关于振动加速度信号幅值解调的五种方法

从机械表面拾取的振动加速度信号通常具有调幅特性 ,本文列出了五种幅值解调方法 ,从理论上探索了它们之间的联系 ,并用模拟信号和实测信号验证了这种关系。实验结果是令人满意的。     

振动信号频谱相对幅值的计算方法研究

针对高速列车振动信号因速度变化而导致的谱密度参数幅值不一致问题,提出一种振动信号谱密度相对幅值的计算方法.该方法通过希尔伯特变换对振动信号求取瞬时相位,并对信号相位曲线进行傅里叶谱计算,求取振动信号的归一化谱密度,将列车在不同速度集下的振动谱密度统一起来.通过仿真测试和列车在160,200,250km/h速度集下的实测齿轮箱振动信号频谱相对幅值计算,表明该方法在列车不同速度下结果具有良好的一致性,受噪声影响小,较好反应列车的真实运行状态,具有一定可靠性.     

基于离散频谱分析的自由衰减振动信号的幅值恢复

加矩形窗截断后的自由衰减振动信号可以看成无限长谐波信号与单边指数函数及矩形窗的乘积,从理论上证明了其连续谱峰值点的频率和相位就是信号的实际频率和相位。分析了连续谱的离散频谱幅值误差影响因素,提出一种新的求解幅值恢复系数的方法,该方法根据已估计得到的阻尼、频率和相位重构幅值为给定值的新信号,然后求解加有限长度指数窗幅值恢复系数。当理论频率位于某条离散谱线上,幅值基本无误差。理论分析和仿真表明,采样频率、阻尼和频率误差的变化对幅值分析精度的影响很大,并且是相互作用的,但当理论频率与采样频率之比fn/fs在区间(0.25,0.4)内,且阻尼在区间(0.005,0.02)时,不论频率误差多大,分析精度均很高,幅值误差小于5%。相邻频率成分产生严重模态耦合时,不能使用该方法。     

一种增强的谱幅值调制方法及其在复杂干扰下滚动轴承故障诊断中的应用

谱幅值调制（Spectral Amplitude Modulation,SAM）作为一个经验的和自动的非线性滤波方法,可以有效地识别滚动轴承故障信息。然而,当滚动轴承故障信号中含有复杂干扰成分时,SAM 中的故障特征频率会变得模糊,甚至难以识别。针对上述问题,提出了一种增强谱幅值调制方法（Enhanced Spectral Amplitude Modulation,eSAM）,通过修正信号平方包络的无偏自相关代替修正信号的平方包络来生成 SAM。通过自相关处理,进一步降低由于非线性滤波过程产生的不相关随机噪声干扰,从而提高了 SAM 方法的稳定性。通过一组仿真信号、一组齿轮箱轴承实验信号和不同运行工况下的高速列车轴箱轴承实验信号进行了验证,结果表明该方法可以有效降低复杂干扰的影响,提取出的故障特征更加明显,通过与 SAM 方法和传统峭度图方法对比,证明了该方法的优越性。     

间断相位法测量叶片同步振动幅值的研究

叶片发生同步振动时,采集到的振动信息大为减少,给振动的分析带来很大困难.针对该问题,基于非接触式叶尖定时测振原理,采用间断相位法对振动幅值进行分析,并对间断相位法的测量原理进行了推导分析以及计算机仿真,具有重要的理论价值,为同步振动幅值的测量打下理论基础.     

基于神经网络的输电塔钢管构件涡激振动幅值预测方法

输电塔中长细比较大的钢管构件容易发生低风速下的涡激振动，鉴于传统风洞试验和数值模拟研究方法存在的成本高、周期长的局限，该文提出了一种基于神经网络的输电塔钢管构件涡激振动幅值高效预测方法。为获取训练模型所需的数据集，发展了适用于任意插板形式、几何尺寸的钢管构件涡激振动响应分析方法；结合多种神经网络模型(BPNN、PSO-BPNN、RBFNN、GRNN)以及性能评价指标，建立了基于神经网络的输电塔钢管构件涡激振动幅值预测方法；通过算例对某C型插板和十字型插板钢管构件涡激振动幅值进行了预测。研究表明：通过与试验结果的对比，验证了该文输电塔钢管构件涡激振动响应分析方法的准确性，对于C型和十字型插板钢管构件VIV幅值的相对误差分别为3.84%和5.87%，利用该方法可为神经网络模型提供可靠样本；通过7折10次交叉验证优化超参数后的4种神经网络模型，均表现出较好的预测精度；相比之下，GRNN在C型插板和十字型插板钢管构件算例中均呈现出最佳的泛化能力，其R2值分别为0.989和0.992；采用GRNN方法可以较好地预测C型和十字型插板钢管构件在不同质量阻尼比参数下的VIV幅值，且在计算效率上相比于C...     

基于功率-幅值谱的炮膛疵病图像识别

在基于机器视觉的炮膛疵病检测中,针对计算机不能以"目标分割-特征提取-特征分析-判定"的经典思路实现疵病图像识别的难题,采用二次谱分析方法从图像全局性特点中挖掘疵病的信息.定义图像二次谱为"图像功率谱的对数幅值谱",提取其亮线长宽比以及谱图能量均值、能量方差和能量矩4个参量采分析炮膛图像中是否存在疵病.通过实验验证了参量的有效性.     

变速机械弱时变信号幅值谱校正的多点平均法

系统而完整地提高了处理变速机械弱时变响应信号的离散频谱多点平均幅值修正法的理论和方法,严格证明了该方法能精确地计算出平稳信号和频率微弱波动信号的幅值,能近似地计算出幅值和频率均微弱波动的信号的平均幅值,并应用这套理论成功地解释了频率微弱波动信号的幅值谱表现出较严重的“动率泄露”效应的原因。     

桥梁吊杆典型风致振动幅值响应质量阻尼效应研究

涡激共振与准定常驰振临界风速相近时,矩形杆件易发一种涡振与驰振耦合风致振动,区别于锁定区间涡振和发散性驰振,是一类响应幅值随风速的增加而线性增长的软驰振现象,质量、阻尼是影响耦合程度和估算幅值的关键参数.基于一组宽高比1.2∶1矩形截面杆件节段模型,通过调整模型系统等效刚度、等效质量和阻尼比,实现了Reynolds...     

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。     

基于STFT的振动信号解调方法及其在轴承故障检测中的应用

从信号滤波角度,对基于STFT的振动信号解调方法的原理和影响其解调性能的各种因素进行了严格的理论分析,指出该解调方法实质是基于复解析带通滤波的Hilbert变换解调法.严格证明了在利用Hilbert变换进行包络解调分析时,只要带通滤波器通带范围包括调制信号的部分频率成分,就可解调出被调制信号的周期成分.为了避免对所有的解调信号序列进行包络谱分析,提出按峭度值最大化准则选择一组含有丰富故障信息的解调信号序列进行包络幅值谱分析.基于以上讨论,给出了实用的基于STFT的振动信号解调算法.为了验证提出的解调算法的有效性,用该算法对仿真和实际轴承故障信号进行了解调分析,分析结果表明,利用该算法能有效地检测轴承故障.     

基于信号稀疏表示和瞬态冲击信号多特征提取的滚动轴承故障诊断

在滚动轴承故障信号特征分析中,针对瞬态冲击信号稀疏表示和特征提取问题,提出一种基于IChirplet原子的故障信号多重特征提取方法。在分析故障信号特点的基础上,构建IChirplet原子库,利用优化的OMP算法进行原子寻优,然后提取IChirplet原子的时频参数和重构信号的敏感特征作为特征参量,通过PSO_SVM实现故障分类。实验证明IChirplet原子与滚动轴承故障信号有较好的匹配性,且多重特征的提取能够有效表征故障信息,更准确地判断轴承故障类型。     

一种新的滚动轴承故障诊断方法的研究

本文在包络谱分析方法的基础上提出了优化包络谱分析的新概念,对其原理和方法进行了实验研究并编制了相应的计算机程序,最后以实例对此方法进行了验证和考核. 这个新的滚动轴承故障诊断方法比其它常用方法在分离和提取滚动轴承故障特征信息中更为有效,它不但能清楚地把轴承故障特征信息分离出来,而且信噪比很高,大大提高了故障诊断的准确程度.     

6203-2RZ轴承振动与噪声关系的实验研究

以实验为基础，研究了6203-2RZ轴承振动与噪声的关系。振动包括加速度有效值和速度有效值，噪声指声压级。数据处理结果表明，轴承振动与噪声的统计关系不明显。因此，不宜用轴承的振动代替轴承的噪声，应单独研究轴承的噪声问题，制定轴承噪声标准和相应的工艺标准。     

基于改进奇异值分解和经验模式分解的滚动轴承早期微弱故障特征提取

针对滚动轴承早期微弱故障特征难以提取的问题,提出了改进奇异值分解(SVD)和经验模式分解(EMD)的滚动轴承早期微弱故障特征提取方法。首先用多分辨奇异值分解将信号分成具有不同分辨率的近似和细节信号,然后对近似信号用奇异值差分谱进行消噪,对消噪后的信号进行经验模态分解,将得到的各本征模函数分量进行希尔伯特包络解调,从而获得滚动轴承故障特征信息,最后通过对滚动轴承早期内圈故障的诊断实验证明了该方法的有效性     

用1(1/2)维谱结合小波包能量提取地震动信号特征

针对车辆（轮式车、履带式车）引起的地震动信号中,具有非平稳、非高斯性特征相互重叠的实际情况,研究了地面活动目标产生的地震动信号特性;从理论上说明了1(1/2)维谱可消除车辆引起的地震动信号中的高斯白噪声或有色噪声,在将[112]维谱分析和小波包能量谱相结合的基础上,提出一种特征提取方法,以便区分不同的车辆目标。在时频域构建以[112]维谱和小波包能量谱作为地震动信号的联合特征向量,建立以训练误差为目标的BP神经网络模式分类器;然后对两类车辆信号进行识别。地震动信号的车辆实测数据表明,该方法能够准确和有效地识别车辆引起的地震动信号。     

具有随机系数和带间隙的自激振动问题的人工神经网络解法

利用人工神经网络技术(BP网络)研究具有随机系数和带有间隙的初轧机自激振动问题,提出了一种Runge-Kutta法和人工神经网络相结合的求解方法。即利用数值计算和BP网络建立随机系数和稳态振幅之间的关系,从而直接计算出稳态振幅的统计特性。计算结果表明:采用所提出的方法求解,通用性好且可提高计算精度,并得到了间隙与稳态振幅的均值有关,与标准离差无关的有用结论。     

地铁振动环境及对建筑影响的研究概况

介绍了国内外地铁振动环境及对建筑影响研究概况,系统阐述了地铁振动的产生、传播和相关因素等理论,并进一步探讨了地铁振动的控制措施.     

EMD与高阶累积量在滚动轴承故障诊断中的应用

共振解调是滚动轴承故障诊断中最常用的方法之一,但由于滚动轴承的早期故障信号中含有强烈的背景噪声,诊断效果不够明显。为此,提出一种基于EMD（Empirical Mode Decomposition）与高阶累积量(HOC)的滚动轴承早期故障诊断新方法。该方法首先对故障信号进行EMD分解获得多个基本模式分量,然后对各分量进行高阶累积量分析,并进行重构,最后运用包络解调进行故障诊断。故障实例证明,该方法与传统共振解调方法相比,具有较大的优势。     

润滑油对CO_2气体冷却器性能的影响

本文对含有PAG润滑油的CO2气体冷却器建立了理论模型,通过人工神经网络对含油的CO2对流换热系数进行预测,通过与实验结果进行比较,验证了模型的准确性。进一步分析和计算结果表明:气冷器的热效率随管道的长度的增加而增大,但增幅逐渐放缓。对于实际使用的气冷器,考虑设备运行的经济性,应合理设计气冷器的长度。对于小管径的气冷器(Dh≤2mm),少量的润滑油(ω≈1%)即会明显削弱气冷器的传热系数与热效率;但对于大管径的气冷器(Dh≥4 mm),少量的润滑油对气冷器的影响不明显。在实际小管径气冷器运行过程中,要尽量降低进入气冷器中的润滑油含量,以保证气冷器较高的换热性能。气冷器的热效率随CO2侧压力的增加而增大,但增幅逐渐变缓。CO2侧压力越接近临界压力,由于润滑油的存在导致气冷器热效率降低的幅度越大,并且气冷器的管径越小,降低幅度越明显。