基于频移及谱线编辑的齿轮故障窄带解调分析方法

通过对旋转机械变速运行齿轮箱振动研究,提出基于频移及谱线编辑的齿轮故障窄带解调分析方法。对齿轮箱变速等非稳态信号进行时域同步采样,利用阶比跟踪对时域信号等角度重采样转换为角域准平稳信号,克服转速波动对信号分析产生的频率模糊现象;对角域信号进行同步平均削弱与转速无关的频率成分,提高信噪比;对平均信号进行窄带解调分析,通过对阶比谱自动编辑分离出齿轮故障主要啮合阶比分量后恢复到角域信号,进行幅值解调及基于频移的相位解调,据幅值解调及相位解调波形图提取齿轮故障特征。结果表明,基于频移、谱线编辑的齿轮故障窄带解调分析方法能有效提取齿轮故障特征信息。     

幅值和相位解调的行星架裂纹故障特征提取

在介绍行星架裂纹故障对行星齿轮箱振动信号影响的基础上,结合同步平均、振动分离和窄带解调技术,提出一种基于幅值、相位解调的行星架裂纹故障特征提取方法。该方法对原始振动信号进行角域同步平均,消除转速波动、行星轮等其他旋转部件的影响;通过振动分离技术重构信号,并对重构信号进行同步平均得到行星架振动分离信号;通过窄带解调获得行星架的幅值和相位特征。通过观察幅值和相位的变化,提取行星架裂纹故障特征。行星齿轮箱故障实测信号分析结果表明该方法可有效提取行星架裂纹故障特征。     

基于时时能量阶比谱的变转速工况滚动轴承微弱故障诊断研究

变转速工况下的滚动轴承微弱故障诊断同时面临两个难点:一是滚动轴承的故障特征信号容易被环境噪声和干扰信号淹没;二是滚动轴承故障振动信号的时变特征难以被常规频谱方法提取。针对上述问题提出了基于时时能量阶比谱的滚动轴承故障诊断方法。首先对变转速工况下的滚动轴承微弱故障振动信号进行时时(time-time,TT)变换,在双时域上刻画轴承故障振动信号的时变特征;然后利用提出的时时能量定义计算轴承故障振动信号的时时能量,获得轴承故障振动信号的时时能量信号;最后对时时能量信号进行阶比分析得到轴承故障振动信号的时时能量阶比谱,并根据时时能量阶比谱的阶次特征识别出轴承故障类型。分析了变转速工况下的滚动轴承故障仿真信号和实验测试信号,结果表明:时时能量信号能够有效追踪轴承故障振动信号的时变能量分布,增强故障特征信号的冲击特征,时时能量阶比谱较包络阶比谱抗噪能力更强,为变转速工况滚动轴承微弱故障诊断提供一种有效方法。     

变转速下基于广义解调算法的滚动轴承故障诊断

变转速条件下故障轴承的冲击间隔会相应的发生改变,导致以包络分析为代表以恒转速为前提的故障诊断方法失效。阶比分析因其在消除频谱模糊方面的有效性,成为处理变转速故障轴承信号最为常规的方法。然而,上述方法在对信号重采样的过程中存在幅值误差、包络畸变以及计算效率低等问题。为此,从滚动轴承的振动特性出发,提出了无需角域重采样的基于广义解调算法的滚动轴承故障诊断方法。整个算法主要包括五部分:(1)利用快速谱峭度算法确定最优带通滤波参数,并对原始振动信号进行滤波;(2)根据转速脉冲信号计算并拟合转速曲线;(3)通过转频方程以及滚动轴承的故障特征系数确定广义解调算法所需要的相位函数;(4)根据相位函数对滤波信号进行广义解调,对解调信号进行快速傅里叶变换(Fast Fourier Transform,FFT)获取解调信号的频谱图;(5)观察频谱图中的峰值,更改故障特征系数重复步骤(3)-(4),最终确定轴承故障类型。仿真及实测的故障轴承信号分析证明了新算法对变转速下滚动轴承故障诊断的有效性。     

基于SVD降噪和盲信号分离的滚动轴承故障诊断

滚动轴承早期微弱故障特征信号往往淹没于系统噪声信号中而难于识别,奇异值分解技术（SVD ）可以有效降低噪声水平,提高周期成分的提取能力,盲源分离技术可以分离故障源信号并提取故障特征。本文将奇异值分解技术和盲信号分离技术的优势应用于滚动轴承故障诊断,利用奇异值分解降噪特性消除系统信号中的混合噪声,对降噪后的信号通过盲信号分离技术进行盲源分离,提取出原始故障信号。数值仿真及实验结果表明,该方法可以成功地分离出滚动轴承实测信号的典型故障,提高滚动轴承故障诊断的效果。     

迭代广义解调齿轮信号分离的变转速滚动轴承故障诊断

变转速工作模式下齿轮啮合会掩盖故障轴承冲击特征,使得轴承故障特征信息微弱,针对变转速工作模式下齿轮啮合对轴承信号干扰的问题,提出了迭代广义解调齿轮信号分离的变转速滚动轴承的故障诊断方法。首先采用峰值搜索算法从包络时频谱中提取峰值啮合倍频(Instantaneous Dominant Meshing Multiply,IDMM),通过IDMM趋势线构造各广义解调函数的相位函数;其次利用迭代广义解调算法(Iterative Generalized Demodulation,IGD)分离出齿轮啮合频率及倍频信号,对剩余信号采用谱峭度算法确定由故障轴承引起的高频共振滤波参数并进行带通滤波;最后,以提取的IDMM趋势线作为轴承转频,对滤波结果进行角域重采样,根据阶次谱对滚动轴承运行状态予以判断。仿真信号和实测信号的处理结果证明该方法在无转速计设备的情况下能有效的实现变转速滚动轴承的故障诊断。     

迭代广义解调齿轮信号分离的变转速滚动轴承故障诊断EI北大核心CSCD

变转速工作模式下齿轮啮合会掩盖故障轴承冲击特征,使得轴承故障特征信息微弱,针对变转速工作模式下齿轮啮合对轴承信号干扰的问题,提出了迭代广义解调齿轮信号分离的变转速滚动轴承的故障诊断方法。首先采用峰值搜索算法从包络时频谱中提取峰值啮合倍频(Instantaneous Dominant Meshing Multiply,IDMM),通过IDMM趋势线构造各广义解调函数的相位函数;其次利用迭代广义解调算法(Iterative Generalized Demodulation,IGD)分离出齿轮啮合频率及倍频信号,对剩余信号采用谱峭度算法确定由故障轴承引起的高频共振滤波参数并进行带通滤波;最后,以提取的IDMM趋势线作为轴承转频,对滤波结果进行角域重采样,根据阶次谱对滚动轴承运行状态予以判断。仿真信号和实测信号的处理结果证明该方法在无转速计设备的情况下能有效的实现变转速滚动轴承的故障诊断。     

基于迭代广义解调算法的变转速滚动轴承复合故障特征的提取

变转速工作模式使得本来就互相干扰、彼此联系的滚动轴承复合故障特征的提取更加困难。为此提出了基于迭代广义解调算法的变转速滚动轴承复合故障特征提取方法。该方法根据复合故障轴承信号包络时频谱中代表故障特征频率的时频曲线的突出性,结合迭代广义解调算法可以将特定时频曲线转换成平行于时间轴的直线这一特点,直接对滚动轴承振动信号中的特定成分进行分析和提取。整个算法由以下四部分组成:对同步测取的故障轴承转速脉冲信号进行处理得到转频曲线,根据转频曲线以及目标轴承的故障特征系数确定迭代广义解调算法需要的相位函数;其次,对故障轴承信号进行包络分析获取包络信号;根据计算的相位函数对故障轴承包络信号进行迭代广义解调;对解调信号进行频谱分析,通过分析频谱中独立峰的位置对滚动轴承的健康状况进行判断。仿真与实验结果表明,该算法可以消除转速变化对滚动轴承复合故障特征的影响,有效实现复合故障特征的识别和提取。     

基于角域四阶累积量切片谱的柴油机连杆轴承故障特征提取

提出了一种角域四阶累积量切片谱方法,应用于提取连杆轴承微弱故障特征。首先,对升速过程振动信号进行阶比重采样得到角域平稳信号,再计算其四阶累积量对角切片谱,构成角域四阶累积量切片谱,用于分析不同转速区间、不同测试位置下的非稳态信号,提取连杆轴承微弱故障特征。试验结果表明:角域重采样与四阶累积量对角切片谱相结合,既能分析非稳态信号,又能抑制噪声干扰;特定阶比带内的角域四阶累积量对角切片谱的能量和峰值,能有效识别连杆轴承各种技术状态,可以作为连杆轴承磨损故障的特征参数;并得出了敏感测试位置、敏感转速区间和特征阶比带。     

变转速工况下液压泵故障振动信号的角域烈度特征提取方法

提取对故障敏感的特征信息是提高液压泵状态评估准确性的关键;由于目前变转速工况下液压泵故障的敏感特征信息严重匮乏,导致评估准确率偏低;为此,针对液压泵滑靴磨损故障,提出角域烈度特征的新概念和新的特征提取方法。该方法利用阶比分析方法将时域非平稳振动信号转换成角域平稳信号,依据振动烈度的定义和频域计算方法,得出角域平稳振动信号的单边幅值谱和谐波频率,由此推导出三种振动信号类型(位移、速度和加速度)的角域烈度特征因子计算公式。以液压泵滑靴内边缘磨损故障为例,在变转速工况条件下提取故障振动信号的角域烈度特征因子,通过与阶次能量特征因子进行定性与定量分析比较,证实了角域烈度特征因子对滑靴磨损故障的劣化发展具有更强的敏感性。     

基于相空间重构与平稳子空间分析的滚动轴承故障诊断

针对如何分离淹没在与转子转速相关的背景信号及其它噪声中的滚动轴承故障特征信号问题,提出将相空间重构与平稳子空间分析相结合的滚动轴承故障诊断方法。用相空间重构实现对滚动轴承故障振动信号升维;用平稳子空间对高维信号中平稳、非平稳源信号进行区分,并对峭度值最大的非平稳源信号进行最小熵解卷积降噪;对降噪信号进行包络谱分析提取轴承故障特征频率。仿真信号、故障诊断实例表明,诊断效果优于基于EMD的包络解调方法。     

基于倒谱预白化和形态学自互补Top-Hat变换的滚动轴承故障特征提取

为了消除振动信号中离散频率分量和强背景噪声对提取滚动轴承故障特征频率的干扰,提出了一种新的基于倒谱编辑(Cepstrum Editing Procedure,CEP)预白化和形态学自互补Top-Hat变换的方法用于滚动轴承的故障特征提取。CEP能够去除故障振动信号中的周期性频率成分,剩余只包含背景噪声和碰撞损伤引起的非平稳冲击成分的白化信号,通过分析构造的形态学自互补Top-Hat变换滤波器,提出采用故障特征幅值能量比(Feature Amplitude Energy Radio,FAER)的方法自适应确定最优结构元素的尺度,预白化信号经过形态学滤波有效消除了背景噪声的干扰,提取了较为清晰的轴承故障特征频率。对实测轴承滚动体、内圈故障信号进行了分析,结果表明该方法可有效提取滚动轴承故障冲击成分并抑制噪声。     

基于三稳态随机共振的轴承故障诊断研究

滚动轴承是我国工业领域的重要零件之一,一旦发生故障将会造成严重事故。由于滚动轴承长期工作在高速、高噪环境下,因此在强噪声环境下提取滚动轴承的故障信号十分困难。该文基于强噪声背景,对双稳态随机共振进行改进,推出一种三稳态随机共振轴承故障诊断方法。通过描述布朗粒子在噪声信号和周期信号作用下,在三稳态非线性随机共振系统中发生的跃迁现象,分析不同参数情况下,系统势函数的变化情况。利用三稳态随机共振四阶龙格-库塔方法求轴承故障信号,通过变时间尺度方法对非线性系统进行优化,对强噪声环境下的滚动轴承进行故障诊断,解决传统双稳态随机共振只能检测微弱故障信号的问题。研究表明,三稳态随机共振轴承故障诊断方法简单易行,能够在强噪声环境下,有效地提取到滚动轴承的故障信号,为滚动轴承故障诊断提供帮助。     

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。     

基于改进排列熵的滚动轴承故障特征提取

排列熵能够有效监测振动信号中的动力学突变,衡量振动信号的复杂度,在旋转机械状态监测中获得成功的应用。将排列熵应用于滚动轴承故障特征提取中,并针对排列熵对振动信号幅值不敏感,无法反映振动信号中局部能量分布差异的问题,利用滤波信号的归一化瞬时能量改进排列熵,提出一种基于改进排列熵的滚动轴承故障特征提取方法。仿真和试验数据分析结果表明,该方法能够有效识别滚动轴承共振频带,准确提取滚动轴承故障特征。     

基于EOE＿LMD和阶次跟踪分析的变转速轴承故障诊断

振动信号分析是轴承故障诊断中的重要技术手段之一。变转速工况下的滚动轴承振动信号是典型的非平稳信号,并且在转频变化较小的工况中还存在噪声干扰的问题,使传统的时频分析技术难以应用。为解决该问题,提出了一种基于经验最优包络(empirical optimal envelope, EOE)的局部均值分解(local mean decomposition, LMD)和采用分段线性插值的计算阶次跟踪(computing order tracking, COT)算法相结合的故障诊断方法。首先,确定低通滤波器的截止频率和滤波阶数,对滚动轴承振动信号进行滤波,并对滤波后的包络信号进行COT,以获得角域平稳信号。然后,利用EOE＿LMD对重采样后的平稳信号进行处理,得到若干乘积函数(product function, PF)分量。最后,通过计算各分量的信息熵和相关系数,选取合适的分量进行阶次分析,以判断变转速滚动轴承的故障类型。结果表明,该方法可以消除转速波动对故障特征提取的影响,在不同转速变化条件下对滚动轴承具有良好的故障诊断能力。     

基于故障特征系数模板的变转速滚动轴承故障诊断

与恒转速相比,机械中普遍存在的变转速工作模式使滚动轴承的故障诊断更加困难;另外变转速条件下的常规方法—阶比分析存在误差以及计算效率方面的问题,因此,提出了基于故障特征系数模板的滚动轴承故障诊断方法。该方法主要包括六部分:(1)根据目标轴承的几何参数计算其故障特征系数以设定模板;(2)利用快速谱峭度滤波算法对滚动轴承振动信号进行滤波;(3)根据Hilbert变换以及短时傅里叶变换计算滤波信号的包络时频图;(4)通过峰值搜索算法从滤波信号的包络时频图中提取瞬时故障特征频率趋势线;(5)根据转速脉冲信号计算滚动轴承的转速曲线;(6)瞬时故障特征频率与瞬时转频相比获取瞬时故障特征系数,进而通过故障特征系数模板实现滚动轴承的故障诊断。随即以变转速情况下的故障轴承仿真信号以及实测的外圈故障、内圈故障和健康轴承的振动信号为例验证了该算法的有效性。     

基于Vold-Kalman广义解调的变转速轴承和齿轮复合故障诊断

现有的以谱峭度为核心的滤波算法无法同时分离提取由轴承和齿轮故障激起的高频共振带。针对该问题,该研究舍弃以共振带提取为核心的诊断思路,直接提取、重置和定量表达时变非平稳的故障特征成分,提出了基于Vold-Kalman广义解调的变转速滚动轴承和齿轮复合故障诊断策略。该策略的核心是利用Vold-Kalman滤波从原始信号的包络中提取时变非平稳的轴承和齿轮故障特征成分;通过广义解调变换(GDT)将上述提取的时变非平稳故障特征成分进行平稳化重置;利用快速傅里叶变换(FFT)对上述重置的故障特征成分进行定量表达;通过频率谱中峰值与理论频率点的对比完成故障点定位。其中用于提取、重置和识别故障特征成分的频率函数、相位函数和频率点可由转频方程和机械结构参数计算。仿真和实测信号的分析结果表明所提算法无需共振带选取和角域重采样即可完成变转速轴承和齿轮复合故障特征的提取。另外,与传统带通滤波方法的对比进一步表明该算法去除无关项干扰、突出故障特征成分的优越性。     

引入撞击力的滚动轴承内圈故障振动模型

轴承动力学建模是深入理解故障产生机理的重要手段,是滚动轴承故障诊断的理论基础和关键环节。为了更准确地预知振动特征,以Hertz接触理论为基础,将轴承内圈与轴、外圈与轴承座之间的接触部分简化为弹簧-阻尼连接,轴承与滚道的接触点等效为线性弹簧。并将与轴承转速密切相关的撞击力这一运动参数引入到振动模型中,建立了一种能够综合考虑结构参数和运动参数的三自由度滚动轴承故障振动模型。对滚珠与缺陷的接触过程进行了详细分析,给出了包含转速参量的撞击力求解公式,并采用Runge-Kutta法对得到的非线性振动方程进行数值求解。最后采用6204滚动轴承内圈故障实测信号与所提出的振动模型求解得到的仿真信号进行了比较分析。结果表明,所建立的考虑撞击力的振动模型能够有效地对轴承故障信号的故障频率以及幅值进行预测。     

基于机匣振动信号的滚动轴承故障特征提取

通过进行带机匣测点的滚动轴承故障模拟实验,获取滚动轴承在故障状态条件下,轴承座测点和机匣测点的振动数据。分析结果显示,相对于轴承座,机匣上的振动信号成分复杂,轴承故障特征不明显,直接进行包络解调无法提取故障特征。通过奇异值分解(singular value decomposition,SVD),差分谱中各峰值处奇异值可以表征不同成分的信号。当轴承故障信号微弱时,第一个峰值处的奇异值重构信号往往代表转频及其调制信号分量,选取该靠后峰值处的奇异值进行信号重构可以有效提取轴承故障特征信号。研究内容为实际基于机匣测点信号的航空发动机滚动轴承故障特征提取提供了一种新的方法。