基于转速自适应多阶FRFT滤波提取瞬变工况齿轮微弱故障特征

提出了一种基于转速信号自适应分段的多阶FRFT滤波方法,并应用于提取瞬变工况下变速器齿轮微弱故障特征。首先,根据设定的振动信号频率曲线曲率阈值将目标档位啮合频率时频曲线自适应分为若干段,使得每段内的信号频率近似线性变化;然后,在各分段内进行最小二乘拟合确定相应的FRFT最佳阶次,并在各段信号的最佳分数阶域进行滤波,实现基于转速自适应分段的多阶FRFT滤波。采用该方法分析实测变速器瞬变工况振动信号。结果表明,基于转速信号自适应分段确定多阶FRFT的最佳阶次,准确、快速、自适应性好;多阶FRFT滤波能够有效分离出瞬变工况下的啮合频率分量,隔离其他干扰;对分离出的啮合频率分量进行阶次包络解调分析,能有效提取出齿轮微弱故障特征。     

FRFT循频滤波及齿轮微弱故障特征提取

提出了一种分数阶傅里叶变换(Fractional Fourier Transform,FRFT)循频滤波方法,贴近瞬变工况下信号频率曲线变化特征,循迹剥离包含故障信息的特征分量,提取齿轮早期故障微弱特征。首先,研究了线性多尺度分段方法,将频率呈曲线任意变化信号自适应分成若干个频率近线性变化的信号段;然后研究了频率拟合确定FRFT滤波参数的方法,计算各段信号的FRFT滤波参数并逐段进行FRFT滤波,实现FRFT循频滤波。采用该方法对变速器加减速过程振动信号进行滤波解调分析,试验结果表明:线性多尺度分段方法,能自适应地将任一频率呈曲线任意变化信号分段成若干个频率近线性变化的信号段,且分段数较少;频率拟合确定FRFT滤波参数方法,不受振源和多分量数量影响,能准确确定各分段信号的FRFT滤波参数;该滤波方法能从变速器瞬变工况振动信号中循频提取出包含故障信息的特征分量,有效剥离其他分量和噪声干扰,对提取后的特征分量进行解调分析,能准确提取出传统方法难以识别的齿轮早期故障微弱特征。     

基于分数阶滤波的全息阶比解调谱及齿轮早期故障诊断

为提高变速器齿轮早期故障诊断的准确性和可靠性,提出了一种基于分数阶傅里叶变换(fractional Fourier transform, FRFT)滤波的全息阶比解调谱方法。对变速器变转速过程的水平与垂直测点振动包络信号进行分数阶滤波,分离出调制频率分量,再对分离后信号进行全息阶比谱分析,得到调制分量的全息阶比解调谱,并对齿轮早期点蚀故障进行故障诊断。试验结果表明,基于分数阶滤波的全息阶比解调谱,兼具分数阶滤波分离频率变化分量的特点与全息阶比谱融合多维特征的优势,既能有效分离变转速过程的调制分量,隔离其他分量和噪声干扰,又能有效融合两个方向的关键特征信息,有效诊断出单测点单特征方法难以识别的齿轮早期故障。     

基于分数阶聚能带分析的微弱故障特征提取研究

提出了一种分数阶聚能带时频累加谱方法,快速实现长数据的时频分析,突出目标分量,用于提取变速器急加速过程微弱故障特征。根据变速器输入轴转速信号及传动比确定分数阶傅里叶变换（Fractional Fourier Transform, FRFT）最佳阶次,对变速器急加速过程振动信号进行最佳阶次FRFT,根据FRFT模值谱确定聚能带,计算分数阶聚能带时频累加谱,通过对比多组正常和故障数据的分数阶聚能带时频累加谱结果和阶比谱结果,验证该方法的有效性。试验结果表明：根据转速信号能快速、准确确定FRFT最佳阶次;选取聚能带内的FRFT结果进行时频分析,计算量小,分辨率高,分数阶聚能带时频累加谱具有聚焦和局部放大的特点, 能很好地突出目标分量,抑噪噪声,是提取变速器急加速过程信号微弱故障特征的有效方法。     

基于分数阶傅里叶变换的邻近阶比分离研究

提出了一种基于分数阶傅里叶变换（Fractional Fourier Transform, FRFT）的邻近阶比分离方法。根据变速器输入轴转速信号及传动比确定FRFT最佳阶次,对变速器升速过程振动信号进行最佳阶次FRFT,在该分数阶域分离邻近阶比分量,并对分离出的单分量信号进行阶比分析。试验结果表明,根据转速信号确定FRFT最佳阶次,准确、快速、鲁棒性好,并具有自适应性;最佳阶次的FRFT能准确分离提取邻近阶比分量,对分离出的目标阶比分量进行单分量分析,能有效解决邻近阶比胶合问题。     

基于FRFT的齿轮振动信号故障特征提取

研究了典型齿轮故障振动信号在分数阶傅里叶变换（FRVF）域的分布特征,并在此基础上分析了该信号在FRFT循环域（CFRFD）的分布特征,提出了FRFT循环处理（CFRFT）方法,实现了信号在CFRFD的能量积累。通过仿真实验验证了低信噪比条件下,CFRFT对齿轮振动信号的故障特征提取能力及有效性。     

基于包络S变换时频图像提取齿轮故障特征

齿轮故障振动信号中调幅和调频现象同时存在,其频谱包括以啮合频率及其谐波为载频,齿轮所在轴转频及其谐波为调制频率产生的调制边频带。针对齿轮故障振动信号特征提取困难的问题,提出一种基于包络分析和S变换时频图像相结合的故障特征提取方法。通过变速器齿轮故障模拟实验,采集齿轮正常、轻微磨损和严重磨损时的稳态振动信号,对其进行Hilbert变换得到信号的包络,然后对包络信号进行S变换,得到包络的时频图像的等高线灰度图像,计算图像的灰度共生矩阵及其统计特征量,提取齿轮故障特征。试验结果表明：该方法能有效提取齿轮故障特征。     

基于自适应时频滤波的变转速齿轮故障特征提取

针对变转速下齿轮的故障信号分离与故障特征提取,提出了基于线调频小波路径追踪(Chirplet Path Pursuit,CPP)与S变换的自适应时频滤波方法。该方法先采用CPP算法从原始齿轮振动信号中估计出齿轮啮合频率,同时,对原始振动信号进行S变换获取其时频分布;然后根据齿轮啮合频率设计自适应时频滤波器;再采用时频滤波器对信号的时频分析进行时频滤波,并将时频滤波结果进行S逆变换,即可得到包含齿轮故障信息的滤波信号;最后对滤波信号进行阶次分析,并根据阶次谱中的调制边频带诊断齿轮故障。对变转速下齿轮的局部故障进行了算法仿真和应用实例分析,结果表明,自适应时频滤波器可根据信号的频率变化特点自适应地改变中心频率和带宽,具有较好的信号分析自适应性,且滤取的信号无相位畸变,非常适合于变转速下的非平稳信号分析。     

时变工况的风电机组齿轮箱无转速计阶次跟踪方法研究

针对时变工况风电机组齿轮箱振动信号受噪声干扰和频率模糊问题,通过研究无转速下风电机组齿轮箱振动信号与转频波动规律间的联系,提出了基于VMD-SET时变工况的风电机组齿轮箱无转速计阶次跟踪方法。该方法利用变分模态分解（VMD）滤波,利用同步提取变换（SET）对齿轮箱振动信号时频分析,分别从轴承故障时域振动信号中初步提取故障特征频率趋势,从正常齿轮啮合调制时域振动信号中提取啮合频率时频脊线,进一步利用精细化时频脊线交叉解耦优化瞬时频率提取效果,再用提取的转速曲线对轴承故障振动信号进行阶次跟踪,从角域阶次谱中得到故障特征阶次的单根谱线。通过仿真及实验验证了所提方法的优越性和有效性。     

基于ATF与EEMD变转速齿轮故障特征降噪方法

针对变转速下的齿轮故障特征的降噪问题,提出了一种基于自适应时变滤波(Adaptive Time-varying Filtering, ATF)与集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)的齿轮故障特征降噪方法。该方法首先用线调频小波路径追踪(Chirplet Path Pursuit,CPP)算法从变转速下的齿轮故障振动信号中估计出齿轮啮合频率,并依据该啮合频率设计时变滤波器;再利用该时变滤波器对齿轮故障振动信号进行滤波,将滤波器阻带内的噪声予以去除;然后采用EEMD方法对滤波后的信号进一步降噪,减少滤波器通带内的噪声干扰;接着利用时变滤波器对降噪后的信号再次进行滤波,消除EEMD降噪时在阻带带来的噪声干扰;最后对降噪后的信号进行阶次分析,提取齿轮故障特征。对齿轮局部故障的算法仿真和应用实例分析表明,该方法不仅可以消除阻带的噪声干扰,而且对通带内的噪声也有较好的抑制作用,可有效凸显齿轮的故障特征。     

基于FRFT的改进多尺度线调频基稀疏信号分解方法

针对全局搜索基函数计算量大的问题,提出了基于分数阶傅里叶变换(Fractional Fourier Transform,FR-FT)确定基函数的改进多尺度线调频基稀疏信号分解方法。通过解析信号的FRFT消除实信号FRFT结果中的对称项,两级搜索FRFT幅度谱确定信号的最佳基函数,检验该方法的计算效率和抗噪性能,并采用该方法分解频率呈曲线变化的多分量非平稳信号。试验结果表明:对解析信号进行FRFT能有效消除实信号FRFT结果中的对称项;基于FRFT确定基函数速度快、精度高、抗噪能力强,与频偏大小、频率变化快慢无关,不需先验知识,有效克服了全局搜索方法计算量过大的问题;基于FRFT的改进多尺度线调频基稀疏信号分解方法能快速、准确地分解频率呈曲线变化的多分量信号,适合于旋转机械瞬变工况下非平稳信号的瞬时频率估计与目标分量隔离分析。     

应用Hilbert变换和ZFFT提取变速器齿轮故障特征

变速器故障齿轮振动信号,调幅现象和调频现象同时存在,其频谱中包括啮合频率及其谐波、调制产生的耦合频率。Hilbert变换无法提供足够高的频率分辨率解调低频调制信号,为此提出复调制细化谱分析方法。通过变速器齿轮故障模拟实验,采集齿轮正常、轻微磨损和严重磨损时的稳态振动信号,对其进行Hilbert变换得到信号的包络,对包络信号进行复调制细化谱分析,得到齿轮轴转频基波及其谐波幅值。随着齿轮磨损程度的增加,齿轮轴转频基波及其谐波幅值明显增大,可作为齿轮磨损故障特征参数。     

基于频移及谱线编辑的齿轮故障窄带解调分析方法

通过对旋转机械变速运行齿轮箱振动研究,提出基于频移及谱线编辑的齿轮故障窄带解调分析方法。对齿轮箱变速等非稳态信号进行时域同步采样,利用阶比跟踪对时域信号等角度重采样转换为角域准平稳信号,克服转速波动对信号分析产生的频率模糊现象;对角域信号进行同步平均削弱与转速无关的频率成分,提高信噪比;对平均信号进行窄带解调分析,通过对阶比谱自动编辑分离出齿轮故障主要啮合阶比分量后恢复到角域信号,进行幅值解调及基于频移的相位解调,据幅值解调及相位解调波形图提取齿轮故障特征。结果表明,基于频移、谱线编辑的齿轮故障窄带解调分析方法能有效提取齿轮故障特征信息。     

混响背景下基于分数阶傅里叶变换的自适应LMS滤波算法

针对强混响背景下经典的最小均方误差(Least Mean Square,LMS)滤波算法难以有效地实现信混分离的问题,提出一种基于分数阶傅里叶变换的自适应LMS算法。首先将混响信号和自适应LMS滤波算法中的参考信号进行分数阶傅里叶变换,寻找最优变换域,并在分数阶域进行带通滤波,然后将得到的信号进行分数阶傅里叶反变换,最后将基于正态分布曲线的变步长LMS算法应用于此混响条件下进行滤波。仿真和海试数据验证结果表明,在信混比为0 dB的情况下,算法仍可以有效地滤除混响,使信混比提高6dB。     

基于时频掩蔽和振动特征的齿轮箱振源分离方法

针对齿轮箱振动信号中存在多源混合问题,提出基于时频掩蔽和振动特征的齿轮箱振源分离算法。算法的主要步骤为：首先通过短时傅里叶变换将时域信号转换为时频谱进行分析,通过最佳比率掩蔽获取齿轮啮合频率特征,其次采用寻峰算法获取混合信号中所有频率成分,结合故障频域特征进一步分离故障成分,通过理想比率掩蔽获取齿轮的调制特征,最后运用短时傅里叶逆变换恢复源信号。通过风电传动试验台信号和实际风电现场振动信号对算法进行验证,结果表明,在已知齿轮转速情况下,所提出的算法可以有效分离源信号并提取故障成分。     

分数阶傅立叶变换的线性调频信号降噪

本文在分数阶Fourier变换原理的基础上,提出了一种基于分数阶傅里叶变换的线性调频（LFM）信号的滤波方法,利用该变换等同于对信号在时频平面进行旋转,将混迭有噪声的信号以特定的旋转角作分数阶傅里叶变换,使得信号与噪声在变换域中的交迭达到最小：然后通过窄带通滤波器对LFM信号进行抽取,再经过分数阶傅里叶反变换,恢复出原信号。     

迭代广义解调齿轮信号分离的变转速滚动轴承故障诊断EI北大核心CSCD

变转速工作模式下齿轮啮合会掩盖故障轴承冲击特征,使得轴承故障特征信息微弱,针对变转速工作模式下齿轮啮合对轴承信号干扰的问题,提出了迭代广义解调齿轮信号分离的变转速滚动轴承的故障诊断方法。首先采用峰值搜索算法从包络时频谱中提取峰值啮合倍频(Instantaneous Dominant Meshing Multiply,IDMM),通过IDMM趋势线构造各广义解调函数的相位函数;其次利用迭代广义解调算法(Iterative Generalized Demodulation,IGD)分离出齿轮啮合频率及倍频信号,对剩余信号采用谱峭度算法确定由故障轴承引起的高频共振滤波参数并进行带通滤波;最后,以提取的IDMM趋势线作为轴承转频,对滤波结果进行角域重采样,根据阶次谱对滚动轴承运行状态予以判断。仿真信号和实测信号的处理结果证明该方法在无转速计设备的情况下能有效的实现变转速滚动轴承的故障诊断。     

迭代广义解调齿轮信号分离的变转速滚动轴承故障诊断

变转速工作模式下齿轮啮合会掩盖故障轴承冲击特征,使得轴承故障特征信息微弱,针对变转速工作模式下齿轮啮合对轴承信号干扰的问题,提出了迭代广义解调齿轮信号分离的变转速滚动轴承的故障诊断方法。首先采用峰值搜索算法从包络时频谱中提取峰值啮合倍频(Instantaneous Dominant Meshing Multiply,IDMM),通过IDMM趋势线构造各广义解调函数的相位函数;其次利用迭代广义解调算法(Iterative Generalized Demodulation,IGD)分离出齿轮啮合频率及倍频信号,对剩余信号采用谱峭度算法确定由故障轴承引起的高频共振滤波参数并进行带通滤波;最后,以提取的IDMM趋势线作为轴承转频,对滤波结果进行角域重采样,根据阶次谱对滚动轴承运行状态予以判断。仿真信号和实测信号的处理结果证明该方法在无转速计设备的情况下能有效的实现变转速滚动轴承的故障诊断。     

基于分数阶傅里叶变换的振动信号分析

通过仿真实验验证了分数阶傅里叶变换可以抑制高斯噪声,检测出chirp信号。通过机械振动实验进一步验证了分数阶傅里叶变换不仅可以分析平稳振动信号,而且分析非平稳振动信号比传统傅里叶变换更客观地表达出信号的频谱,提取出非平稳成分。     

一种改进的ATF方法在齿轮故障诊断中的应用

针对转速波动下的齿轮故障信号与故障特征提取,提出一种基于频域滤波的自适应时变滤波(Adaptive time-varying filtering,ATF)方法,并将其应用于齿轮故障诊断中。该方法先用线调频小波路径追踪(Chirplet path pursuit,CPP)算法估计齿轮箱故障振动信号中的齿轮啮合频率,并依据啮合频率在频域设计自适应时变滤波器,以滤取包含齿轮故障信息的时变滤波信号;再对采用阶次跟踪算法对滤波信号进行等角度重采样,并对重采样后的信号进行自相关分析,以去除通带内噪声的干扰;最后对去噪后的信号进行谱分析,获得其自相关阶次谱,并根据自相关阶次谱中的调制边频带诊断齿轮故障,对变转速下的齿轮局部故障信号进行了仿真分析和试验。结果表明,该方法对滤波器通带和阻带内的噪声均具有较好的抑制作用,且提取的齿轮故障信号无相位畸变,故障调制边频带也更为突出。