旋转机械振动信号的小波包分解及故障检测

研究了旋转机械振动信号的特点，指出传统的波形分析和频谱分析存在的问题。提出了从小波包分解序列图和小波包能量分布图两个方面对振动信号分析的方法，赋予小波变换和小波包分解的结果以明确的物理意义，通过测试数据分析旋转机械的三种典型故障在时域、步域及时频域所反映的信息特征，从而表明了该方法的可行性及对故障检测的有效性。     

基于EMD和HT的旋转机械振动信号时频分析

把一列时间序列数据通过经验模态分解(Empirical Mode Decomposition，简称EMD)成本征模函数组(Intrinsic Mode Function．简称IMF)．然后经希尔伯特变换(Hilbert Transformation，简称HT)获得频谱的信号时频分析新方法引入到旋转机械振动信号处理领域。介绍了该方法的理论和算法。首先．采用调频调幅仿真信号对该方法进行仿真验证；其次．把一实测的旋转机械油膜涡动故障振动信号进行了基于EMD和HT的时频分析。仿真和实测信号的分析结果说明．用基于EMD和HT方法对旋转机械的振动信号进行时频分析是有效的。     

异步电动机故障诊断的小波变换等高图方法

用Morlet小波作为小波基，对异步电动机鼠笼转子故障时的定子电流信号进行多尺度分析，将获得的小波变换系数用等高图表示，从中能清楚地识别出异步电机鼠笼转子不同断条的故障。较基于傅立叶变换的故障诊断，该方法对异步电动机故障的辩识能力有显著提高。     

旋转机械振动检测的研究

旋转类机械振动测试平台易受实时环境的干扰,可靠性较差,在实际使用时易出现测试过程意外中断的现象。提出了一种基于小波分析的旋转机械的故障诊断方法,具有诊断效果更加明显,检测针对性更强等特点,系统在现场试验中的各项性能指标稳定、可靠。     

基于多重分形的旋转机械振动故障检测方法

为获取更加准确的旋转机械振动故障检测结果,提出基于多重分形的旋转机械振动故障检测方法。通过建立旋转机械振动信号采集模型,获取振动信号,采用小波域维纳滤波算法对振动信号去噪处理。分析不同条件下的振动数据,同时引入多重分形方法提取旋转机械振动信号故障特征,通过核模糊C均值聚类算法区分正常信号和故障信号,最终实现旋转机械振动故障检测。实验结果表明,所提方法进行旋转机械振动故障检测率较高,漏检率较低,检测时间较短,可以快速准确地完成旋转机械振动故障检测。     

旋转机械基于信号的故障检测分析

旋转机械是各种类型机械设备中数量最多、应用最广泛的一类机械,介绍了基于信号处理的旋转机械故障诊断,并给出了支持向量机下模式识别与故障检测的方法,对压缩机进行了实验研究,证明了方法的有效性。该方法可以广泛应用到工程实际中,为有关人员起到一定的参考作用。     

机械振动检测仪器的研制

振动是工程机械重要的固有特性之一,是机械运行状态和故障检测的重要参数。针对低频旋转机械,研制了方便、快捷、智能化的机械振动检测仪。阐述了该检测仪器的测量方法、硬件电路实现方法以及软件设计的实现方法,其最大特点是以振动检测为主、温度检测为辅,两者相结合对机械设备进行监测,旨在为实时在线监测运行设备的故障诊断提供有力而可靠的数据支持。同时结合实际情况给出相应的结果,该仪器电路简单、成本低、性能优异。     

小波尺度函数在旋转机械故障诊断中的应用

运用小波分析的尺度函数,在进行小波分解后,进一步进行傅里叶变换．能够提取其他方法无法得到的故障特征信号,为故障诊断提供了一种新的分析手段。对Jeffcott转子的不平衡和刚度不对称等故障分析验证了该方法的可行性和实用性。最后讨论了小波变换级和噪声对尺度函数分析方法的影响,表明小波尺度函数的降噪作用是十分明显的。     

旋转机械振动信号压缩小波基优化选取方法

旋转机械在线状态监测和故障诊断系统中振动数据的实时存储和远程传输对数据压缩提出了较高的要求.小波分析做为数据处理的常用方法,已被广泛地应用于数据压缩并取得了良好的效果.给出了振动信号的小波通用压缩方法,通过分析旋转机械振动信号的特点和小波函数几种重要属性对小波压缩的影响,提出了旋转机械振动信号压缩过程中最优小波基的选择方法,并根据旋转机械实际故障信号比较了相应小波的压缩效果.结果表明,通过选择合适的小波基函数,可以有效提高重构信号的信噪比.对于旋转机械复杂突变类故障信号应选择低分解消失矩,高重构正则性的双正交小波进行压缩.本研究方法和结论对旋转机械振动信号小波压缩的进一步研究有一定的参考作用.     

谐波小波分析及其在旋转机械信号分析中的应用

介绍了谐波小波的信号分析方法,通过运用该方法对一些常见的非平衡信号以及离心压缩机试车的振动信号进行分析表明,其分析手段及结果具有较大的实用价值。     

基于组态思想的旋转机械状态监测系统

为适应旋转机械状态监测系统多样化需求,提出一种新颖的基于组态思想的旋转机械状态监测系统。该系统以配置研究设计的组态化状态监测系统管理分析软件平台的通用计算机为核心,加上研制的电涡流信号采集前置分机、压电信号采集前置分机、工艺量信号采集前置分机和系统组合控制分机组成。系统可以依据工业现场状态监测的实际需要,由用户方便地组建成具有多种信号采集和数据分析功能的离线的便携式振动数据采集分析系统、准在线状态监测系统、或在线状态监测系统。所有信号采集前置分机和系统组合控制分机都是以ＤＳ８０Ｃ３２０高速处理单片机为核心设计的高速、小型化、低功耗系统。论述系统总体方案、系统分机设计和管理分析软件设计,并给出系统在工业现场的应用结果。     

全信息小波能量熵及其在旋转机械状态监测中的应用研究

结合全信息技术、小波分析以及信息熵的基本理论,提出全信息小波能量熵的概念.用小波分析将两个垂直通道的信号分别分解至不同的频率带,综合所有分解系数计算得到小波熵,对融合信号能量分布的紊乱程度进行量化.仿真计算表明,全信息小波能量熵能反映融合振动信号能量分布的复杂性,且对能量分布的变化较为敏感,可作为衡量设备工作状态的指标,应用于旋转机械状态监测中.     

机组运行趋势的小波包掩模去噪研究

对机组中长期运行趋势的提取方法进行了研究,提出了基于小波包时频掩模技术去除机组运行趋势噪声的方法,用该方法去除了短期的随机波动,得到了均值意义上的趋势。对该趋势提前进行时间序列预报,可以得到机组未来均值意义上的趋势,显著提高机组运行状态的预报效果,且该方法具有对数据的广泛自适应性。     

DEVELOPMENT OF VIRTUAL INSTRU-MENT IN CHARACTERISTIC ANALY-SIS OF ROTATING MACHINERY BASED ON INSTANTANEOUS FREQUENCYESTIMATION

Based on the recently quick-developing time-frequency analysis (TFA) technique and virtual instrument (VI) technique, a virtual instrument in characteristic analysis of rotating machinery is researched and developed successfully. By utilizing instantaneous frequency estimation (IFE) theoretics of TFA technique, and based on IFE of peak searching on the time-frequency spectrum, order analysis (OA) functions is put forward and implemented, such as order spectrum, order spectrum matrix, order tracking, order tracking filtering, and order component extraction, etc. Unlike the home and abroad existing popular characteristic analyzers, which need key phasing devices such as shaft encoder, phase-locked loop (PLL), phase-locked multiple frequency, tachometer, etc, to implement constant angle sampling directly or indirectly, whereas this instrument only uses the vibration signal of rotating machinery to carry out OA. This instrument makes up the shortage of these traditional instruments in analyzing the non-stati     

基于自相关的旋转机械振动信号EMD分解方法研究

提出基于自相关的振动信号经验模态分解(empirical mode decomposition,EMD)方法,该方法的步骤为,首先对振动信号进行自相关处理,然后再用EMD方法进行分解.该方法与直接用EMD分解的方法进行相比,具有如下优点, 能把受到严重干扰的信号的主要振动模态更清晰地分解出来;不用信号延拓就可以获得较好的分解效果,避免了延拓不好对EMD分解效果的影响.研究结果表明,该方法相对直接EMD分解的方法能更好地把主要的振动模态从振动信号中分解出来.该方法可广泛用于旋转机械振动信号时频分析领域.     

融合能量尺度熵及其用于旋转机械运行稳定性诊断研究

以连续小波变换和信息熵理论为基础,提出融合能量尺度熵用于旋转机械运行稳定性定量监测的新指标。用Bently转子试验台模拟实验,将融合能量尺度熵与单源数据的尺度熵对比,结果表明,融合能量尺度熵能较好地反映旋转机械发生故障时不同尺度的稳定性,克服了单源数据尺度熵的不足,可有效提高旋转机械故障诊断的准确率。     

APPLICATION OF WAVELET PACKET ANALYSIS IN DRILL WEAR MONITORING

In this work, an attempt has been made to develop a drill wear monitoring system which is independent to cutting conditions of the drilling process. A cost effective Hall-effect current sensor, which does not interfere with the process, has been used for acquiring motor current signature during drilling under different cutting conditions. An advanced signal processing technique, the wavelet packet transform has been used on the acquired current signature to extract features for indirect representation to the amount of drill wear. Experimental sensitivity analysis reveals that in comparison to time domain features, wavelet packet features are more sensitive to flank wear and less sensitive to the cutting conditions. A multilayer neural network model has then been developed to correlate the extracted wavelet packet features with drill flank wear. Experimental results show that the proposed drill wear monitoring system can successfully predict the flank wear with acceptable accuracy.     

APPLICATION OF WAVELET PACKET ANALYSIS IN DRILL WEAR MONITORING

In this work, an attempt has been made to develop a drill wear monitoring system which is independent to cutting conditions of the drilling process. A cost effective Hall-effect current sensor, which does not interfere with the process, has been used for acquiring motor current signature during drilling under different cutting conditions. An advanced signal processing technique, the wavelet packet transform has been used on the acquired current signature to extract features for indirect representation to the amount of drill wear. Experimental sensitivity analysis reveals that in comparison to time domain features, wavelet packet features are more sensitive to flank wear and less sensitive to the cutting conditions. A multilayer neural network model has then been developed to correlate the extracted wavelet packet features with drill flank wear. Experimental results show that the proposed drill wear monitoring system can successfully predict the flank wear with acceptable accuracy.     

微分变换法在动力学响应分析及系统边界参数识别中的应用研究

引入求解非线性微分方程的微分变换法，将其推广为广义微分变换法。建立求解一般非线性振动微分方程的一般框架，将此方法用于求解著名的Vander pol方程。并且将微分变换法推广到结构边界参数识别，以一个典型的悬臂梁边界参数识别为例，对其进行数值仿真和实验研究，并将此方法的实验研究识别结果与用实测频率响应函数法的识别结果作比较。说明该方法具有良好的工程应用价值。     

GMAW电弧声的参数化模型及应用

以焊接质量在线监控为目的,针对短路过渡气体保护焊(GMAW)电弧声信号进行了时域和频域特征分析,提出电弧声道的概念,建立其参数化等效电气模型。利用线性预测(LPC)模型参数构造径向基函数(RBF)神经网络输入样本空间,对焊接保护气流量不足进行了在线模式识别。研究认为：电弧声呈现振铃形信号,主要发生于短路结束再引弧时刻,大部分能量分布在10 kHz以下频带。电弧声源于电弧能量变化,电弧及其周边的物理和几何形态形成分布参数的声道系统。电弧声是声源和声道共同作用的结果,其频谱主要取决于声道的作用。声道可用时变系数的数字滤波器等效,LPC是其参数化模型的一个估计,在焊接质量在线监控方面具有应用价值。