基于小波自适应包络解调技术的滚动轴承故障识别研究

针对传统的包络解调技术在实际使用过程中存在必须人为确定高频共振频率和带通滤波器的中心频率缺点,提出了小波自适应包络解调技术。该方法通过最小Shannon熵原理自适应确定小波函数的中心频率和带宽,求得在此小波变换下的系数,运用希尔伯特变换得到解析信号,最后计算包络和包络谱来识别故障特征频率,实验结果表明,提出的方法能准确有效地识别出滚动轴承外圈、内圈及滚动体的单点类故障。     

基于EMD细化包络谱分析在轴承故障诊断中的应用

将经验模式分解(empirical mode decomposition,EMD)、Hilbert变换和细化(ZOOM)技术结合在一起。通过EMD分解的自适应滤波算法,避免了依靠经验来设置带通滤波器的中心频率和带宽,或者用小波方法对信号进行分解时,需要预先确定基函数和分解尺度的缺点,从而为计算包络谱的细化提供了一种简易算法。结果表明,基于经验模式分解自适应滤波的滚动轴承振动信号解调方法能够有效地突出故障特征频率成分,避免误诊断。     

基于复小波多尺度包络谱的滚动轴承故障诊断研究

提出一种新的滚动轴承故障信号处理方法—复小波多尺度包络谱,通过分析连续小波变换后各尺度信号的包络谱来识别滚动轴承缺陷频率,以此来诊断滚动轴承的外圈、内圈和滚动体故障,该方法解决了传统包络解调方法在操作中需要确定滤波器中心频率和带宽的难题,实验证明了该方法的有效性。     

基于EEMD降噪和滑动峰态解调的滚动轴承故障诊断方法

针对滚动轴承早期故障特征十分微弱且易被强背景噪声淹没这一问题,引入零时滞4阶累积量(即峰态因数)用于描述信号中弱冲击成分偏离高斯分布的程度,从而提出一种基于EEMD降噪和滑动峰态解调的滚动轴承早期故障诊断方法。该方法首先将故障信号进行EEMD分解得到一组IMFs,根据度量因子和信息熵准则筛选出最能表征故障信息的IMF分量进行重构;然后,利用谱峭度方法自动确定带通滤波器参数进行带通滤波,对滤波后的信号采用滑动峰态算法计算峰态时间序列即峰态包络,并根据频谱分析结果诊断轴承故障发生部位。该方法解决了带通滤波器参数选择问题,同时可提取轴承早期故障振动信号中的微弱冲击成分。利用试验信号对新方法进行检验。结果表明:与传统方法相比,新方法能够有效解决强噪声背景下的早期微弱故障的特征提取问题。     

基于小波包包络分析的滚动轴承故障诊断

提出一种基于小波包、能量分析和包络分析相结合的滚动轴承故障诊断方法。对实测振动信号进行小波包去噪,提取出有用的振动信号。利用小波包将去噪后的信号分解,求出分解后各频带的能量,根据各频带内能量分布,确定故障所在频带,并以此作为特征分量。对特征分量进行Hilbert解调分析,将包络谱谱峰处的频率与理论计算的滚动轴承故障频率进行对比,诊断轴承故障并确定故障位置。     

基于FA-SR与LMD的滚动轴承故障检测

由于噪声的严重影响,滚动轴承故障特征的提取颇为困难。针对该问题提出了基于改进的萤火虫算法(FA)优化随机共振(SR)与局部均值分解(LMD)结合的方法。首先利用优化后的SR系统使信号达到最优共振,再经过LMD将信号分解成多个乘积函数(PF),以信息熵、相关系数为标准选取合适的PF分量重构信号,对重构后的信号进行快速峭度图(FK)分析,由所得参数设计带通滤波器,最后用Hilbert包络解调滤波后的信号即可得到故障特征。通过对轴承实验数据的分析表明,该方法能可靠地检测出轴承故障特征。     

小波分析在滚动轴承状态监测振动信号分析中的应用

通过分析用于滚动轴承状态监测的共振解调技术 ,发现由于滚动轴承不同元件的故障特征频率不同 ,因此用共振解调技术对滚动轴承进行状态监测时就需要具有不同中心频率的带通滤波器 ,使得检测线路及设备过于复杂。而小波分析技术仅通过采用不同的尺度因子 ,即可实现具有不同中心频率和带宽的带通滤波器 ,可以对振动信号在不同的频率范围内进行分析 ,刚好可以弥补上述方法的不足。文中给出了用小波分析技术对滚动轴承状态监测所得振动信号进行分析的一个例子。     

循环自相关函数在滚动轴承故障特征提取的应用

应用循环自相关函数和快速谱峭度相结合的方法,对滚动轴承早期故障诊断进行分析研究。首先利用谱峭度方法确定滚动轴承振动信号的最佳带通滤波器,然后利用循环自相关函数对滤波后的信号进行解调,提取出滚动轴承故障特征频率,有效地减少了噪声信号的干扰且增强了故障信号。通过仿真与实验数据的轴承故障振动信号验证所提方法的有效性。     

快速峭度图在滚动轴承故障诊断中的应用

针对包络分析中带宽和中心频率依靠经验估计的缺陷,应用一种快速峭度图算法自动为包络谱分析提供最佳带宽和中心频率。快速峭度图算法借鉴了二进小波分解算法,先将原始信号经过FIR滤波器将信号进行分解,然后在各个频段上计算信号的谱峭度值,并根据快速峭度图的结果得到最佳中心频率和带宽,最后进行包络谱分析。实验证明该方法可以更有效地诊断滚动轴承故障。     

小波分析与铁谱技术在滚动轴承状态监测中的综合应用

文中分析了铁谱技术在滚动轴承状态监测中存在的不足,指出振动监测技术更加适合于滚动轴承的状态监测。通过分析用于滚动轴承状态监测的共振解调技术,指出滚动轴承不同元件的故障特征频率不同,用共振解调技术对滚动轴承进行状态监测时就需要具有不同中心频率的带通滤波器,使得检测线路及设备过于复杂。而小波分析技术仅通过采用不同的尺度因子,即可实现具有不同中心频率和带宽的带通滤波器,对振动信号在不同的频率范围内进行分析,刚好可以弥补上述方法的不足。文中给出了用小波分析技术及铁谱技术对滚动轴承状态监测一个例子。     

基于卷积型小波包能量矩的机械故障特征提取

故障特征参数的准确提取是故障诊断的一个关键性问题。提出了一种基于卷积型小波包能量矩的特征提取方法。相比传统的小波包能量特征提取方法,基于卷积型小波包能量矩的特征提取方法能更有效地提取信号在各频带上的能量分布特征。仿真和实验验证了利用小波包能量矩进行故障诊断是一个有效的方法。     

广义Morse解析小波变换在机械故障诊断中的应用研究

提出了一种基于广义Morse小波变换的机械故障诊断方法。研究了广义Morse小波相比常用的Morse小波是一种完全解析特性,因此广义Morse具有其他非解析小波所不具有的优势。将该方法应用于某空分机的故障诊断中,并成功提取出重要的故障特征信息,结果证实了该方法可为机械故障诊断提供一条新途径。     

基于广义谐波小波的低速重载轴承故障诊断

广义谐波小波可任意选取频带,是理想的带通滤波器。将广义谐波小波结合共振解调技术,可较好地提取轴承故障激发的共振信息。应用该方法,对某转炉耳轴轴承进行故障诊断,诊断结果与实际情况相符。     

基于相对小波包能量特征向量的故障诊断

在小波及小波包分析的基础上引进相对小波包能量特征向量的概念,提出了一种建立旋转机械故障库的新方法,并结合模式判别的知识,引进欧几里德距离公式作为判据,使故障诊断公式化、定量化。实验结果表明这种方法能够很快地诊断出转子台故障类型,为旋转机械的故障诊断提供了新方向。     

基于小波能量谱旋转机械振动信号的故障特征提取

旋转机械故障诊断的关键问题在于对振动故障信号的特征提取。利用小波能量谱分析方法能够发现不同分解层中的振动信号特征并分析出故障原因。基于小波能量谱方法能准确提取旋转机械的故障特征,尤其是对微弱故障信号,为正确判断故障提供了依据。实验验证了该方法在提取旋转机械振动故障信号方面的有效性和准确性。     

改进小波能量分析法在轴承故障诊断中的应用

滚动轴承故障诊断的关键问题之一是如何有效准确地提取故障特征信息,为了更好地刻画各频带能量,提出了改进小波包能量算法,提取分解频带的能量在时间域上的分布,更好地刻画了能量随时间变化的分布。同时引入包络分析,更好地体现信号的间断点,从而提高故障信号分析的准确度。诊断实例验证了利用改进小波包能量法进行故障诊断的有效性。     

基于二进小波能量自功率谱的转子碰磨故障特征提取

针对转子动静碰磨故障,通过分析转子运行时产生振动信号的时频特性,提出了一种基于二进小波能量自功率谱的故障特征提取方法。该方法利用二进小波变换得到小波能量系数谱,在小波能量系数谱中找到系数之和变化最大的能量尺度层,对该层进行自功率谱变换后可将碰磨故障的特征量提取出来。     

小波包分析在采煤机减速器故障诊断中的应用

提出了一种采用小波包理论提取采煤机减速器故障信号的方法。利用小波包变换对减速器振动信号进行分解、重构及能量计算,有效地提取出采煤机减速器故障特征信号,从而获得故障的信息。仿真研究结果表明,基于小波包能量法的故障诊断方法能够有效地提取出采煤机减速器故障的频率信息。