基于Hilbert倒谱的齿轮剥落故障识别

文章在倒谱的基础上，提出Hilbert倒谱的概念。并将其应用于齿轮箱的齿轮剥落故障识别中，实验表明Hilbert倒谱能有效识别故障信号的特征成分，并且对信号中存在的调制成分，具有抑制能力，提高信噪比。能快速、准确地识别齿轮故障，具有很大的实用价值。     

基于改进MED-SSD的齿轮箱复合故障诊断方法

针对齿轮箱在强噪声环境下复合故障信号微弱、故障特征难以提取等问题,本文提出了一种改进的最小熵反褶积(MED)与奇异谱分解(SSD)结合的方法。首先,构建边际功率谱峰度指数(MPSK),利用MPSK对MED进行参数优化;为弥补SSD的不足,将改进的MED作为SSD的前置滤波器;然后利用相关系数分析法选择有意义的奇异谱分量(SSC);最后对信号进行频谱分析,确定具体的故障模式。采用仿真信号与齿轮箱试验台的复合故障信号对所提方法进行了应用,验证了方法的有效性和优越性。     

基于cICA-Kurtogram的变转速齿轮故障特征提取

在变转速齿轮故障特征提取过程中,针对约束独立分量分析对源噪声免疫能力差的问题,提出一种将约束独立分量分析、计算阶次跟踪和快速谱峭度相结合的方法。根据电机瞬时转频,获得故障齿轮的瞬时啮合频率,建立矩形波参考信号;利用约束独立分量分析提取故障特征更明显的时域信号,即相应的独立分量;然后基于故障齿轮所在轴的瞬时相位,通过等角度重采样将时域相应的独立分量转换为角域平稳信号;从阶次谱中提取故障齿轮特征阶次;根据快速峭度谱选择合适的滤波器参数对角域相应的独立分量进行滤波,获得平方包络谱,以判断故障齿轮所在轴的位置。结果表明,该方法是一种适用于变转速工况下齿轮箱振动状态监测与故障诊断的有效方法。     

基于自适应提升小波包的故障微弱信号特征早期识别

针对齿轮箱故障微弱信号特征识别问题,设计了一种识别该类信号微弱特征的自适应提升小波包方法.该方法以提升方法为基础,构造了提升小波包分解和重构过程算法,并以分解层信号相邻样本点自相关系数的大小作为目标函数,在每个样本点上选择能够自适应匹配信号局部特性的提升小波包算子,将每个分解频带信号进行重构,识别时域故障微弱信号特征.该方法成功地识别出了某齿轮箱发生摩擦故障时隐含在振动信号中的调制波形和周期性冲击脉冲故障微弱特征.结果表明,自适应提升小波包方法对强噪声背景下故障微弱信号特征的识别效果优于经典小波包方法.     

基于双树复小波包和AR谱的滚动轴承复合故障诊断方法

针对滚动轴承复合故障信号中故障特征难以分离的问题,提出了基于双树复小波包和自回归(autoregressive,AR)谱的故障诊断方法.首先,利用双树复小波包变换将复杂的、非平稳的复合故障振动信号分解为若干个不同频带的分量;然后,对包含故障特征的分量进行希尔伯特包络;最后,对包络信号求其AR功率谱,由此实现对复合故障特征信息的分离和故障识别.实验结果表明:该方法可有效地分离轴承复合故障的特征频率,验证了该方法的可行性和有效性.     

瞬态信号波形重构及其应用

振动监测由于设备简单，处理迅速，是实现机械系统早期故障检测的有效方法之一，瞬态信号由于其频率范围较宽，持续时间短，易受到传递路径和其它噪声的影响，谱分析很难判别机器的状态，倒谱滤波技术，作为一种非线性滤波技术，不但可以实现卷积信号的分离，而且通过选择适当的窗函数，消除结构混响，强化信号特征，本文从理论和方法上论述了倒谱强化滤波技术以及瞬态信号复原的实施步骤，并利用该技术和最优化技术，进行气缸压力时     

基于EMD的时频分析方法的电力故障信号检测

提出电力系统故障信号的经验模态分解(Empirical Mode Decomposition,EMD)时频分析方法.通过对检测点获得的故障电流信号进行EMD分解,得到一系列的本征模态分量(Intrinsic Mode Function,IMF),利用Hilbert变换得到Hilbert谱及边际谱,分析相应瞬时频率及其振幅,对故障信号进行时间-频率-幅值的联合分析.分析发现,通过瞬时频率突变能准确定位故障时刻,Hilbert谱的峰值变化也能反映故障时刻及故障特征信息;通过边际谱分析可以获得故障信号所含的真实频率,为进一步故障检测提供了依据.仿真试验证明了结论的正确性,表明EMD时频分析方法能准确地检测故障时刻,提取故障信息.     

基于Hermitian小波的时间-小波能量谱滚动轴承故障诊断方法

针对滚动轴承早期故障微弱特征难以提取的问题,提出了一种基于Hermitian小波时间-能量谱的滚动轴承故障诊断方法.该方法针对轴承故障振动信号具有奇异性的特点,首先利用Hermitian小波对原始信号进行连续小波变换;再根据小波变换的结果求取信号能量在时间轴上的分布情况,利用谱峭度指标作为选择最佳累积尺度的标准,得到时间-小波能量分布;最后对时间-小波能量分布进行谱分析得到时间-小波能量谱以提取故障特征.利用时间-小波能量谱对仿真信号和轴承外圈及内圈点蚀故障信号进行分析.结果表明:该方法可有效地提取出强噪声环境下微弱故障的特征成分,并与普通的时间-小波能量谱作对比,特征提取效果更为明显,非常适用于滚动轴承早期故障诊断.     

暂态电流保护研究中系统辨识方法的应用

暂态电流保护运行性能取决于母线等值电容的衰减特性。利用平稳随机过程的频谱估计方法，通过信号的功率谱识别信号的频域特征，完成非参数化系统辨识。仿真及系统辩认结果表明，随着频率的增大，母线电容对高频暂态信号的衰减单调增大，使得故障线路电流与非故障线路电流的较高频率段表面出较大的差别。     

基于LMD与奇异值差分谱的滚动轴承故障诊断方法

针对滚动轴承故障振动信号的非线性非平稳特性及强噪声特性,提出了一种基于局部均值分解(local mean decomposition,LMD)和奇异值差分谱的滚动轴承故障诊断方法.首先对原始信号进行LMD分解,得到若干乘积函数(product function,PF)分量,然后对故障特征明显的分量构建Hankel矩阵并进行奇异值分解,求出奇异值差分谱曲线,找到奇异值差分谱最大突变点来确定奇异值重构分量的个数,进而对包含故障特征频段的分量进行消噪和重构,再对重构信号进行Hilbert包络谱分析,提取故障特征.实验结果和工程应用表明:LMD和奇异值差分谱结合的信号特征提取方法,能准确、有效地提取滚动轴承的故障特征频率,对故障类型作出准确判断.     

基于频谱图的故障诊断系统

采用频谱法对TRT中回转机械故障信号进行能量分析,提取出反映TRT运行状态的功率谱的特征向量和主要故障特征表,设计了监测和诊断软件的故障诊断模块。结果表明:利用故障信号的特征向量与故障特征表,通过相似性原理进行故障诊断是有效的。     

列车轴承频带变化类故障的诊断方法

为了解决常规谱分析技术在列车轴承故障诊断中的误诊和漏诊问题,分析了列车轴承频带变化类故障的振动机理,研究了一种基于数据插值重采样分析的诊断方法;通过脉冲触发式整周期采样技术以及等角度重采样、特诊谱提取技术等信号处理方法,实现列车频带变化类故障的精确诊断.仿真分析与实验结果表明,该诊断方法能准确、有效地识别列车轴承早期故障.     

高档数控机床刀具磨损故障监测方法及实验系统

以数控机床刀具故障诊断系统构建与测试方法研究为目标,进行了刀具磨损实验。采用振动传感器、声发射传感器对切削过程中不同磨损程度刀具的信号进行检测、分析和故障诊断。以LabVIEW8.6为开发平台,开发了一套包括数据采集模块、信号分析模块、故障诊断模块的数控机床故障诊断实验系统。     

基于支持向量机的转子振动故障融合诊断技术

针对某些大型复杂旋转机械振动信号特征提取和故障样本获取难的问题,提出了一种基于小波包特征谱熵支持向量机（SVM）的转子振动故障融合诊断方法.通过转子实验台模拟了转子振动的4种典型故障,并采集其振动故障数据.用小波包对振动故障信号进行分解,提取故障信息含量大的频带并计算出其小波特征谱熵作为故障特征,建立故障诊断模型.通过对故障类别的区分和故障严重程度的判断,验证了该方法在解决转子振动故障信号的特征提取及小样本情况下的故障诊断问题等方面是有效的.     

基于排列熵算法的电力系统故障信号分析

电网故障的快速准确诊断对加快事故处理和系统恢复进程、保证电力系统的安全运行具有至关重要的作用。分析了目前应用于电力系统故障诊断的数据来源,提出采用广域量测的电气量信息进行电力系统的快速诊断方法。首先将广域量测系统采集的数据进行小波变换,通过相关系数法滤噪处理,以此来重构信号,采用排列熵算法对重构的信号进行排列熵分析。由于排列熵反映了一维时间序列的复杂度,对信号变化具有较高的敏感性,可以应用于电力系统故障信号分析方面。相比传统的小波分析方法,该方法不存在选取小波基问题,且算法简单,编程易实现,能够满足在线故障诊断条件。通过对IEEE10机39节点标准测试系统的故障仿真分析,结果表明了该方法的有效性和实用性。     

复杂电子装备故障诊断建模方法研究

针对复杂电子系统功能层次较明显的特点，结合多信号模型和相关矩阵的策略，提出了一种用于复杂电子装备的相关建模方法，该方法可高效灵活地构建复杂电子装备的故障诊断模型，能有效实现故障诊断率和故障隔离率，并在某微机系统测试中得到验证。该方法建模简单，诊断速度快，能适应复杂电子系统的故障诊断。     

滚动轴承故障振动检测方法

滚动轴承最常见的故障是磨损,磨损类故障的最大特点是无明显的冲击脉冲信号.滚动轴承故障振动诊断方法主要有特征参数法、频谱分析法和包络法.分别就振动诊断方法中的各类诊断技术及其特点进行分析.     

基于虚拟仪器的纸机轴承故障诊断系统的开发与研究

介绍了基于虚拟仪器的纸机轴承振动监测与诊断系统开发的原理、方法，初步开发了针对纸机滚动轴承的故障监测与诊断系统，井将虚拟仪器测试技术引入纸机的故障监测与诊断之中，应用实例表明该系统能对滚动轴承振动信号进行时域波形监测、功率谱分析等，并能精确定位故障源，系统有助于提高纸机故障监测与诊断水平。     

基于振动可视化的机械系统级故障诊断方法

基于振动可视化技术与系统级故障诊断理论,提出复杂机械系统故障诊断方法.对于复杂机械设备的振动信号,通过振动可视化技术补充和完善常规监测手段振动信息,同步反映设备多测点在时间和频率上的变化;利用局域波时频分析法处理不同测点振动信号所包含的特征信息,作为系统级故障诊断模型的输入量.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;对复杂机械系统以多通道振动信号分析结果作为输入量,将其应用于系统级故障诊断,建立测试图与诊断图,并利用集团算法求解故障源位置信息.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.