基于EMD的滚珠丝杠振动信号滤波技术研究

针对磨削加工中滚珠丝杠振动信号低信噪比、非平稳特性,提出基于经验模式分解(EMD)的振动信号滤波方法。通过EMD将滚珠丝杠振动信号分解为多个平稳的固有模态函数(IMF),并选择包含振动信号特征的若干IMF分量重构,提高了振动信号的信噪比,实现了对振动信号的平稳性分析,得到了振动信号的本质特征,为磨削滚珠丝杠实时监测和故障诊断提供了有效的理论基础。并通过仿真及实验数据分析,验证了EMD滤波技术是表征振动信号的非平稳特征及提高信号信噪比的有效工具。     

基于WPD与GA-BP网络的滚珠丝杠副润滑失效诊断研究

滚珠丝杠副润滑失效将导致进给精度及加工质量受到显著影响,因此通过振动信号对其润滑条件进行在线识别并对失效状态作出诊断具有重大意义。文章通过试验模拟了滚珠丝杠副油润滑不良、油润滑充分和脂润滑充分三种润滑条件。首先提出了基于小波包分解(WPD)的振动信号能量提取算法,计算得到不同润滑条件下振动信号不同频率带上的信号能量;然后建立了遗传算法(GA)优化后的BP神经网络;最后将信号能量作为特征向量导入至遗传神经网络中进行训练并进行测试。测试结果表明,神经网络的诊断正确率达到90%。研究结果可用于滚珠丝杠副润滑失效的故障诊断,对于促进滚珠丝杠副健康状态监测方法的发展具有重大意义。     

基于SSA-VMD和SVM的滚珠丝杠副故障诊断

针对滚珠丝杠副故障特征提取困难的问题,提出一种基于麻雀搜索算法优化变分模态分解算法（SSA-VMD）结合支持向量机（SVM）的滚珠丝杠副故障诊断方法。以最小包络熵作为SSA的适应度函数,对VMD参数进行自主寻优;运用IMF能量值对分解信号进行筛选重构,去除噪声和无关成分的干扰;最后提取重构信号的8类时域特征参数和5类频域特征参数作为特征向量集,导入SVM进行故障识别模型的训练。通过搭建滚珠丝杠副故障诊断实验平台采集振动信号,分别采用SSA-VMD、VMD、EMD方法进行信号分解提取故障特征。实验结果表明:与VMD和EMD相比,SSA-VMD能针对不同的信号自主选择最优的VMD参数进行信号分解,能准确识别滚珠丝杠副故障类型,证明了基于SSA-VMD的滚珠丝杠副故障诊断的可行性和准确性。     

螺母预紧力对滚珠丝杠副振动特性的影响

基于滚珠丝杠副可靠性试验台研究了滚珠丝杠副预紧力的变化与测得的振动信号的关系。首先,介绍了滚珠丝杠副可靠性试验台的预紧力加载装置;接着,对预紧力加载装置进行动力学建模,搭建振动信号测试平台,采集不同预紧力水平下的振动信号;最后,通过振动信号的频域分析和预紧力加载装置的动力学分析,发现预紧力的变化可以通过两个参数进行监测:振动信号峰值频率的偏移和峰值频率振动幅值的变化。实验结果和动力学分析的结论十分吻合:随着滚珠丝杠副预紧力的增大,峰值频率不断增大,峰值频率的振动幅值也不断增大。研究结论发现,可以通过监测振动信号峰值频率的偏移和峰值频率的振动幅值来监测预紧力的变化,这为检测滚珠丝杠副的健康水平提供了一种新的研究方法,这对于促进滚珠丝杠副进给驱动系统的发展具有重大意义。     

基于HHT的法兰螺栓连接松动实验研究

通过对随机激励下法兰螺栓连接结构的响应信号进行HHT分析,得到了各固有模态函数(IMF)的能量分布规律和不同预紧力下响应信号的时频谱。结果表明:IMF能量分布百分比在不同预紧力下有较强的规律,能较好地反映螺栓连接结构的松动情况;HHT三维时频谱图直观地反映了能量分布随着预紧力的变化情况,说明选用具有自适应性的HHT对振动环境下法兰螺栓连接结构进行分析较合适。     

基于HHT的法兰螺栓连接松动实验研究

通过对随机激励下法兰螺栓连接结构的响应信号进行HHT分析,得到了各固有模态函数（IMF）的能量分布规律和不同预紧力下响应信号的时频谱。结果表明：IMF能量分布百分比在不同预紧力下有较强的规律,能较好地反映螺栓连接结构的松动情况;HHT三维时频谱图直观地反映了能量分布随着预紧力的变化情况,说明选用具有自适应性的HHT对振动环境下法兰螺栓连接结构进行分析较合适。     

滚珠丝杠副动力学行为仿真及滚珠磨损故障特征信号研究

滚珠丝杠副作为精密机械和数控机床等装置中最常使用的传动元件,其工作状况的优劣直接影响着整套设备能否安全稳定运行。大多数针对滚动功能部件失效形式的研究主要集中于滚动轴承,而对滚珠丝杠副的失效演变机制却鲜有论述。以滚珠丝杠副为研究对象,建立由丝杠、滚珠、螺母等关键部件组成的滚珠丝杠副三维模型,运用ADAMS软件对滚珠丝杠副进行动力学行为仿真分析以及故障特征信号研究,分析滚珠丝杠正常运行及滚珠磨损故障状态下的特征信号变化规律,最后通过对比试验值与理论值验证所提方法的有效性。结果表明：随着滚珠表面擦伤缺陷扩展,丝杠副产生的振动变得更加剧烈,频谱尖峰幅值明显增大;试验所得结果与理论值相对误差为4.67%,证明了仿真分析的准确性。     

基于改进HHT的多模式Lamb波信号的时频分析

Hilbert-Huang变换(HHT)是一种新的分析非平稳非线性信号的方法,是用经过带通滤波器组滤波后再进行HHT分析的方法.使用该方法对多模式Lamb波信号进行了分析,能有效分离信号中的各固有模态函数(IMF)分量,消除了噪声干扰.改进HHT变换结果的图线光滑清晰,可解释性好,使用该方法对Lamb波进行分析具有可行性和有效性.     

基于KPCA和SVM的滚珠丝杠副润滑失效故障诊断

为了能够更加充分地表征振动信号在时域、频域、时频域等多特征参数与滚珠丝杠副润滑失效状态的线性关系,提高滚珠丝杠副润滑失效故障诊断的准确率,提出了基于KPCA和SVM的滚珠丝杠副润滑失效故障诊断模型。提取了滚珠丝杠副在3种润滑状态和5种转速下的振动信号特征,构建了润滑特征混合域特征集,并按照累计贡献率大于90%的标准对特征集进行核主元分析,将筛选出的能够反映滚珠丝杠副润滑失效故障特性的主元作为主要特征量,最后将筛选出的主要特征量输入支持向量机(SVM)内进行训练测试,并在同一转速的条件下作对比试验。结果显示:利用核主元分析法进行主元提取能够有效降低原始数据的维度,并提高模型诊断的准确率;当电机转速为100 rpm时,所建立的基于KPCA和SVM的滚珠丝杠副润滑失效故障诊断模型的诊断准确率高于其他转速下的诊断准确率,准确率为93.33%;这说明该方法在对滚珠丝杠副润滑状态进行诊断时,通过控制电机转速可有效提高诊断的准确率。     

基于EMD和改进Teager能量算子的轴承故障诊断

为实现在非线性非平稳的轴承振动信号中提取出故障特征频率,提出了一种经验模态分解(EMD)和改进的Teager能量算子(NTEO)相结合的故障诊断方法。首先通过EMD将振动信号分解为若干阶本征模态分量(IMF),计算各阶IMF的峭度和与原信号的相关系数,利用峭度和相关系数均较大的IMF进行信号的重构,然后利用NTEO计算重构信号的瞬时Teager能量序列,最后对能量序列进行FFT变换,提取轴承的故障特征频率。分别对轴承内圈和外圈故障的振动信号进行分析,清晰地提取出了故障特征频率,并通过与传统Hilbert包络谱和Teager能量谱进行对比,验证了方法的有效性。     

Application of empirical mode decomposition in the impact-echo test

This research develops a signal processing method for the impact-echo test based on the empirical mode decomposition (EMD) in the Hilbert–Huang transform (HHT). First, apply the decomposition to decompose the impact-echo signal into several intrinsic mode functions (IMF's). Then, the Fourier analysis is performed on each IMF. Examining the behaviors of the IMF's in the time and frequency domain, one can judge which IMF represents noise, echo wave, surface wave, or modal vibrations. Since the echo IMF has little influence from the other signals, one can locate the echo peak easily. Numerical simulations and model tests show that the proposed method is promising in the detection of internal cracks in concrete even when the vibration and noise signals are strong.     

基于FastICA去噪和改进HHT的转子不平衡故障特征提取方法研究

针对转子不平衡振动信号非平稳性并伴随较强环境噪声的特点，提出一种基于快速独立分量分析（FastICA）和改进希尔伯特-黄变换相结合的故障特征提取方法。该方法采用FastICA法去除环境噪声等因素对于故障特征提取精度的影响，再利用自适应白噪声总体平均模态分解方法将故障信号分解为一系列固有模态函数（IMF），并采用基于相似性评估的虚假IMF选择算法将与故障信息无关的虚假IMF分量剔除，从而保证故障信息提取的准确性和有效性。通过仿真分析证明了所提方法的有效性，并且实际试验表明：该方法可有效提取转子不平衡信号的故障特征，为该类故障的诊断提供了一种切实可行的方法。     

滚珠丝杠磨削加工中的振动测试与分析

振动是影响滚珠丝杠加工质量的重要因素。通过对振动信号的分析,可以提出相应减振措施来提高丝杠的加工质量。通过实验研究丝杠在磨削加工过程中8个关键位置处的x、y、z3个方向的振动特性。各位置的时域谱和频率谱的对比分析表明:产生振动的主要方向为工作台移动方向,主要来源是砂轮架、头架、砂轮架电机、头架电机的振动。提出相应的减振措施,为提高滚珠丝杠加工质量提供依据。     

基于KPCA LVQ和内置传感器信息采集的滚珠丝杠故障诊断研究

研究了全闭环数控机床伺服进给系统的编码器、光栅尺等内置传感器信息采集并从中获取滚珠丝杠故障状态信息的方法;在分析了滚珠丝杠信号的非线性、非平稳性特征的基础上,提出了基于小波包分解提取滚珠丝杠故障状态信号能量特征值的方法,并用该能量特征值与峰度、频率、方差等时-频特征量组成滚珠丝杠故障诊断的原始特征集,采用KPCA法剔除了对故障诊断贡献率不明显的冗余特征;建立了基于KPCA-LVQ神经网络的滚珠丝杠故障模型;并通过试验,对KPCA-LVQ与KPCA-BP两种神经网络的诊断结果进行了对比分析。证明了文中所研究方法对滚珠丝杠故障诊断的可行性和有效性。     

基于VMD混合域特征和SSA-SVM的滚动轴承故障诊断

滚动轴承早期故障信号易受噪声干扰,故障冲击成分难以提取,故障识别困难。为从多角度提取故障轴承振动信号特征参数,利用变分模态分解(VMD)将振动信号分解为若干本征模态分量(IMFs),基于包络熵、相关系数、峭度筛选IMF分量。提取所选IMF的时域和频域特征、信号VMD能量熵及各IMF能量比组成特征向量,从时域、频域和能量角度反映故障信息。使用麻雀搜索算法(SSA)优化SVM参数,确定最优参数,克服参数选择难题。将样本特征向量输入SSA-SVM中进行故障分类,轴承故障实验数据表明：该方法故障识别平均准确率在98.71%以上;与单一域特征相比,该方法对故障类型和损伤程度识别效果更佳。     

基于Hilbert Huang变换的空间机械臂振动特性研究

为深入分析机械臂的振动特性,采用了一种自适应性的信号分析方法 Hilbert-Huang变换(HHT),先对信号时频图进行了分析,并计算了本征模函数(IMF)的方差贡献率,实现了信号能量比的定量分析。分析结果表明:随着转速增加,机械臂的共振现象削弱,弹性形变量增大。     

基于EEMD和PSO-SVM的电机气隙偏心故障诊断

针对电机气隙偏心故障如何通过振动信号进行有效诊断、如何选取合适故障特征等系列问题,提出了基于集合经验模态分解(EEMD)的Hilbert时频谱能量特征表达和粒子群参数优化的支持向量机(PSO-SVM)的故障诊断方法.首先对振动信号进行EEMD分解,并通过相关系数法选择有效的IMF分量;其次,对有效的IMF分量提取Hil...     

基于EEMD多维特征的旋转机械故障识别方法研究

为有效诊断旋转机械故障,提出基于集合经验模态分解（EEMD）的多维特征提取故障诊断识别方法。利用EEMD将原始振动信号分解为若干个本征模态函数（IMF）,分别计算原始信号和IMF分量的时域指标;将时域指标进行奇异值分解,得到奇异值特征向量,计算原始信号频率带能量比和IMF分量能量比;将IMF分量能量比、奇异值特征向量、频率带能量比组合为故障特征向量,作为神经网络的输入,对转子的工作状态进行诊断识别。结果表明：多维特征向量的识别效果优于EEMD能量特征,能更充分反映出转子的故障特征。