柴油机缸盖振动信号的小波包分解与诊断方法研究

研究了柴油机缸盖表面振动信号的时域、频域和循环波动特性,揭示了它的非平稳时变特点,提出了从振动信号的小波包分解系数中实现整循环征兆提取和故障识别的方法。实际及分析结果表明了该方法的可行性和有效性,这对其它复杂机械的振动诊断同样具有参考价值。     

利用振动信号诊断废气涡轮增压器喘振故障

分析了废气涡轮增压器喘振的故障机理;利用振动诊断技术,对废气涡轮增压器的喘振故障进行了诊断。     

利用缸盖噪声信息诊断柴油机失火故障

叙述了内燃机故障检测的新方法，即利用发动机运转的噪声信息来诊断内燃机失火故障，利用小波分析技术从发动机噪声信号中提取发动机的燃爆和气门开闭信息，相对于传统的基于振动的诊断方法，基于声学的诊断方法有着振动不可比拟的优点，这种方法不需接触发动机表面，不必粘贴传感器，不受发动机结构空间限制，而且检测系统简单，大大缩短了检测时间，提高了检测效率。     

柴油机缸盖振动信号分形特征研究

针对柴油机振动信号的非线性特征,将小波变换与分形理论结合;由此进行缸盖振动信号的分析及故障特征的提取,进而对柴油机气阀间隙异常故障进行诊断。随后计算信号小波包频带盒维数、小波变换模极大及信号的多重分形谱。结果表明,这种将分形维数和多重分形谱的结构作为系统的衡量指标和故障的表征参数,使诊断结果简单、现实可行。     

根据振动信号诊断氦风机故障的方法研究

氦风机是10MW高温气冷实验堆(HTR-10)的一回路主风机,是大功率、高转速、多环节的旋转运动系统,有发生多种故障的可能,而其工作正常与否直接关系到反应堆的安全运行。通过在线分析氦风机运行时的振动信号,可以对氦风机的运行情况进行深入、彻底地评估,对可能的故障尽可能早地进行预防性诊断,从而保证氦风机能够正常和安全运行。本课题从氦风机本身结构和特点出发,研究提出并实现了分别在时域和频域上对氦风机的振动信号进行分析、进而对氦风机故障进行诊断的方法和框架。     

从故障实例数据库中挖掘振动信号特征

复杂、并发故障诊断的难点在于这些故障的振动信号很复杂,特征很难获得,文中阐述了从实例数据库中挖掘故障特征的整体结构,定义了信号的绝对、相对和梯度特征及相应的绝对、相对和梯度模式实例,进而阐述了应用模糊聚类分析挖掘特征模式的方法,最后以往复式压缩机实例挖掘系统为例说明了该原理的应用。     

电机转子振动信号故障特征提取方法

电机振动信号具有非平稳、非线性特性,在进行时频域特征提取时需要人工确定时间窗口和基函数。针对该问题,提出一种基于EEMD(Ensemble Empirical Mode Decomposition)分解和权重熵变换的特征提取方法。该方法应用EEMD进行自适应分解,同时提取IMF(Intrinsic Mode Function)方差作为初始特征值,并提出将权重熵作为衡量特征值重要性的标准,通过权重熵对原始特征值进行空间变换,扩大特征向量间的差异。为验证该方法的有效性和优越性,对4 种状态下的电机转子进行振动信号采集,用于制作转子故障数据集,并运用EEMD进行特征提取。实验结果表明,基于EEMD分解和权重熵变换的特征提取方法能够更好地从振动信号中提取特征向量,在对电机进行故障诊断时具有更高的准确性。     

齿轮箱典型故障振动特征与诊断策略

准确地提取各种典型故障的特征是进行齿轮箱故障故障诊断的关键。通过大量的实验,对齿轮箱中的齿形误差、齿轮均匀磨损、箱体共振、轴轻度弯曲、断齿、轴不平衡、轴严重弯曲、轴向窜动、轴承疲劳剥落和点蚀等九种典型故障进行分析,总结其振动信号的时频域特征,并在此基础上提出采用基于建档案的两时域（原始时域和包络时域）三频域（频谱、细化谱、解调谱）的诊断方法,为齿轮箱智能诊断系统的研制打下良好的基础。     

振动故障信号奇异性指数的统计特征研究

基于信号奇异性检测的小波变换理论，利用时间分辨率优化的Gabor小波变换工具，对几种典型故障的波形和轨迹信号的奇异性特征进行了研究。研究表明，不同类型的故障信号，不仅奇异性指数的数值大小有明显的不同。而且奇异点在时间上的分布特征也有显著差异，这种差异对轴心轨迹信号尤为明显。因此．利用奇异性指数的统计量特征可以有效地区分不同类型的故障。     

减速器故障的振动检测与诊断

本文以减速器振动机理为基础，分析阐述减速器故障对振动频谱的各种影响，根据在工作状态下所得的外部监测信号，运用独特的倒频谱分析，清晰地分离并检测出减速器的内部故障，研究与试验表明：倒频谱分析是减速器故障诊断一种有效方法。     

一种测量气缸压力的新方法

内燃机示功图一直是研究与分析内燃机工作状况与技术状态最有效的手段之一．传统的测量示功图的方法是直接安装传感器于气缸内．气缸内高压、高温气体对传感器的破坏作用较大,因而传感器无法长期使用．文中充分考虑了柴油机缸盖系统的非线性特性,提出基于神经网络进行气缸压力间接测量的新方法,取得了精度较高的测量效果．     

小波包在提升机减速箱故障诊断中的应用

本文简述了小波变换的基本原理及利用小波包对振动信号进行分解的方法。小波分析良好的时－频局部化特性,为实现对振动信号在不同频率范围内对应不同零部件故障特征信息的分离和提取,及机械故障诊断提供了有效的分析手段。文中给出了利用小波包在煤矿提升机主减速箱故障诊断中提取微弱故障特征的实例。     

滚动轴承故障脉冲信号提取及诊断:一种盲解卷积方法

运用一种基于峭度最大化的盲解卷积算法，从局部损伤的滚动轴承振动信号中提取或增强脉冲冲击信号。在对内、外圈存在损伤的轴承振动信号进行解卷积处理后，故障脉冲信号得以充分增强，而且在时域上呈规律地分布。另外，取2倍的解卷积信号样本标准差为阈值，通过时域阈值除噪，可以进一步得到提纯的故障脉冲序列。计算表明，其脉冲线周期性出现的平均频率与相应的故障特征频率相当吻合。     

斗轮式堆取料机回转支承故障诊断研究

斗轮式堆取料机回转支承因故障引起的振动是超低频信号，采用一般的分析方法难于确定其故障特征频率。利用共振解调技术，可精确分析出超低频故障特征频率，再结合时域分析方法，准确诊断出该回转支承的故障。     

基于EMD和功率谱的齿轮故障诊断研究

提出了一种基于经验模态分解EMD（Empirical Mode Decomposition）的齿轮裂纹故障诊断的新方法。EMD方法具有自适应的信号分解和降噪能力，EMD是先把时间序列信号，分解成不同特征时间尺度的固有模态函数（Intrinsic Mode Function，简称IMF），然后通过选取表征齿轮裂纹故障的IMF分量进行功率谱分析，就可提取齿轮故障振动信号的特征。齿轮故障实验信号的研究结果表明：该方法能有效地识别齿轮的齿根裂纹故障。     

旋转机械碰摩故障的BP神经网诊断

本文介绍了旋转机械碰摩故障的ＢＰ神经网络诊断方法，并利用一种新的转子碰摩故障模拟试验系统，验证了方法的可行性。本方法既能诊断碰摩故障的发生，又能判定碰摩程度。     

矿井提升机振动故障诊断

以振动强度和振动频谱分析为依据,对煤矿主井提升减速机多次损坏的原因进行分析诊断,从而查明联轴器磨损是引起故障的主要原因。     

随机振动信号的一种简单模拟计算方法

本文提出了一种随机振动信号的简单模拟方法,该方法用计算机模拟将单一正弦信号叠加优化成为随机振动的等效信号,使其满足已知的功率谱密度和概率密度函数,这种等效信号可作为激励进行线性和非线性振动系统的位移响应分析,由于该方法计算简单占用机时少,能用于计算机仿真随机激励的响应分析。     

基于结构部分结点振动响应信息的海洋平台损伤诊断研究

利用结构的前三阶频率和部分结点的响应信息构建适应度函数和目标函数,采用改进的CHC遗传算法对结构进行损伤诊断,在相同的收敛精度条件下,大大减少了遗传代数和结构分析时间,因而提高了计算速度。数值算例表明:在不同的传感器配置条件下,对固定式导管架平台的损伤诊断均具有较高的损伤定位和损伤程度估计精度。     

基于SRC模式识别方法的柴油机故障诊断研究

测量了五种柴油机常见故障时的缸盖表面振动信号,并利用S变换对其中燃烧激励的响应信号进行时频分析.基于SRC方法找出最能表征各种故障特征的时频域,根据时频域的频率范围,设计FIR带通滤波器,并对不同故障下燃烧激励的响应信号进行滤波,滤波后的信号作为该故障的故障模板.进行故障识别时,首先用滤波器对燃烧激励的响应信号进行滤波,将滤波后的信号与故障模板进行相关分析,根据相关系数的大小来判别故障.典型故障的模拟试验表明,SRC方法具有较高的故障分辨能力.