基于SVD-小波熵融合的电机系统故障分离方法

为了抑制电网工频干扰对电流信号的影响,通过对复杂电流信号奇异值分解特性和小波熵分离特性的研究,提出一种高精度故障特征分离方法。该方法先结合SVD较强的消噪特性,对复杂电流信号做去噪处理;再对去噪后的电流信号,结合小波熵法进行故障特征分离。研究结果表明,该方法可以有效剔除电网工频的干扰,实现微弱信号的特征提取。     

基于小波神经网络的电动机转子故障诊断

在电动机故障诊断技术中,基于振动和定子电流频率成分的检测是电动机故障检测的两种主要手段.讨论了基于振动故障信号的检测方法.由于电动机振动信号是非平稳随机信号,故障信号中往往含有大量的时变、短时突发性质的成分,传统的傅里叶信号分析不能有效地提取电动机的故障特征,而且还可能将含有丰富故障信息的微弱信号作为噪声去除.因此,引入比小波分析更强的小波包变换技术来提取信号的故障特征信息,得到的结果作为神经网络的输入信号,用神经网络的L-M优化算法来进行训练,然后用BP神经网络来进行故障识别.采用Matlab软件进行仿真,证实该方法对电动机故障诊断的有效性和准确性.     

基于高分辨率谱估计的早期转子断条故障诊断

以快速傅里叶变换(FFT)为基础的电机电流信号特征分析(MCSA)具有频率分辨率低的固有缺陷,从而严重影响了鼠笼电机早期转子断条故障的诊断性能。为解决这一问题,提出基于高分辨率谱估计的早期转子断条故障诊断方法。首先利用Hilbert变换和离散小波变换对单相定子电流信号预处理,然后采用扩展Prony算法对预处理后的信号进行定性/定量分析。运用该方法对不同故障严重程度、不同负载条件下的3 k W电机稳态定子电流信号进行分析,并与FFT分析结果做对比。实验结果表明,即使在短时数据条件下所提方法仍然能够准确诊断出早期转子断条故障,验证了该方法的有效性和优越性。     

一种消除风机电流检测基频干扰的方法

应用定子电流检测法对风力发电机进行故障诊断时,在处理信号的过程中存在故障信号被50 Hz基频泄露所淹没的问题.对此,介绍一种基于最小条件识别理论消除基频干扰的方法.首先根据幅值、频率及相位角的定义对采集的电流信号进行初步的估算,然后通过最小条件法拟合还原出50 Hz基频成分,最后从原始信号中减掉拟合出的50 Hz基频,...     

基于DSP和LabVIEW的电动机转子断条故障诊断

为了实现对鼠笼式异步电动机转子断条故障的实时诊断,设计了一套以TMS320F2812和LabVIEW为核心的转子断条故障诊断装置。该装置以TMS320F2812为主控芯片,实现对异步电动机定子侧电流信号的采集,通过DSP的串口模块将采集到的信号传送到由LabVIEW构建的上位机信号处理平台。针对定子侧电流信号中工频分量对断条故障特征分量的干扰较大,严重地影响断条分量的识别,LabVIEW处理平台采用自适应陷波器算法对工频信号进行陷波处理,在FFT频谱上实现对断条故障特征分量的识别。实验证明,该装置能够实现对断条故障进行实时监测,并能够在FFT频谱上对断条故障特征分量进行识别。     

鼠笼电机转子断条故障的定子电流信号平方解调分析诊断方法

受基频频谱泄露影响,经典MCSA方法诊断鼠笼电机转子断条故障时的诊断能力严重依赖于电机负载大小。针对这一问题,提出了基于定子电流信号平方解调制分析诊断方法。首先采用硬件方式对定子电流信号作基于平方解调制的信号预处理,以此消除制约诊断能力的基频频谱泄露,继而对解调后的信号作快速傅里叶变换,然后根据频谱中是否存在特征频率成分判断转子断条故障发生与否。在3 k W电机实验平台上对所提出的方法进行实验验证。实验结果表明,即使鼠笼电机在轻载或空载条件下运行时所提出的方法仍然能够诊断出转子断条故障,从而有效提高了诊断能力。     

基于三相交流异步电机定子电流信号分析的机电传动系统齿轮箱裂纹故障非侵入式诊断

齿轮裂纹故障是机电传动系统的高发故障,及时发现裂纹故障对保证机电传动系统正常工作意义重大。提出了一种基于三相交流异步电机定子电流信号的齿轮裂纹故障非侵入式诊断方法。首先,建立电机-齿轮-负载机电耦合模型,利用势能法计算不同裂纹深度和角度下齿轮变啮合刚度;然后,利用Runge-Kutta法对机电耦合模型进行数值求解,分析时变啮合刚度影响下电机电流动态响应。通过对比健康齿轮和裂纹故障齿轮的定子电流频谱,揭示齿轮裂纹故障对应的电流频谱特征,建立基于电机电流信号分析的传动系统齿轮裂纹故障诊断判据。对存在裂纹故障的齿轮进行电机拖动实验,齿轮裂纹故障影响下的电机电流信号与数值求解结果一致。所提出的基于电机电流信号的齿轮裂纹故障非侵入式诊断方法对于降低传动系统维护成本具有较高价值。     

基于共振稀疏分解的滚动轴承早期微弱故障诊断

传统方法很难对滚动轴承的早期微弱故障进行有效诊断.共振稀疏分解是一种基于多字典库的稀疏分解方法,可以同时分解出滚动轴承故障信号中的瞬态冲击成分及其持续震荡成分(工频及其谐频成分).该方法在对滚动轴承早期微弱故障信号进行自适应滤波降噪(采用Ensemble Empirical Mode Decomposition,EEMD方法)基础上,对处理后的信号进行共振稀疏分解分析,分别构建高、低品质因子小波基函数字典库,并利用形态学分析方法建立信号稀疏表示的目标函数,进而实现对滚动轴承发生故障时具有低品质因子的瞬态故障成分及其他持续振荡高品质因子噪声成分的成功分离.对分离得到的低品质因子信号成分进行包络解调分析,进而得到较好的故障提取特征结果.通过实验验证了所述方法的有效性.     

基于小波分析的制冷压缩机气阀故障诊断方法的研究

基于小波多尺度分解、重构的方法，对制冷压缩机气阀故障进行了诊断。把从压缩机缸盖上测得的振动信号经小波变换后，分解成高频和低频两个频带，阀片的自振频率成分出现在低频带。由于受工频及其谐波成分的影响，气阀的自振频率成分很微弱，难以辨识，不宜作为气阀故障的特征量。为此构造一个特征量，即高频带平均功率与总平均功率之比，利用此特征量来诊断压缩机气阀故障。大量的实验表明，该方法是有效的。     

基于经验模态分析的机床主轴轴承外圈非接触式故障检测方法

针对主流机床的电机主轴轴承外圈故障检测问题,提出1种利用机床主轴电机定子电流信号进行非接触式故障诊断的方法,利用经验模态分解(EMD)对机床电机非平稳定子电流信号进行分析。采用经验模态分解方法提取定子电流信号的本征模函数(IMF)应用于维格纳分布(WVD),得到故障信号的维格纳分布轮廓图,最终利用人工神经网络进行故障样本的模式识别,可有效检测机床主轴轴承外圈缺陷。试验结果表明,在不同负载条件下,基于经验模态分解的维格纳分布定子电流监测对外圈缺陷的故障检测和诊断具有准确率高、计算量小以及检测成本低等优点,具有一定的工程实用及推广价值。     

基于余弦调频小波变换的滚动轴承故障研究

针对滚动轴承故障振动信号的特点，构造余玄调频小波，采用连续小波变换的方法来提取滚动轴承故障振动信号的特征，在此基础上提出了一种滚动轴承故障诊断方法：时间一小波能量谱自相关分析法。通过对滚动轴承具有缺陷的情况下振动信号的分析，说明时间一小波能量谱自相关分析法不仅能检测到滚动轴承故障的存在，而且能有效地识别滚动轴承的故障模式。     

基于多通道振动信号的港机车轮轴承故障诊断

提出一种基于多通道振动信号的港机台车车轮轴承故障诊断的方法。通过分析港机台车车轮轴承的特殊性,阐述现有轴承故障诊断方法以及存在的问题,并指出了基于多通道振动信号分析方法的优势。描述了系统信号采集硬件构架,充分发挥现代计算机的高速运算,大容量存储能力,利用多进程并发,采用模块化思想,搭建了分析系统用户界面软件。通过时域、频域、功率谱、静态参数等多种信号分析方法对振动信号进行分析,实现对轴承的故障诊断。实时监测和离线分析大量现场数据结果表明,该故障诊断系统诊断方便,无需停工,成功率高,符合港机台车车轮轴承故障在线诊断要求。     

基于S变换的热连轧机耦合振动特征提取

提出一种基于短时傅里叶变换的自适应频域滤波方法,将噪声信号与振动特征成功地分离。根据短时傅里叶变换和功率法设定的阀值,自动捕捉了振动信号在不同时间段的优势频率。对振动信号、压下液压缸压力信号和伺服阀给定信号做短时傅里叶变换后,热连轧机振动被诊断为液机耦合振动。利用离散小波变换和S变换相结合的方法对轧机振动信号进行分析,确定轧机起振的时间为液压压下系统的投入时间,证明了热连轧机存在液机耦合振动现象。     

MISEP盲分离算法在振动信号分析中的应用

利用MISEP算法对直升机齿轮箱振动信号的非线性混叠进行了盲源分离,分离出了轴承故障振动信号,并将该方法应用于实际的飞机发动机的振动信号分析,分离结果表明MISEP盲源分离算法是机械故障诊断领域的一个有效的信号处理方法。     

Vibration component separation by iteratively using stochastic resonance with different frequency-scale ratios

It is well-known that stochastic resonance (SR) is mainly used for signal denoising and weak signal detection. In this paper, we firstly find the frequency range selection characteristic (filtering characteristic) of re-scaling frequency SR (RFSR) caused by the driving frequency limitation of bistable SR. It then follows that a novel approach to separate vibration components with different frequencies by iteratively using SR is explored. The frequencies of most vibration signals exceed the driving frequency limitation, thus by use of different frequency-scale ratios, the vibration signals with different frequency range can be extracted by RFSR. Firstly, a small frequency-scale ratio is used to obtain the vibration signal with a narrow frequency range, i.e. low frequency vibration. As the output of SR may have a phase lag, a simple phase-shift correction method is proposed to improve the accuracy of signal component separation. The phase-shift corrected signal of RFSR output is separated from the original vibration signal and the residue is treated as the new vibration signal. Then, increasing the frequency-scale ratio according to a searching algorithm, the vibration signal with higher frequency can be obtained by RFSR. Through this iterative process, several harmonic vibration components can be separated from the original noisy vibration signal. The proposed method, empirical mode decomposition (EMD) and Hilbert vibration decomposition (HVD) are respectively applied to analyzing a simulated vibration signal and extracting the fault feature of a rotor system. The contrastive results show that this proposed method has good frequency resolution and can successfully separate monocomponent harmonic signals from a strongly noisy multicomponent harmonic vibration signal while EMD and HVD cannot.     

瞬时频率估计的齿轮箱升降速信号阶次跟踪

提出了基于瞬时频率估计的齿轮箱升降速信号阶次跟踪的新方法。首先对振动信号进行经验模态分解得到信号的固有模态函数，再求各个固有模态函数的Hilbert变换，得到信号的瞬时频率，从而直接从振动信号得到参考轴的转速信号，然后根据参考轴的转速信号对时域振动信号进行等角度重采样，最后对重采样信号进行阶次分析。通过仿真信号和对齿轮磨损故障实验信号的分析，表明该方法能有效地诊断齿轮的故障。     

基于信号共振稀疏分解与包络谱的齿轮故障诊断

当齿轮出现断齿、裂纹等局部故障时,其振动信号会出现周期性冲击脉冲。在齿轮故障早期,由于冲击脉冲微弱,常淹没在齿轮的啮合频率、转频等谐波成分以及噪声中,因此,对于齿轮早期故障,直接对齿轮振动信号做包络谱分析以诊断齿轮局部故障通常效果不佳。针对这一问题,将信号共振稀疏分解方法与包络谱分析相结合,提出了基于信号共振稀疏分解与包络谱的齿轮故障诊断方法。该方法采用信号共振稀疏分解将冲击脉冲从齿轮振动信号中分离出来,然后对冲击脉冲做Hilbert包络分析,获取冲击脉冲出现的周期,进而对齿轮状态和故障进行识别。仿真算例和应用实例证明了该方法的有效性。     

航空发动机转子振动信号的分离测试技术

在传统谱分析方法的基础上,尝试应用盲源分离技术对飞机发动机振动信号进行振源分离.首先,介绍了发动机振动信号的基本处理方法和常见的发动机故障类型及特征,引入了盲源分离理论并讨论了其在航空发动机振动信号处理中应用的可行性.然后,对某型涡扇发动机振动过大的现象进行了故障诊断分析.最后,应用FastICA和JADE算法对检测的振动信号进行分析,分离出了发动机的振源信号.这说明发动机振动信号分析采用盲源分离与谱分析相结合的技术可以有效分离振源信号,提高故障诊断的准确性.     

振动监测技术在工艺气螺杆压缩机中的应用

介绍了工艺螺杆压缩机常见振动故障的表现及其成因,并根据振动故障信号的检测原理,提出了监测系统的搭建方法和测振仪器的选择要求。在此基础上,重点分析了不同振动故障的频谱特征,归纳出相应的诊断要点,为现场人员快速准确地解决实际振动问题提供了有效途径。     

Hilbert versus Concordia transform for three-phase machine stator current time-frequency monitoring

This paper deals with mechanical fault diagnosis in three-phase induction machines from stator current measurements. According to machine models, mechanical faults lead to amplitude and/or phase modulations of the measured stator current with possibly time varying carrier frequency. The modulation diagnosis requires a univocal definition of the instantaneous phase and amplitude. This is performed by associating a complex signal to the real measured one. For a convenient separate modulation diagnosis, the complex signal instantaneous phase and amplitude are expected to carry, respectively, information about the phase and amplitude modulations. The complex signal is classically obtained through the Hilbert transform. Under Bedrosian conditions, the so-called analytic signal allows a separate modulation diagnosis. However, mechanical faults may also produce fast modulations violating the Bedrosian conditions. This study proposes an alternative complex signal representation which takes advantage of the three stator current measurements available in a three-phase machine. From two stator current measurements, the Concordia transform builds a complex vector, the so-called space vector, which unconditionally allows separate modulation diagnosis. This paper applies and compares the Hilbert and Concordia transforms, theoretically and in case of simulated and experimental signals with various modulation frequency ranges.