涡轴发动机起动信号的奇异值分解研究

针对涡轴发动机动力涡轮转子起动过程中的振动信号,采用奇异值分解方法实现非平稳振动信号的去噪和奇异值重构,从中提取起动信号的振动特性。发现某涡轴发动机凸台1和凸台2的振动主频为154 Hz,为涡轴发动机2阶临界转速的2/3倍频,凸台3的振动主频为160 Hz。这些振动特征可为发动机振动排故和动平衡提供参考信息。     

动力系统实测数据的奇异值分解技术

奇异值分解技术对从噪声背景下提取振动或其它信号的本质特征是一非常有效的工具,时序信号在噪声情况下的嵌入（相空间中）会产生错误的结果,本文应用本征值分解技术对动力系统实测数据嵌入空间矩阵的本征值进行了计算,提出了具体计算嵌入空间矩阵的本征值及其本征向量的计算方法,以及嵌入空间矩阵基的具体选取方法,从而完成了对动力系统实测混沌数据的相空间重构的最基础的工作     

奇异值分解结合频率切片小波的齿轮故障特征提取

频率切片小波变换是一种有力的时频分析方法,但在强背景噪声条件下其故障特征识别能力不足,故提出奇异值分解结合频率切片小波的故障特征提取方法。首先利用原始信号构造Hankel矩阵,根据奇异值差分谱单边极大值原则确定阶次并进行降噪处理,继而利用频率切片小波对降噪信号进行全频分析,确定信号分量分布区间之后,对能量集中的信号进行频率切片细化分析,用时频图及重构信号提取齿轮故障特征。通过仿真及实测齿轮的点蚀信号分析,表明该方法能够实现齿轮运行状态的准确判别,有一定的工程实际意义。     

基于小波包变换和奇异值分解的柴油机振动信号特征提取研究

为通过振动信号识别柴油机的工作状态,提出利用小波包变换和奇异值分解提取振动信号特征的新方法。给出了小波包变换算法及奇异值分解算法,依据矩阵奇异值特征向量,定义了振动信号特征参数,并探讨了特征参数与柴油机运行状态之间的内在联系。结果表明：特征参数能够敏感地反映柴油机工作性能的变化。随着柴油机工作性能的恶化,振动强度的增加,特征参数变大。特征参数可作为柴油机状态监测和故障诊断的特征量。     

基于改进奇异值分解技术的齿轮调制故障特征提取

在介绍现有奇异值分离技术基本原理及其在故障诊断中的应用的基础上,研究了信号时间序列重构的吸引子轨迹矩阵奇异值分布与信号特征的关系,引入了自相关分析及信号叠加技术,改进了现有算法,使得吸引子轨迹矩阵的重构科学合理。研究表明：该方法能在强噪声背景下提取出所需的调制信号,并成功用于实测齿轮调制故障信号的提取,为齿轮箱故障诊断提供了一个新的思路。     

噪声背景下检测突变信息的奇异值分解技术

研究了利用信号时间序列重构的吸引子轨迹矩阵奇异值分布特征与信号自身特征的关系,提出了基于选择轨迹矩阵中主要反映突变信息明显的奇异值进行信号重构的方法来检测信号中的突变信息,并对重构奇异值的选择进行了研究,给出了简便的方法.该方法旨在同时降低光滑信号和噪声的影响,从而更加清晰地表征突变信息.利用该方法对仿真信号的处理结果,并将检测结果与未改进之前的检测结果进行了比较,结果表明,改进后的奇异值分解技术比改进前有更大的信噪比,能够更有效地应用于信号的奇异性检测.并成功地将该方法用于旋转机械静动件较轻碰摩和较重碰摩故障实验信号的检测,获得了满意的结果.     

基于CEEMDAN与奇异值分解的往复机械故障诊断方法研究

往复机械振动信号非常复杂,通常存在较强的非平稳、非线性特征,使得对其进行振动信号分析、故障识别存在困难。对此提出一种基于改进的总体经验模态分解(CEEMDAN)与奇异值结合的故障特征识别方法,对原始信号进行CEEMDAN分解,得到本征模式函数的奇异值,将得到的奇异值作为特征向量输入支持向量机进行特征分类,从而实现故障模式的识别。通过对实验室模拟故障与往复泵动力端故障模式识别实例分析来论证方法有效性。研究结果表明,该方法适用于提取往复机械振动信号冲击特征和多故障模式识别。     

探测信号中周期性冲击分量的奇异值分解技术

机械设备振动信号中是否存在周期性的冲击分量是其有无故障的重要标志。通常检测的机械振动加速度信号 ,由于信噪比太低 ,即使存在周期性的冲击分量也往往被淹没在强的背景噪声之中。通过时域波形和频谱等基本分析手段来探测振动加速度信号中的周期性冲击分量往往是困难的。本文在总结基于奇异值分解的信号周期分量探测原理的基础上 ,针对现有信号奇异值分解技术存在的问题 ,对信号奇异值分解矩阵的构造方法作了重大改进。通过应用实例显示 ,用改进后的信号奇异值分解技术探测振动加速度信号中的周期性冲击分量是可行的     

基于振动信号提取柴油机低频排气噪声特征研究

针对柴油机低频排气噪声的频率与强度很难准确地用理论计算等困难，试验研究了柴油机排气管内低频排气噪声信号与排气管壁上振动信号的相互关系。结果表明，低频范围内，振动信号与噪声信号几乎呈现周期性的安全相干，在相干频率处振动信号能反映排气噪声的类周期性。     

基于变分模态分解和奇异值分解的频率相近信号分离方法

频率相近信号分离是故障诊断的难点问题。变分模态分解(VMD)作为一种新的信号时频分析方法,对频率相近信号具有较高的分辨率,能够实现频率相近信号的分离。VMD分解时先指定分解层数,层数选取的优劣将直接影响分解效果,过分解时容易产生虚假频率成分,反之,欠分解则容易丢失有用频率成分。基于此,提出一种基于变分模态分解和奇异值分解相结合的相近频率信号分离方法。首先选择适当的分解层数对信号进行VMD过分解,然后对分解得到的分量进行奇异值分解,通过奇异值分解检测并剔除虚假信号成分,从而实现频率相近信号的有效分离。利用仿真信号和滚动轴承故障信号证明了该方法的有效性和可行性。     

基于Hilbert谱奇异值的滚动轴承故障诊断

提出一种基于Hilbert谱奇异值的故障特征提取方法,将其与支持向量机结合应用于轴承故障诊断。利用小波阈值降噪的方法对拾取的轴承故障振动信号进行滤波降噪,然后利用经验模式分解将降噪信号分解为若干个IMF分量之和,对每个IMF分量进行Hilbert变换得到振动信号的Hilbert谱,对Hilbert谱进行奇异值分解得到反映轴承状态特征的奇异值序列,再利用奇异值作为特征向量,应用支持向量机进行轴承故障诊断,并对不同核函数的诊断结果进行了分析比较。对正常轴承、内圈故障、外圈故障、滚动体故障的实际信号的诊断验证了该方法可的有效性。     

船用推进主机的噪声控制

船用推进主机随着船舶朝着大型、高速的方向发展，其振动和噪声污染问题日趋严重。本文以某船用推进主机为例，通过隔振、安装消声器、使用隔声罩、机舱内粘贴吸声材料等综合治理技术手段进行噪声控制，取得了很好的噪声控制效果。     

船用柴油机的噪声控制技术

船舶噪声是一种污染,而作为其心脏的柴油机就更是主噪声源.如今国际船舶领域在控制船用柴油机废气排放的同时,也开始关注起船舶噪声的控制.系统地阐述了船用柴油机噪声的几种类型和机理,探讨了各种针对性的噪声控制措施以及所取得的效果,并简要介绍了国际海事组织制定的船舶噪声标准以及国际上有关船用柴油机噪声控制的新技术.     

基于排气噪声的柴油机失火故障诊断

通过计算机和声传感器采集排气噪声,研究九种工况下柴油机排气噪声的频谱规律。通过对柴油机排气噪声信号功率谱分析,提取二个参数来表征排气噪声的频谱规律。对这两个参数在各工况下的值进行了详细的分析后,发现这两个参数在失火工况下有较大的变化,故对这两个参数确定相应的阈值来诊断失火故障。通过编写相应的故障诊断程序,输入排气噪声样本和对应的转速后即可判断出失火故障。这种方法具有非接触,操作简单,成本低的特点。     

基于排气噪声的柴油机气阀故障诊断

通过对柴油机气阀机构七种状态下的排气噪声信号建立AR模型,以AR模型的自回归参数作为故障识别的特征向量,建立基于极限学习机的柴油机气阀故障诊断模型,并与反向传播神经网络算法、径向基网络算法和基于支持向量机的诊断模型相比较。试验结果表明,排气噪声信号可用于柴油机气阀故障的诊断,且基于极限学习机的诊断模型与其他三种算法的分类正确率均可达到95 %以上,但在学习速度上,极限学习机具有明显的优势。     

基于表面振动法的柴油机辐射噪声测量和分析

以4120SG柴油机为研究对象，提出基于激光测振的表面振动法测量柴油机辐射噪声。重点讨论了结构辐射系数的确定及其影响因素，提出了不同结构部件计算辐射系数的方法。利用表面振动法计算了柴油机主要部件的声功率，识别了主要噪声源。通过与噪声测量结果的对比，验证了方法的准确性。     

基于EMD的奇异值分解技术在滚动轴承故障诊断中的应用

针对滚动轴承故障振动信号的非平稳特征,提出了一种基于经验模态分解(EmpiricalModeDecomposition,简称EMD)和奇异值分解技术的滚动轴承故障诊断方法。该方法首先采用EMD方法将滚动轴承振动信号分解为多个平稳的内禀分量(IntrinsicModefunction,简称IMF)之和,并形成初始特征向量矩阵。然后对初始特征向量矩阵进行奇异值分解得到矩阵的奇异值,将其作为滚动轴承振动信号的故障特征向量,并输入神经网络来识别滚动轴承的工作状态和故障类型。实验分析结果表明,本文方法能有效地应用于滚动轴承故障诊断。     

基于奇异值分解的水流量标准装置状态监测方法研究

提出了基于奇异值分解的流量计输出信号分离方法,对流量信号、流量波动信号和噪声进行分离,准确获得装置管路中不同频率的流量波动信号及流量波动相对幅度,实现装置状态监测。通过仿真实验准确分离出了不同频率的流量波动信号,而且即使噪声方差为1时的最大幅值误差也只有0.0681m³/h。最后通过实验分离得到:幅度分别为0.73%和0.25%的流量波动信号与管路中的水泵失稳和阀门摆动引起的流量波动频率一致。仿真与实验结果验证了所提方法的可行性。