基于倒频谱法在齿轮箱故障诊断中的应用

采用LabVIEW的虚拟仪器平台,建立数据采集系统,对齿轮全生命周期的振动信号进行在线采集。利用基于时域与频域分析法（功率谱）相结合的处理方法,对齿轮整个周期中可能出现的情况进行分析。文中主要介绍倒频谱的分析方法,对啮合频率和边频特征进行提取分析,来确定故障的性质.     

倒频谱分析法及其在齿轮箱故障诊断中的应用

分析了齿轮传动箱振动特点，介绍了倒频谱分析的定义、诊断特点及该方法在齿轮传动箱故障诊断中的独到优点，并且举出了倒频谱分析方法在齿轮及齿轮传动箱故障诊断中的应用实例。     

基于虚拟仪器的机械振动系统边频识别和倒频谱分析

基于虚拟仪器的非周期机械振动系统边频带和倒频谱分析技术，是机械振动故障检测和研究领域中非常有效的工具。本文利用LabVIEW软件开发平台深入研究机械振动的非线性特征，探讨了边频带技术和倒频谱技术在机械振动检测中的应用。实验研究中，通过虚拟仪器检测故障的各种特征信息并运用边频带和倒频谱分析技术进行状态诊断，使时域和频域中故障信号的非明显特征，在倒频域非常清晰地展示出来，为机械振动故障的识别提供实据。     

频谱分析法在齿轮箱故障诊断中的应用

基于齿轮箱振动及调制边频带形成机理的分析，提出用谱平均及倒频谱分析相结合的方法，对监测系统的输出信号进行频域分析，诊断齿轮箱故障，并分析其产生原因。实例及分析结果验证了该方法可迅速、准确地对齿轮箱进行故障诊断。     

滚动轴承故障诊断的matlab倒频谱分析

基于matlab对信号强大的处理功能,对检测到的滚动轴承振动信号进行时域、频域、倒频谱分析,比较其优点,充分显示了倒频谱技术在判断轴承故障的直观性、简化性,从而提高了滚动轴承故障判断的准确率。     

频谱分析法在风机故障诊断中的应用

简介了频谱分析法的发展概况，结合Ｄ９００离心式鼓风机的具体情况，研究并建立了基于频谱分析法的诊断系统。     

基于多信息源机床主轴轴承故障诊断研究

主轴轴承作为机床关键零部件,当前对其的剥落或变形故障研究较成熟,而对打滑烧伤关注较少,传统诊断方式由于后者的故障特征信号微弱而诊断效果不理想。近年部分研究者尝试引入深度学习以自动的高效的挖掘深层特征,对提升机床主轴轴承故障诊断精度的帮助有限。为改善诊断精度,通过检测不同转速下的振动及主轴磨合过程温升曲线趋势,增加了主轴轴承的故障信息量,结合深度学习,在机床主轴轴承故障诊断上取得了一定效果,为主轴轴承故障诊断提供了指导。     

基于倒双谱分析的轴承故障诊断研究

将常规的双谱分析与倒谱技术相结合,提出了基于倒双谱的齿轮箱故障诊断方法。首先对齿轮箱振动信号进行双谱分析,以消除噪声的影响,再计算双谱的倒谱,对信号进行倒双谱分析,可有效提高信噪比,提取轴承的故障特征。齿轮箱轴承内外圈故障振动试验信号的研究结果表明,倒双谱分析能有效地诊断轴承的故障。     

基于频谱分析的天车主起升减速机故障诊断

介绍了频谱分析在齿轮箱故障诊断中的应用,阐述了齿轮箱故障诊断中的边频带分析方法,列举了齿轮箱的典型故障形式及故障特征频谱。     

用故障诊断方法判断机床主轴轴承的工作状态

阐述了利用轴承振动信号可判断机床主轴轴承的工作状态，通过频谱分析可对轴承进行故障诊断及预紧力确定；应用B＆K2148采集振动信号，MATLAB进行数据处理，对CKS6116型机床主轴前轴承进行了故障诊断与预紧力分析并取得了满意的效果。     

倒频谱

倒频谱分析是一种二次分析技术,是对功率谱的对数值进行傅立叶逆变换的结果。该分析方法受传感器的测点位置及传输途径的影响小,能将原来频谱图上成族的边频带谱线简化为单根谱线,以便提取、分析原频谱图上肉眼难以识别的周期性信号。但是进行多段平均的功率谱取对数后。功率谱中与调制边频带无关的噪声和其他信号也都得到较大的权系数而放大．降低了信噪比。     

IMF分量的倒频谱分析在滚动轴承故障诊断中的应用

轴承局部损伤故障引起的振动响应往往会被较大的振动信号所掩盖,影响故障的正确诊断。本文提出IMF分量的倒频谱分析方法,首先将复杂的信号分解为有限的内禀模态函数（IMF）之和,对原始振动信号进行降维;再对IMF分量进行倒频谱分析,利用倒频谱方法准确地提取振动信号幅值谱上的周期特征。对EMD分解得到的多个IMF分量同时做倒频谱分析,可以相互验证,从而得到更可靠、更准确、更可信的诊断结果。通过对IMF分量的倒频谱分析法和Hilbert包络谱分析法诊断效果进行比较,结果表明,IMF分量的倒频谱分析方法比Hilbert包络谱分析提取的故障频率特征更精准、可靠。     

EMD分解在电动机轴承故障诊断中的应用

选取单相功率频谱作为分析对象,通过对单相功率频谱进行EMD分解,准确地提取了fv故障特征量。仿真结果表明,该方法诊断灵敏度高、直观清晰,有效解决了定子电流中故障分量被基波分量淹没的难题,是一种有效的可行方法。     

直驱式数控转台主轴的静态特性分析

直驱式数控转台主轴可以有效提升加工产品质量水平,尤其对加工效率及精度有着重要意义。本文对自主开发直驱式数控转台主轴的结构及原理进行分析,希望借此机会构建直驱式数控转台主轴的高效铣削模型。在材料力学以及机械设计的分析方法上,对直驱式数控转台主轴的受力形式以及零件材料的不同,运用相应强度及刚度进行相互校核及计算,以此做到有限元的正确对比及验算。     

频谱分析法在齿轮故障诊断中的应用研究

为寻找有效的齿轮故障诊断法,建立了以微机为主体的频谱诊断系统,对Ｃ６１６Ａ—１ 精密车床主轴箱振动进行故障诊断。分析了齿轮啮合的调制边频特点和结构,提出了用细化谱及倒频谱分析法两者相结合来对诊断系统的输出信号进行频谱分析,得到了相当满意的结果。这为齿轮状态监测与故障诊断提供了有效的工具     

倒频谱分析在故障检测中的应用

倒频谱分析是语音和图象处理中广泛应用的非线性信号处理技术。由于能对周期性异常振动信号进行有效的提取和分离,近年来被广泛运用于化工设备的故障检测中。倒频谱分析分为实倒频谱分析和复倒频谱分析两类。通过对周期性异常振动信号进行有效的提取和分离,结合频谱分析能有效获取异常振动产生的周期性激励信号,并对信号参数进行转换得到故障源的一些特征参数,再与元件的特征参数相比对,精确地得到故障位置并及时作出处理。     

基于支持向量机的风电机组主轴轴承故障诊断

主轴轴承是风电机组的重要部件之一。通常主轴轴承故障诊断方法主要是基于振动信号和温度信号以及润滑油成分分析等。这里利用支持向量机建立了风电机组发电机输出功率模型,输入量为风速、变桨角度、风向角与机舱角偏差;输出量为发电机输出有功功率。在相同输入条件下,当主轴轴承存在磨损等故障时,发电机输出有功功率将随故障的逐步加重而逐渐减小,发电机输出有功功率实际值与预测值之间的残差将超出正常的阈值。这里以某风电场风机主轴轴承实际故障进行了仿真验证。     

脱硫风机轴承故障诊断

通过对风机进行测试,根据故障诊断的原理,对测试数据进行了分析,指出了风机轴向振动大的主要原因,是轴承安装精度不够造成的.诊断结果与实际相符,说明了故障诊断技术在现场设备管理和维修中的重要性.     

车用直驱轮毂电机传感器故障诊断

针对分布式驱动电动汽车直驱轮毂电机系统电流、转速传感器故障问题,研究传感器鲁棒故障检测与定位方法。考虑电机模型中含有未知输入和噪声,通过系统降阶的方式对未知输入进行解耦,采用卡尔曼滤波器(Kalman filter,简称KF)滤除解耦后子系统的白噪声,并设计最优未知输入观测器(unknown input observer,简称UIO)实现系统状态估计,得到了一种较强鲁棒性的残差产生器。采用极大似然比(generalized likelihood ratio,简称GLR)的方法评估残差信号并确定阈值,提出了一种传感器故障定位方法。台架实验结果表明,提出的基于最优UIO的传感器故障诊断方法能够实现电动汽车直驱电机系统传感器故障辨识与定位。