基于MCSSD的转子碰摩故障早期检测

提出了基于多尺度线调频基信号稀疏分解(Multi-scale Chirplet Sparse Signal Decomposition,简称MCSSD)的转子碰摩故障早期检测方法,该方法用MCSSD方法对转子碰摩故障振动信号进行单次分解,从原信号中分离出具有最大幅值的工频(或倍频)信号分量。由于MCSSD方法是采用线性直线逐段自适应逼近分析信号的各分量频率,分解得到的信号分量与真实信号分量具有很好的频率匹配特性,不会产生频率混叠现象,因此,与小波分解与EMD分解相比,MCSSD能更有效地从转子早期碰摩故障振动信号分离出最具最大幅值的工频(或倍频)信号分量。将该信号分量从原信号中去除,对残余信号分量做频谱分析,即可有效诊断转子早期碰摩故障。应用实例证明了该方法的有效性和优越性。     

基于信号共振稀疏分解与重分配小波尺度谱的转子碰摩故障诊断方法

提出了基于信号共振稀疏分解与重分配小波尺度谱的转子碰摩故障诊断方法。与常规的基于频带划分的信号分解方法不同,信号共振稀疏分解方法根据信号中各成分品质因子的不同,将信号分解成高共振分量和低共振分量。当转子出现碰摩故障时,振动信号往往由以转频及谐波为主要成分的周期信号、包含转子故障信息的瞬态冲击信号以及噪声组成。周期信号为窄带信号,具有高的品质因子,可分解为高共振分量;而瞬态冲击信号为宽带信号,具有低的品质因子,可分解为低共振分量。本文方法先利用信号共振稀疏分解方法从转子碰摩信号中提取冲击成分,再对提取的冲击成分进行重分配小波尺度谱分析,最后根据尺度图中冲击成分的周期诊断转子碰摩故障。算法仿真和应用实例验证了该方法诊断转子碰摩故障的有效性。     

非线性调频分量分解的转子油膜涡动信号分析研究

转子轴承系统的振动信号常呈现非线性调频特征且信号分量在频域混叠,传统的频谱分析方法难以处理该类信号。基于参数化解调的非线性调频信号分解方法来分析油膜涡动、油膜振荡特征信号能够有效分解频域混叠的非平稳信号。首先通过优化频谱集中性指标来估计信号瞬时频率参数并用估计到的参数将非线性调频信号解调为平稳信号,最后用带通滤波器提取解调信号。仿真及实验信号通过该方法分析后的结果证明,所用非线性调频分量分解的信号分解方法能够有效提取转子轴承系统的油膜涡动、油膜振荡故障特征,从信号时频图及提取分量的时域图可以清晰看到油膜涡动、油膜振荡的发生发展过程,为早期油膜涡动判定提供依据。     

基于自适应谐波小波和能量熵的转子系统故障诊断研究

针对转子系统非平稳振动时故障特征难以准确提取的问题,提出一种基于自适应谐波小波和能量熵的转子系统故障诊断方法。首先,采用连续谐波小波方法分解转子信号,克服"二进制"谐波小波包分解不能任意选取感兴趣频段的缺限,同时在分解过程中通过时间尺度变换的方式消除信号采集过程中不同转速及采样频率的影响;然后,通过设定合理的分解参数,提取出表征转子系统的故障特征信息并构建故障模式矩阵,得到转子系统早期局部碰摩、全周碰摩、油膜涡动和油膜振荡等4种工况下的能量熵值;最后,将特征向量输入支持向量机(support vector machine,SVM)判断出转子系统的故障类型。试验结果表明:该方法可以有效用于转子系统的故障诊断。     

形态分量分析在转子早期碰摩故障诊断中的应用

提出了一种基于形态分量分析的转子早期碰摩故障诊断方法,该方法用形态分量分析从转子早期碰摩故障信号中提取出冲击成分。形态分量分析根据信号中各组成成分的形态差异,构建不同的稀疏表示字典对各组成成分进行分离。当转子系统中出现早期碰摩时,其振动信号往往由以转频及其谐波为主要成分的周期成分、包含转子早期碰摩故障信息的冲击成分及随机噪声构成。周期成分表现为信号中的平滑部分,而冲击成分则表现为信号中的细节部分,因此,可根据周期成分与冲击成分的形态差异,用形态分量分析实现二者的分离。对形态分量分析的阈值方法进行了改进,提出了基于半软阈值的形态分量分析,仿真结果表明,基于半软阈值的形态分量分析要优于基于硬阈值的形态分量分析。对某转子早期碰摩故障信号进行了分析,结果表明,基于半软阈值的形态分量分析能有效地提取转子早期碰摩故障信号中的冲击成分,进而诊断转子早期碰摩故障。     

基于实验的碰摩转子系统故障的双谱特征

依据高阶统计量和双谱分析的基本原理,算法及其在工程中的理解,针对碰摩转子系统在运动过程中所监测到的振动信号实验数据进行了双变分析,并依据碰摩和油膜振荡等故障特征的理论分析对故障所呈现的双谐特征进行了合理的解释,从而提出了基于双谱分析碰摩转子故障特征提取的新方法。     

一种非稳态油膜力模型下转子系统的碰摩分岔分析

采用新的短轴承非稳态油膜力公式和非稳态油膜轴承－转子系统碰摩的刚性约束非光滑模型，通过数值模拟，得到了该系统随转动角频率及油膜特性参数变化发生碰摩的分岔和混沌特性，并与稳态油膜力模型进行比较，数值模拟结果表明，该系统会对临界转速附近的主共振区和超临界转速的油膜振荡区内分别存在碰摩现象，但当超临界转速足够高时碰摩会消失，此外，在高转速时增大油膜粘性可能防止碰摩产生，本文指出新的非稳态非线性油膜力模型呈现一些与以往稳态模型不同的特性，并具有工程实际意义。     

滑动轴承-转子系统不平衡-不对中-碰摩耦合故障动力学建模及响应信号分解

建立了非线性油膜力影响下不平衡-不对中-碰摩耦合故障的滑动轴承-转子系统动力学模型。模型中充分考虑了滑动轴承-转子系统中非线性油膜力的影响,并在此基础上建立了不平衡、不对中和碰摩故障耦合作用下的系统动力学模型,利用有限元分析方法获得系统振动响应。同时,在转子试验台上模拟耦合故障,获取实测信号与模型仿真响应进行对比分析。针对耦合故障振动响应中频率混叠的问题,提出了一种微分耦合经验模态分解对系统响应进行分解,为各耦合故障征兆的获取提供基础。仿真与实验结果证明了耦合故障模型的准确性以及微分耦合经验模态分解的有效性。     

基于改进的希尔伯特振动分解的机械故障诊断方法研究

针对多分量机械故障振动信号的特征提取问题,介绍一种基于希尔伯特振动分解(HVD)的时频分析方法。该方法首先利用Hilbert变换得到原始振动信号的解析信号,然后通过对解析信号的瞬时频率低通滤波获得信号中幅值最大分量的瞬时频率,同时经同步检测获得相应的瞬时幅值和初相位,最后经过迭代运算自适应地检测出原信号各分量的时频信息。针对HVD方法的边界效应问题,提出一种基于相关系数准则的波形匹配边界延拓法对其进行改进。通过两组仿真信号分析验证了HVD方法对多分量非平稳信号的分解能力,同时表明改进的HVD方法能很好地抑制边界效应。给出转子系统油膜涡动故障诊断实例,验证了该方法的工程实用性。     

基于小波变换的转子动静件碰摩故障诊断研究

利用小波变换与多分辨率分析理论，对振动信号进行多尺度分解，通过分析细节信号的能量分布研究了振动信号中碰摩特征，由信号的一种特征向量进行了信号特征的放大处理，进而可以清晰地得到振动信号小波分解细节的能量分布特征，能够比较准确地诊断碰摩故障程度，同时也能有效地区分不磁摩与整圈碰摩。     

油膜支承转子碰摩动力学行为研究

针对多油叶轴承支承的转定子碰摩系统,建立了当轴承与定子几何不对中时,油膜力和碰摩力联合作用下的转子系统动力学模型,给出了该模型的数学求解方法,并针对具体的转子-轴承系统模型进行了数值仿真.仿真结果表明,转子在油膜力和碰摩力联合作用下,会发生复杂的动力学行为.仿真结果可有助于更好地掌握转子碰摩故障现象,对于转子碰摩故障的诊断具有指导意义.     

基于VMD和谱峭度的滚动轴承早期故障诊断方法

针对滚动轴承故障信号为多分量非平稳振动信号、故障早期特征微弱诊断困难的问题,该文提出变分模态分解(VMD)结合谱峭度的滚动轴承早期故障诊断方法。首先对振动信号进行VMD分解得到若干分量信号,选择峭度最大分量作为最优分量,然后对最优分量进行快速谱峭度计算并进行带通滤波、凸显故障冲击成分,通过分析滤波信号包络谱中故障频率成分实现故障诊断。实验数据分析结果表明该方法能有效诊断轴承早期故障,有一定的工程应用价值。     

基于声振信号EMD分解的轻微碰摩故障诊断方法研究

针对转子系统局部碰摩故障特征及声音振动信号特点,采用一种基于声振信号经验模式分解(Empirical Mode Decomposition简称EMD)的轻微局部碰摩故障诊断方法对滑动轴承碰摩故障进行特征提取。由于EMD分解不需要固定的基函数,根据信号特征自适应的调整,从而实现碰摩特征及旋转激励背景信号自动分解。通过设计滑动轴承缺油工况轴承碰摩试验,并进行振动全息测试分析,将所得声振信号本征模式函数时域特征和边界谱特征与转子径向位移及轴承座加速度信号对比分析,确定了碰摩部件;从而证明基于声振信号EMD分解的碰摩故障诊断方法的有效性。     

船体振动的轴系周期性故障特征信息识取方法

针对船舶推进轴系早期碰摩故障冲击信号周期性强且易被强烈的背景噪声所淹没的问题,提出基于船体尾部结构振动的轴系周期性故障特征信息识取方法,简称EEAF(EEMD+Autocorrelation Analysis+FFT)。首先,对采集的复杂船体尾部结构振动信号进行集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD),得到一系列固有模式分量(IMF);再以自相关函数的性质为准则,筛选出存在周期成分的IMF分量;最后对相应分解层进行快速傅里叶变换,频谱分析识取表征轴系早期碰摩故障的特征量。通过轴系故障的仿真和实船试验研究,验证了该方法的有效性和可行性。     

迭代能量算子机械故障诊断研究

旋转机械元件的故障振动信号通常为多分量调幅调频信号,针对此类信号的故障特征提取问题,介绍一种基于迭代能量算子的机械故障诊断方法。首先阐述迭代能量算子对多分量信号的各分量信号进行幅值包络提取和平滑瞬时频率估计的基本原理;然后通过仿真试验给出与Hilbert-Huang变换的比较,表明该方法解调精度很高且速度较快;最后给出滚动轴承故障诊断实例,证明基于迭代能量算子的多分量调幅调频信号解调方法能有效地提取机械故障振动信号的故障特征。     

AE声谱图特征的转子碰摩故障识别方法研究

提出了一种基于时频分析的声发射信号特征参数分析方法——AE声谱图特征分析方法。它不仅能提高AE识别的有效数据量,同时利用声谱图作为表征转子运行状态的特征图,能从时间、频率和能量强度等多个角度显示AE信号的细节变化,进而有效描述AE信号蕴含的故障特征,对实现旋转机械的故障诊断具有重要意义。利用提出的AE声谱图特征构建了一个基于深度卷积神经网络的碰摩故障识别系统。实验结果表明,AE声谱图特征和CNN网络相结合,能有效提高转子碰摩AE信号的识别性能。     

转子系统耦合故障研究进展与展望

对近年来转子系统耦合(多)故障的研究现状、进展进行了综述,包括裂纹-碰摩、松动-碰摩、不对中-碰摩、油膜失稳-碰摩等耦合故障形式,结合国内外有关耦合故障的研究成果,从动力学模型、非线性动力学特性、故障诊断和试验研究等方面来介绍该领域的研究现状,并阐述了对该领域相关发展方向的一些看法,最后对转子系统耦合故障今后的研究方向进行了展望。     

船体振动的轴系周期性故障特征信息识取方法

针对船舶推进轴系早期碰摩故障冲击信号周期性强且易被强烈的背景噪声所淹没的问题,提出了基于船体尾部结构振动的轴系周期性故障特征信息识取方法,简称EEAF（EEMD + Autocorrelation Analysis + FFT）。首先,对采集的复杂船体尾部结构振动信号进行集合经验模态分解（Ensemble Empirical Mode Decomposition,EEMD）,得到一系列固有模式分量（IMF）;再以自相关函数的性质为准则,筛选出存在周期成分的IMF分量;最后对相应分解层进行快速傅里叶变换,频谱分析识取表征轴系早期碰摩故障的特征量。通过轴系故障的仿真和实船试验研究,验证了该方法的有效性和可行性。     

延伸奇异值分解包及其在高速列车轮对轴承故障诊断中的应用

结合多分辨奇异值分解包的分解结构和对滚动轴承故障信号的Hankel矩阵的奇异值分布特性研究,提出了延伸奇异值分解包。该算法的核心包括矩阵递推构造和矩阵重构。以分量信号能量为指标,提出了有效分量信号的筛选准则,并基于该准则,进一步提出了延伸奇异值分解包的快速算法。仿真结果表明,延伸奇异值分解包对信号中共振频带分量信号具有很好的分解能力,方法具有强鲁棒性,同时极大地改善了奇异值分解包中出现的模态混叠。应用高速列车轮对轴承试验数据对该方法进行试验验证,结果表明,该方法能有效分离高速列车轮对轴承复合故障信号的不同共振频带信号,对筛选的有效分量信号进行包络分析,可有效提取不同类型的故障特征频率及其谐波,对共振频带的聚集性和故障的表征力相比奇异值分解包均有显著提高。     

基于定子振动的转子碰摩故障诊断方法研究

转子碰摩会引发转子和定子的振动,但由于转子系统的很多常见故障(如不对中、不平衡等)与碰摩故障的转子振动特征多有重复之处,在很大程度上限制了故障的有效诊断.于是以定子振动信号为诊断源,研究了碰摩故障的诊断技术.首先分析了定子振动的机理,认为碰摩时定子受到冲击力作用,会引发定子固有频率振动,提出可采用共振解调法进行碰摩故障的诊断.利用IFFT方法进行了定子固有振动信号的分离,再进行希尔伯特变换,得到其包络信号,并对其进行谱分析,从而完成分析诊断过程.最后进行了单点碰摩和局部碰摩的故障模拟实验,结果表明定子高频固有振动包络信号可以揭示碰摩故障的发生,结合角度定位信号,可以对转子碰摩故障进行定位.