汽车座椅电动滑轨的振动信号分析与特征提取

从汽车座椅电动滑轨产品检测得到的振动信号中提取影响产品舒适性的特征信号,并以其对应的功率密度作为产品质量评判的标准之一。利用二阶循环统计量循环谱密度函数的解调特性,对产品振动信号的循环谱密度函数切片图进行分析,得到隐含在其中的特征调制信号,并根据影响人体舒适感的频率范围找出缺陷频率点。依据缺陷频率点的功率密度,可以很好的评价产品的性能。     

基于谱相关的齿轮振动监测技术研究

摘要：齿轮振动信号的特征循环频率具有谐频成分,谐频循环频率簇对应的谱线相关性综合反映了系统中的某种啮合振动或调制现象。以此理论为基础,本文提出了啮合振动监测因子和调制监测因子两种累积能量因子,利用单一传感器采集得到的信号,以全频段信息为依据,进行振动信息的抽取和剥离,实现针对性的齿轮振动监测。实例分析结果证实了基于谱相关的状态监测技术具有较高的灵敏性,能够初步判断系统中的故障所在。     

滑动轴承油膜失稳振动的二阶定向循环平稳性分析

定义了二阶定向循环平稳统计量,提出了基于二阶定向循环平稳的信号分析方法。该方法将用于单通道实信号分析的二阶循环统计量扩展到复信号,并定义了正交双通道融合复信号的定向循环自相关、定向循环谱相关密度。为了验证该方法,利用转子试验台模拟滑动轴承旋转机械的油膜失稳故障以获取数据,分析结果表明该方法不仅能够提取系统在某一截面内的周期性振动特征,而且能够揭示转子在指定循环频率处的旋向。此外二阶定向循环谱相关密度在指定频率处的切片能显示更加丰富的转子频率耦合调制信息,试验结果验证了该方法的有效性。       

ART-2对滚动轴承振动信号幅值谱的清晰化提取与分类效果研究

滚动轴承振动信号的幅值谱往往在整个频带上都存在着均匀分布的噪声频率干扰，难以用一般的滤波方法去除，这对轴承实际振动频率成分的识别有很大的影响。通过对ART-2神经网络的分析，指出了在信号中的特征信息相对较强，而噪声相对较弱的情况下，利用ART-2可以对信号中的特征信息成分进行增强，并对噪声进行充分抑制。利用这一原理，实现了对轴承振动信号幅值谱的清晰化提取。对13个轴承振动信号幅值谱的处理实例表明，这种方法获得的模式中轴承实际振动频率成分被清晰地提取了出来，而均布噪声频率则被充分抑制。进一步研究了ART-2的警戒系数对幅值谱清晰化处理效果的影响。并对这种影响机理进行了解释。     

小波变换在蒙库铁矿爆破振动信号时频分析中的应用

爆破振动信号具有非平稳随机特性。利用小波变换分析技术,将爆破振动信号分解在不同的频率带上,得出爆破振动信号在不同频率范围内振动分量的时间变化规律,结合爆破振动信号的能量分布特征和功率谱波形,定性评价了爆破振动对边坡稳定性的影响程度。     

基于循环双谱的滚动轴承故障诊断

当滚动轴承发生早期点蚀故障时,其振动信号表现出循环平稳特性。由于故障特征频率处能量比较小,特征信息容易被噪声淹没,仅仅利用二阶循环平稳已经不能有效提取故障特征。而循环双谱（即三阶循环累积量谱）这一最低阶的高阶统计量谱对噪声具有较好的免疫力,且计算量也相对来说比较其它高阶统计量分析方法来说最小。本文将尝试用循环双谱的中心频率切片谱,对滚动轴承早期故障做特征提取。仿真和实验结果证明了方法的有效性。     

基于循环谱相关的编码器信号滚动轴承故障检测EI北大核心CSCD

针对振动传感器安装受限的场合,结合编码器信号的优势,以编码器瞬时角速度(instantaneous angular speed, IAS)为信号,提出一种基于编码器IAS信号诊断特征(diagnostic feature, DF)指标的循环谱相关(cyclic spectral correlation, CSC)优化解调频带选取算法。首先利用向前差分法估计编码器信号获得轴承的IAS信号,并利用CSC得到IAS信号的双变量谱;然后按照初始子频带带宽为循环频率积分区间得到子频带改进包络谱(improved envelope spectrum, IES),并计算子频带IES的DF数值获得DF曲线;再通过评判DF数值合并子频带得到优化解调频带;最后利用包络分析提取滚动轴承故障特征阶次。通过仿真和轴承实测数据验证了所提方法的有效性。     

谱相关密度分析在轴承点蚀故障诊断中的研究

利用谱相关密度提取轴承故障特征时需要在循环频率域和频率域上同时兼顾高分析带宽和高分辨率,从而使得该方法的计算量庞大,难以达到较高的分析精度.鉴于此,首次在循环平稳分析中引入解析的思想,利用解析形式的谱相关密度在循环频率域不存在高频特征的特点,提出运用时域选抽技术,在保证分辨率的同时降低分析带宽,减少计算量,从而得到更好的分析效果.本文以一般调幅信号解析形式的谱相关密度分析为基础,对滚动轴承点蚀故障模型进行了分析,推导了其谱相关密度分析的理论结果,给出具体的算法实现.仿真调幅模型和实际轴承故障信号,证实了理论分析的正确性和算法的可行性,同时也验证了谱相关密度分析对调幅特征的提取能力.     

旋转机械高速启动过程振动信号分析方法的研究

通过对Ｈａａｒ小波系数与变频信号瞬时频率关系的分析,提出了基于Ｈａａｒ小波分析的旋转机械高速启动过程振动信号瞬时频率的计算方法。并通过利用此方法得到的瞬时频率,对原信号利用内插法进行了重采样,将由此得到的信号进行阶比分析,可以对信号的各阶谱线实现很好的分离,解决了定频采样所带来的高速启动过程振动信号各阶谱线不能很好分离的问题。     

基于循环统计量分析方法的我国干线轨道谱研究

轮轨相互作用产生的振动信号 ,二阶统计特性呈现周期性 ,是循环平稳信号。本文利用循环平稳统计理论 ,分析了二阶统计量循环自相关函数和循环谱密度的特性 ,将其应用于轨道谱特性的研究 ,并与传统方法进行比较 ,显示其在轨道谱数据处理中的优越性。     

时变工况的风电机组齿轮箱无转速计阶次跟踪方法研究

针对时变工况风电机组齿轮箱振动信号受噪声干扰和频率模糊问题,通过研究无转速下风电机组齿轮箱振动信号与转频波动规律间的联系,提出了基于VMD-SET时变工况的风电机组齿轮箱无转速计阶次跟踪方法。该方法利用变分模态分解（VMD）滤波,利用同步提取变换（SET）对齿轮箱振动信号时频分析,分别从轴承故障时域振动信号中初步提取故障特征频率趋势,从正常齿轮啮合调制时域振动信号中提取啮合频率时频脊线,进一步利用精细化时频脊线交叉解耦优化瞬时频率提取效果,再用提取的转速曲线对轴承故障振动信号进行阶次跟踪,从角域阶次谱中得到故障特征阶次的单根谱线。通过仿真及实验验证了所提方法的优越性和有效性。     

基于循环统计量分析方法的我国干线轨道谱研究

轮轨相互作用产生的振动信号，二阶统计特性呈现周期性，是循环平稳信号，本文利用循环平稳统计理论，分析了二阶统计量循环自相关函数和循环谱密度的特性，将其应用于轨道谱特性的研究，并与传统的方法进行比较，显示其在轨道谱数据处理中的优越性。     

基于Hilbert边际谱的滚动轴承故障诊断方法

Hilbert-Huang变换是一种新的自适应信号处理方法，它适合于处理非线性和非平稳过程。通过对信号进行Hilbert-Huang变换，可以得到信号的。Hilbert边际谱，它能精确地反映信号幅值随频率的变化规律。针对滚动轴承故障振动信号的非平稳特征，提出了一种基于Hilbert边际谱的滚动轴承故障诊断方法。该方法在Hilbert边际谱的基础上定义了特征能量函数，并以此作为滚动轴承的故障特征向量，建立M-距离判别函数来识别滚动轴承的故障类型。对滚动轴承的内圈、外圈故障信号的分析结果表明本方法可以有效地提取滚动轴承故障特征。     

基于循环维纳滤波器和包络谱的轴承故障诊断

提出一种基于循环维纳滤波器和包络谱的轴承故障诊断方法,将输入信号遍历所有特征循环频率进行一组频移,利用循环维纳滤波器实现信号的自适应噪声滤除,通过包络谱分析对滤波后的信号进行特征提取,实现微弱故障的诊断。应用到全寿命周期振动数据评估中,较一般时域指标能更早发现故障。通过对仿真信号以及轴承加速疲劳寿命试验数据的分析,验证了所提出方法的可行性和有效性。     

基于双树复小波和奇异差分谱的滚动轴承故障诊断研究

针对滚动轴承故障振动信号中包含强烈噪声,很难提取故障特征频率的情况,提出了基于双树复小波和奇异差分谱的故障诊断方法。首先利用双树复小波将非平稳振动信号分解为几个不同频段的分量;然后对包含故障特征的分量构建Hankel矩阵并进行奇异值分解,求奇异值差分谱曲线,根据奇异值差分谱最大突变点来确定奇异值个数进行重构;最后再求希尔伯特包络谱,便能准确地得到故障频率。实验结果和工程应用表明,该方法可以有效地提取轴承故障的故障信息,提取出了故障特征,验证了方法的可行性和有效性。     

基于局部均值分解的循环频率和能量谱在齿轮故障诊断中的应用

针对齿轮故障振动信号的非平稳特性,将局部均值分解(Local mean decomposition,LMD)引入齿轮故障诊断,提出了基于LMD的循环频率和能量谱概念,并根据齿轮故障振动信号的特点建立了两种齿轮故障诊断方法:基于LMD的循环频率方法和局部能量谱方法.采用LMD方法能将齿轮振动信号自适应地分解为若干个单分量...     

基于信息融合和广义循环互相关熵的电机轴承故障诊断

针对传统基于单路振动信号的故障识别可靠性较差和传统谱相关方法难以有效处理非高斯噪声的问题,该研究提出了一种基于多传感器振动信号信息融合和广义循环互相关熵谱的轴承故障诊断方法.首先推导了广义互相关熵、广义循环互相关熵和广义循环互相关熵谱密度的计算公式;然后给出了电机轴承故障诊断步骤;再利用轴承外圈故障仿真信号,分析了轴承...     

循环双谱及其在齿轮箱故障识别中的应用研究

基于对循环累积量的分析，提出一种表示信号在一定循环频率集的循环双谱表示方法。齿轮箱振动信号的三阶循环平稳性通过对齿轮的传递误差、齿轮的动力学和振动信号的三阶循环矩的分析来证明。齿轮箱振动信号的循环双谱将齿轮箱的状态特征比较清晰地表示为频率的循环双谱大小分布，验证了该方法在表示齿轮箱状态中的有效性。     

基于双树复小波和奇异差分谱的齿轮故障诊断研究

针对故障齿轮振动信号的非平稳特征和包含强烈噪声,很难提取故障特征频率的情况,提出了基于双树复小波和奇异差分谱的故障诊断方法。首先将非平稳的故障振动信号通过双树复小波分解为几个不同频段的分量;由于噪声的影响,从各个分量的频谱中难以准确地得到故障频率。然后对包含故障特征的分量构建Hankel矩阵并进行奇异值分解,求奇异值差分谱曲线,确定奇异值个数进行SVD重构降噪,由此实现对故障特征信息的提取。最后再求希尔伯特包络谱,便能准确地得到故障频率。实验结果和工程应用表明,该方法可以有效地提取齿轮的故障特征信息,验证了方法的可行性和有效性。     

角域AR谱技术在齿轮故障诊断中的应用

利用时频分布平面内信号能量峰脊与瞬时频率之间的对应关系,对信号瞬时频率进行估计;在此基础上利用代数方法求解鉴相时标积分方程,并对经插值重采样得到的角域信号进角域平均处理,提高了角域信号的信噪比;最后对角域信号进行AR建模实现信号的阶次谱分析。实际测试结果表明:采用角域AR谱技术处理齿轮箱非平稳振动信号,能够有效地避免传统频谱方法无法解决的"频率模糊"现象,克服了传统阶次谱分辨率较低,谱线毛糙,易受噪声及轴频调制影响等缺点,对齿轮箱的早期故障有较好的识别能力。