基于噪声和混沌振子的微弱信号检测

利用混沌振子来检测淹没在强噪声背景中的微弱信号，详细研究了Duffing振子检测微弱信号的原理和过程。理论分析和仿其实验均表明混沌振子能有效地检测微弱信号。     

齿轮早期疲劳裂纹的混沌检测方法

齿轮箱振动信号中调制现象普遍存在,而且啮合频率产生的周期冲击成分占很大比重,反映齿轮箱故障的特征信号的幅值相对较低,难以检测。根据齿轮箱振动信号的特点,提出了基于混沌振子的齿轮早期疲劳裂纹检测方法,区别于目前常用的基于混沌振子的微弱信号检测方法。该方法通过辨识混沌振子加入齿轮箱振动信号后发生的由大尺度周期状态到混沌状态的反向状态改变,确定齿轮啮合频率边频带的状态,从而判断齿轮裂纹的发展情况,在齿轮裂纹的监测中取得了良好的效果。     

一种基于非线性流形的滚动轴承复合故障诊断方法

针对滚动轴承振动信号的非平稳以及非线性特点,提出了一种基于非线性流形的滚动轴承复合故障诊断方法。该方法首先提取振动信号的时域指标和小波包频带分解能量所构成的频域指标,组成原始特征空间,采用基于判别准则的邻域因子优化选择算法,运用基于局部切空间排列算法的非线性降维算法对原始特征空间进行学习,极大地保留了信号中内在的整体几何结构信息,从而提取出振动信号最优的敏感故障特征。试验结果表明,与经典的线性降维方法相比,该方法的聚类效果更好。     

滚动轴承故障的非线性诊断方法

反映滚动轴承故障的特征周期信号处于较低频带内，容易被噪声淹没，难以检测。针对当前的诊断方法没有充分利用其故障特征频带的问题，提出了基于混沌振子的滚动轴承故障的非线性诊断方法。该方法直接检测故障的低频特征信号，完成故障诊断。讨论了该方法的适用场合，并将其应用在滚动体剥落故障的诊断上，取得了良好的效果。     

基于混沌振子和小波理论的轴承故障诊断方法

分析了小波理论和混沌振子检测微弱信号的方法。并在此基础上,将小波分析思想和混沌振子检测方法相结合组成联合测量系统。经过仿真试验,联合测量系统在检测微弱信号方面可以得到比较理想的效果。将此方法应用到滚动轴承的故障诊断中,准确地判断出了轴承的故障。     

基于混沌理论的滚动轴承故障信号检测

针对滚动轴承早期故障信号十分微弱的问题,提出采用Duffing混沌振子对故障微弱信号进行检测的方法。对Duffing方程进行改进,实现对任意频率微弱信号的检测。分析微弱周期信号相位角对检测系统的影响,提出采用多相位混沌振子阵列来消除微弱周期信号相位角对检测系统的影响。通过仿真实验,确定检测系统由3个混沌振子构成。使用该检测系统成功检测出轴承外圈故障微弱信号,相比传统的混沌振子检测系统,缩小了检测盲区,提高了检测信噪比。     

基于符号序列信息熵混沌特性的微弱信号检测

利用混沌振子系统的初值敏感性和对噪声免疫的特点检测微弱信号,具有高灵敏度和很好的抗噪性能,其检测的关键在于对混沌振子系统所处状态的识别.针对Duffing振子系统在信号检测领域中的应用,提出了一种基于符号序列信息熵混沌特性的微弱信号检测方法.该方法利用时间序列符号化来捕捉Duffing振子系统时域输出的大尺度特征,应用Shannon信息熵定量计算时间序列中蕴藏的确定性和随机性规律,达到自动识别特定微弱信号的目的.给出了该方法的原理和相应检测程序流程图.实验结果表明,利用该方法可以准确快速地检测出微弱信号,为混沌检测研究的实用化提供了一种有效途径.     

基于混沌Duffing振子的表面粗糙度监测方法

表面粗糙度是评价产品精度和进行零件设计的重要指标.近年来工件表面粗糙度的监测受到国内外研究者的广泛关注.文中针对实际切削过程中许多参数难以准确获得的问题,在混沌Duffing振子微弱周期信号检测与估计方法的基础上,提出基于Duffing振子的工件表面粗糙度监测方法.实验切削系统的现场数据处理结果验证了该方法的有效性.     

一种基于杜芬振子的微弱信号检测方法

杜芬振子相变对与参考信号频差较小的周期弱信号具有敏感性,对白噪声和参考信号频差较大的周期干扰信号具有免疫力。在此基础上结合Labview和Matlab的接口技术提出了一种能在强噪声环境下检测弱信号的方法,该方法具有很好的信噪比,且在超声波弱信号检测得到了验证,具有良好的检测结果。     

一种便携式轴承缺陷测试与故障诊断系统

介绍了一种便携式轴承缺陷测试与故障诊断系统的总体实现方案。采用基于振动信号、声信号融合诊断的方案以及上、下位机无线通讯的方法。从硬件和软件方面分析了整个系统的结构，着重从软件实现的功能和软件开发环境的选择两方面对上位机（笔记本电脑）中轴承虚拟测试诊断系统做了介绍。通过实例证实了这种便携式轴承检测系统的有效性。     

基于小波相关滤波法的滚动轴承早期故障诊断方法研究

目前基于小波分析的滚动轴承故障诊断方法研究已经很多,但是这些方法对于强噪声背景下的早期故障微弱信号特征提取效果并不理想。为此,提出了适用于强噪声背景的小波相关滤波滚动轴承早期故障诊断方法。该方法将小波相关滤波降噪方法和Hilbert包络细化谱分析相结合:对被测信号进行小波相关滤波降噪处理,对降噪处理后的高频段尺度域的小波系数进行Hilbert包络细化谱分析。该方法在滚动轴承的早期故障诊断中的试验结果表明,该方法与直接小波系数包络谱诊断方法相比,较大地增强了对滚动轴承早期故障诊断的能力,在强噪声背景下有效地提取出滚动轴承的早期故障频率。     

大数据统计趋势分析和PCA的滚动轴承早期故障诊断

针对短时、小样本数据下提取的特征对早期故障敏感度和故障演化过程稳定度低、信息冗余的问题,提出了大数据统计趋势分析和核主元分析方法(Principal component and analysis,PCA)的滚动轴承故障演化特征提取和早期故障诊断方法。采集滚动轴承正常状态到完全失效状态的全寿命振动数据,计算原始数据中不同故障严重程度下的时频统计特征,建立各个统计特征描述的故障演化趋势,分析各个统计特征描述的故障演化特性,初步选择能够敏感且稳定感知故障演化过程的统计特征集,利用PCA分析初选结果中各个统计特征间的相关性和贡献度,进一步剔除冗余特征,最终得到能全面表征故障演化过程的特征。最后,使用滚动轴承全寿命振动数据验证本文所提方法的有效性。实验结果证明,标准差、均值频率、标准差频率等特征能敏感地检测滚动轴承早期内环故障并稳定跟踪其演化过程。     

基于形态成分分析的轴承复合故障诊断

独立分量分析(ICA)已被广泛运用于线性混合模型的盲源分离问题,但却有2个重要的限制:信源统计独立和信源非高斯分布。形态成分分析是最新提出的一种基于稀疏表示的信号和图像分解(分离)方法。介绍了形态成分分析的基本原理,进行了仿真说明,并应用该方法对设置了3种故障的轴承进行故障诊断,最终发现了故障特征,成功判别出了轴承的3种故障,验证了该方法在轴承故障诊断中的有效性。     

一种滚动轴承故障知识获取的新方法

针对滚动轴承诊断中故障样本不足和故障模式复杂且难以辨识的特点,提出了一种基于Weka软件数据挖掘平台的滚动轴承故障知识获取的新方法。该方法综合运用滚动轴承时域参数和小波包络谱特征参数,并选取与其运行状态密切相关的多个振动参数作为原始特征模式,然后借助Weka平台的C4.5决策树提取了滚动轴承故障知识规则,并加以解释。最后将该方法应用于现场采集到的大量轴承数据,结果表明该方法正确有效。     

低速滚动轴承故障诊断方法研究

低速滚动轴承结构和工作条件特殊,故障机理复杂,诊断难度较大。本文根据低速滚动轴承的故障特性,提出了利用应力波与小波分析进行低速滚动轴承故障诊断的方法。首先以低速运转Cooper轴承系列01B65 EX滚子轴承为例,建立了完好和故障低速滚动轴承的三维整体接触计算模型,运用有限元软件对其进行了比较全面、精确的分析,计算出外圈故障模型的最大应力和应变及各元件之间的接触应力,将发生故障前后的外圈外表面应力应变分布规律以及接触应力分布规律进行比较。然后在应力波实验分析的基础上,选择db6母小波、尺度j=4对实验所采集的数据信号进行小波变换,成功提取了外圈模拟故障的应力波信号特征频率。     

滚动轴承故障诊断的一种特征参数选择方法

如何获取轴承状态的特征参数，特别是对早期缺陷明显的特征参数，目前仍是轴承故障诊断的关键。本文基于轴承振动信号频谱在２ｚｆ０频段有较明显谱峰的现象，分析了滚动轴承的振动特征和频谱２ｚｆ０频段含有较多轴承缺陷信息的原因，并以频谱２ｚｆ０频段的特征频率幅值作为特征参数，用神经网络进行了故障模式的识别。实验结果表明，这一特征参数选择方法用于轴承早期故障诊断是有效的     

一种基于小波包变换和监督NPE的滚动轴承故障诊断方法

为提高滚动轴承故障诊断的性能,结合故障敏感特征的选择,提出了一种基于小波包变换(WPT)和监督NPE的滚动轴承故障诊断模型。首先,WPT对原始振动信号进行处理,利用终端节点的单支重构信号得到多域统计特征,构成原始特征集。然后,为减少特征集中的冗余信息和干扰特征,提出一种基于朴素贝叶斯的故障敏感特征选择方法(FSNB)。为了进一步降低冗余信息和运算复杂度,提出一种基于类别标签的监督邻域保持嵌入(SNPEL)方法,实现对高维特征集的低维表示。最后,利用K近邻(KNN)算法实现滚动轴承的故障诊断。采用12种轴承故障数据来验证提出的故障诊断模型的性能,结果表明,提出的模型可以实现较高的故障诊断准确度和较好的适应性。     

改进MCKD方法及轴承早期故障诊断研究

针对最大相关峭度解卷积(MCKD)算法滤波器阶数需要人工选择的问题,提出了一种采用变步长搜索方式的改进MCKD故障诊断方法.该方法以故障特征能量比最大化为目标,首先在全部搜索范围内用大步长计算特征能量比,确定最优目标所在的峰值位置,再用小步长进一步在峰值位置附近精确搜索最优滤波器阶数的具体数值,然后对原信号进行滤波并进...     

基于盲均衡理论的弱冲击故障的检测研究

弱冲击故障检测是故障诊断中既困难又十分重要的研究课题,是实现故障早期诊断的基本手段。本文在分析了现有的冲击检测技术存在问题的基础上,基于盲均衡理论提出一种独特的直接提取和检测弱冲击故障信号的方法。首先根据动力学理论研究和建立了机械系统早期冲击响应模型,分析了较小冲击下的振动响应特征;然后根据盲均衡理论研究和建立了提取弱冲击信号的盲均衡模型和算法,并进行改进;最后用两个冲击实验和一个实际工程实例进行实际检验。研究结果表明本方法能够十分有效地从有噪声和干扰中检测期望的信号。