基于等角度重采样的非稳态振动数据分析方法研究

在俯冲拉起、地面开车发动机不同状态之间切换等某些特殊状态下,直升机动部件的旋转频率是个变化量,采用傅立叶变换或者傅立叶级数展开算法进行频谱计算,得到的是对应数据的均值,由于频率在时刻变化,所得结果并不能真实反应这一过程中的振动量值。为解决这一问题,本文以旋翼转速为基准,引入等角度重采样方法对振动数据进行阶比分析,得到了不同阶次频率的真实振动量值,为特殊状态下的振动数据分析提供一种分析手段。     

等角度重采样在航空发动机振动分析中的应用

航空发动机在工作中存在稳态与非稳态两种状态,当发动机处于稳态时,采用短时傅立叶方法即可对发动机振动数据进行分析,但是如果发动机处于过渡态,发动机转速随时间快速发生变化,此时采用短时傅立叶对发动机振动数据进行分析会存在很多问题,如果分析数据段选择过长,该时间段内发动机转速已经不是均匀转速,直接导致分析结果错误,如果分析时间过短,则傅立叶分辨率过低,计算结果不准确。针对以上问题,提出采用等角度重采样方法对航空发动机过渡态振动数据进行分析,可以比较准确的分析出发动机转速频率对应的振动值。     

电子探针图像的非等间距采样技术

本文基于二维采样定理,提出两种非等间距采集电子探针X射线像方法。对于颗粒形状比较规则。X射线信号变化有明显区域特征的样品,实行分区等间距采样;对于颗粒形状不规则,X射线信号变化无明显区域特征的样品,实行自适应改变间距采样。应用这两种非等间距采样方法,能够在保证图像质量的前提下,通过减少不必要的采样点数、节省采样时间13％－19％。     

基于模糊聚类的油田往复压缩机气阀故障诊断研究

往复压缩机气阀是整个机体中故障率最高的部件,针对其故障模式复杂、难以辨识的特点,选取与气阀运行状态密切相关的6个振动参数作为特征参数,采用模糊聚类方法对气阀故障和运行状态进行评判.用现场实际采集的20个样本进行模糊聚类分析,求出故障特征,并与频谱分析和现场实际情况进行比较,聚类结果与实际情况相吻合,证明此方法应用于运行状态评判和挖掘故障特征是有效的.     

一类非线性系统的故障诊断与实现

非线性系统的Volterra级数模型是系统的一种非参数模型,为非线性系统的故障诊断提供了一种新颖的方法.这里阐述了基于Volterra级数模型故障诊断方法的工作原理,介绍了使用单片机实现诊断系统的方法.     

一种基于聚类的滚动轴承故障诊断方法

近年来,机器学习技术在故障智能诊断领域得到了广泛的应用,聚类作为最主要的无监督学习技术在基于机器学习的故障智能诊断中占有重要的地位。滚动轴承故障诊断中,传统的频谱分析法通常采用共振解调技术,但当内圈、滚动体或多点故障时,产生复合调制,从解调谱线很难分辨故障类型。针对此,提出了一种新的基于模糊聚类的滚动轴承故障诊断方法,该方法以模糊Fisher准则为聚类目标,通过对待测样本与已知状态样本数据聚类,求得待测样本隶属度,进而判断滚动轴承的故障类型。实验结果表明该方法是有效的。     

最优共振频带提取的高速列车轴承故障诊断

在非高斯噪声与周期振动信号的干扰下,高速列车轴承的故障特征提取较为困难,针对这一问题,提出了一种新的最优故障频带的判别方法,并通过经验小波变换（Empirical Wavelet Transform,EWT）对故障频带进行提取,从而实现高速列车轴承故障的有效诊断。该方法首先提供了完整的频域分割框架,得到不同中心频率、不同带宽的频带分布;为了得到各频带所包含的故障信息含量,提出了新的故障特征指标HSIB,根据HSIB的变化趋势识别最优频带;最后进行经验小波变换,将选取的故障频带通过正交滤波器组,对得到的分量信号进行Hilbert变换,得到轴承的故障特征频率。通过仿真和实验数据验证,选取的最优频带包含了丰富的故障信息,可以准确地提取出轴承故障特征频率的基频和倍频成分,有效确定轴承故障。     

基于采样和滤波的线性调制解调方法

在分析了通常的调制解调信号的频谱之后，提出了一种基于采样和数字滤波的方法。与通常方法相比，此方法可较好地降低信号的失真，而且便于DSP计算和计算机处理。     

高速列车齿轮箱故障诊断技术研究

介绍了高速动车组故障诊断过程和常见故障类型,以弗兰德齿轮箱典型故障为例,详细分析了动车组故障诊断系统的特点,应用小波包分析、粗糙集理论和神经网络等方法,通过优化特征值来改进故障诊断系统,从而提高动车组故障诊断系统的准确性和工作效率.     

基于非线性输出频率响应函数的转子不对中-碰摩耦合故障诊断方法研究

基于非线性输出频率响应函数(NOFRF)的独特优势,将非线性输出频率响应函数引入到转子不对中-碰摩耦合故障中,提出了基于非线性输出频率响应函数的转子不对中-碰摩耦合故障诊断方法。利用提出的方法辨识得到了不同对中度及其角度的转子系统的NOFRF值,对比分析了不对中度及其角度对转子系统各阶NOFRF值的影响。仿真结果表明随着不对中度和角度的增加,NOFRF中二次谐波二阶非线性输出频率响应函数和二次谐波四阶非线性输出频率响应函数有着较为明显的增幅;一次谐波三阶非线性输出频率响应函数随不对中角度的增加而减小。因此,可以依据二次谐波二阶非线性输出频率响应函数、二次谐波四阶非线性输出频率响应函数、一次谐波三阶非线性输出频率响应函数值的变化规律识别转子系统的不对中程度。最后通过试验结果验证了仿真结果的正确性,研究成果为具有不对中-碰摩耦合故障的转子系统的故障诊断提供了重要的依据。     

基于模糊神经网络的高阶频段振动信号故障诊断研究

将模糊神经网络技术应用于机械故障高阶频率振动信号的研究,参考齿轮和转子故障模式并结合专家经验建立了螺杆压缩机转子故障诊断专家系统知识库,利用振动频谱特征就螺杆压缩机的几种故障模式结合一种模糊神经网络故障诊断模型进行了模糊神经网络识别。算例诊断结果为压缩机阴阳转子型线加工误差,与试验结果一致。     

基于夹角余弦的油浸式变压器故障诊断研究

基于聚类分析理论,将变量间相似性度量——夹角余弦引入到变压器的故障诊断中。通过分析故障征兆集与标准故障模式集间的夹角余弦来进行故障诊断。文末应用该方法对一油浸式变压器进行故障诊断,实例结果表明所提出的方法是有效的。     

基于角域振动信号特征统计量的发动机故障分类方法

为了提高发动机故障分类的准确率和成功率,提出了基于角域信号特征统计量的发动机故障分类方法。包括：利用编码器进行发动机振动信号的等角度采样;采用小波包分析和相关系数法获取发动机角域信号的特征阶次;选取特征阶次信号的能量比、标准差比、谱能量比及谱均值比4组参数作为角域信号特征统计量来提取发动机故障特征;采用支持向量机法对发动机故障进行分类。连杆轴承配合间隙故障的台架试验结果证明:相比于传统的分类方法,该方法明显提高了发动机故障分类的准确率。     

基于振动信号的变频涡旋压缩机故障诊断

设计开发了变频涡旋压缩机振动测试系统,该系统在LabVIEW软件平台上对变频涡旋压缩机振动信号进行采集和分析,可以实现涡旋压缩机变频控制、振动信号采集、数据读写和振动信号分析等功能。利用倒频谱法和互相关函数理论进行了振动信号实时分析和故障诊断,确定了振源,并提出相应减振措施,为涡旋流体机械的故障诊断及性能提高提供了方法和依据。     

基于时间信息融合的振动故障诊断方法

由于依靠一个状态的数据进行融合诊断存在误诊和漏诊的可能性,提出了一种基于时间信息的融合诊断方法,以小波分析和概率模型为分析手段,给出了基于时间信息融合的具体算法,并定义了故障定量判别的指标——故障度.通过转子故障模拟试验得到了大量数据,对故障实例的计算以及振动信号的分析结果表明,故障度能够有效地区分故障类别,提高了诊断的准确性.     

基于振动可视化分析的机械故障诊断方法

提出了一种基于振动可视化技术的机械系统故障诊断方法。通过振动可视化技术补充和完善常规监测手段所得到的振动信息,同步反映设备关键测点在时间和频率上的变化,以此作为系统故障诊断的依据。首先,以功能简单的运动部件为对象研究可视化技术应用的可行性;其次,以多通道振动信号分析结果作为输入量,将其应用于机械系统故障诊断。应用结果表明,基于振动可视化技术的机械系统级故障诊断方法能够有效地简化复杂机械系统故障源的确定过程,同时完成故障模式的准确匹配。     

基于角域平均和倒阶次谱分析的齿轮箱故障诊断

本文研究旋转机械非稳态信号的分析方法。对等时间间隔采样的齿轮箱振动信号,利用插值算法实现角域重采样。为了抑制与工频无关的噪声信号以提高信噪比,对重采样信号进行了角域平均。将倒频分析引入阶次分析中,以检测出功率谱中难以辨识的周期性。以上方法成功地识别了齿根裂纹故障,说明了对旋转机械非稳态信号进行角域平均和倒阶次谱分析的可行性和有效性。     

齿轮传动系统故障诊断方法研究

齿轮零件日益广泛的在越来越多的场景和工程中使用,特别是在今天的重工业领域中,在航天、石油、煤矿和军事的工程应用中已经成为其重要机械顺利运行的部件,尽管齿轮传动系统在当前有着如此重要的应用地位但由于其长期使用,系统会出现综合性故障,因此,如果不能够克服长期使用带来的零件损耗问题就无法保障整个装置的安全性和可靠性,所以如何...     

基于振动测试的往复式压缩机的故障诊断

往复式压缩机是各类生产企业中通用的动力设备,应用于冶金、矿山、船舶、机械制造等行业部门。往复式压缩机的故障诊断通常使用振动法,但由于其机械结构复杂、运动部件多、工作时振动激励源较多,发生的故障也是多种多样,因此往复式压缩机的故障诊断就相对较复杂。介绍了压缩机振动故障的几种基本形式和原因,并通过实例对压缩机故障进行了分析。