映信号细节的缺陷,引入了一种基于本征模态函数包络谱的方法。首先,采用经验模态分解（empirical mode decomposition,EMD）将滚动轴承故障振动信号分解成若干个本征模态函数（intrinsic mode function,IMF）之和;然后,求出包含主要信息成分的IMF分量的Hilbert包络谱;最后,对照滚动轴承故障特征频率,进而判定故障类型。通过对滚动轴承内圈、外圈故障振动信号的分析处理,表明该方法能有效地提取滚动轴承的故障特征。     

基于小波包和AR谱分析的滚动轴承故障诊断

针对滚动轴承故障振动信号的非平稳性,提出了一种基于小波包和AR谱分析的滚动轴承故障诊断方法.该方法对系统输出信号进行小波包分解,然后进行重构,再对重构信号进行AR谱分析,从而提取出故障特征频率.试验结果表明,这种方法能有效地提取滚动轴承的故障特征,诊断其故障.     

基于EMD和峭度的Hilbert包络解调在滚动轴承故障诊断中的应用分析

针对直接运用快速傅里叶变换（FFT）无法有效提取具有非线性非平稳特性的滚动轴承振动信号故障特征频率的问题,提出了一种基于经验模式分解和峭度指标的Hilbert包络解调方法.首先对滚动轴承的振动信号进行了经验模式分解（EMD）,得到了包含轴承故障特征信息的各阶本征模态函数（IMF）,再计算各阶IMF的峭度值,选取了峭度值较大的几阶IMF分量重构信号,并对重构信号进行了Hilbert包络解调分析,从而获得了滚动轴承的准确故障特征信息.分别对仿真模拟信号和实际滚动轴承发生内圈故障的振动信号进行了分析,清晰地得到了故障特征频率.研究结果表明,利用融合EMD、峭度系数和Hilbert包络解调的诊断方法能够快速、准确地提取滚动轴承的故障特征频率,从而可以对滚动轴承进行有效地故障诊断.     

大型电动机的状态监测及诊断

电动机故障包括绝缘故障、定子故障、转子故障、轴承故障等。各种故障都会以一定的故障信号方式表现出来，而通过对信号中故障特征信号的提取分析可以对电动机故障进行判断。本文对电动机的多种基于信号监测的故障分析方法进行了原理分析，包括对定子电流信号的多种分析、轴承振动的频谱分析、电动机转速的波动分析等，对其他的多种故障监测方法也进行了介绍，并对每种分析方法所适用的故障诊断类型及优缺点给予了说明，最后指出了今后的发展趋势，为电动机故障诊断方法的应用提供了参考依据。     

POVMD与包络阶次谱的变工况滚动轴承故障诊断

针对变转速滚动轴承故障特征提取较难的问题,提出一种基于参数优化变分模态分解(parameter optimized variational mode decomposition,简称POVMD)与包络阶次谱的变工况滚动轴承故障诊断方法。首先,采用POVMD对变转速滚动轴承振动信号进行分解,得到若干个本征模态函数之和;其次,对各个分量的时域信号进行角域重采样,将时变信号转化为平稳信号处理,再利用Hilbert变换估计重采样后的平稳信号的包络;最后,对得到的包络信号进行阶比分析,从谱图中读取故障特征信息。将POVMD方法与经验模态分解进行了对比,仿真信号分析结果表明了POVMD方法的优越性。将提出的变转速滚动轴承故障诊断方法应用于试验数据分析,分析结果表明,所提出的方法能够实现变转速滚动轴承的故障诊断,而且诊断效果优于现有方法。     

感应电机轴承故障检测方法研究

分析了感应电机轴承发生故障时的振动信号的特性,利用带通滤波器和希尔伯特变换,对感应电机轴承振动信号进行处理,然后采用高分辨率谱估计算法--MUSIC（Multiple Signal Classification）算法对包络信号作谱分析,再从包络信号的MUSIC谱中提取故障特征频率分量.研究结果表明,该方法频率分辨率更高,故障检测更为准确.将该方法应用于电机轴承故障诊断,可准确提取轴承故障特征分量.     

基于DASP的海水马达振动分析和故障诊断研究

基于DASP虚拟仪器测试平台,依托机械振动理论和设备故障诊断技术,结合海水柱塞马达振动信号采集及分析处理手段,搭建了海水柱塞马达的故障诊断实验系统。通过对海水柱塞马达在正常和故障两种状态下振动信号的时域分析与频谱分析,得到了海水柱塞马达配流盘“气蚀”损坏典型故障的识别特征,从而对柱塞泵/马达的故障机理和故障诊断有了更深入的了解。将基于DASP的测试技术应用于海水柱塞马达的振动测试,不仅能够获得海水柱塞马达振动的实时测试信号和振动特性图谱,还可获得振动机理分析所需的更高的测试精度和效率,在工程实践中具有较好的推广价值。     

FAULT DIAGNOSIS APPROACH FOR ROLLER BEARINGS BASED ON EMPIRICAL MODE DECOMPOSITION METHOD AND HILBERT TRANSFORM

Based upon empirical mode decomposition (EMD) method and Hilbert spectrum, a method for fault diagnosis of roller bearing is proposed. The orthogonal wavelet bases are used to translate vibration signals of a roller bearing into time-scale representation, then, an envelope signal can be obtained by envelope spectrum analysis of wavelet coefficients of high scales. By applying EMD method and Hilbert transform to the envelope signal, we can get the local Hilbert marginal spectrum from which the faults in a roller bearing can be diagnosed and fault patterns can be identified. Practical vibration signals measured from roller bearings with out-race faults or inner-race faults are analyzed by the proposed method. The results show that the proposed method is superior to the traditional envelope spectrum method in extracting the fault characteristics of roller bearings.