滚动轴承振动信号小波域自适应滤波方法

针对滚动轴承故障特征的提取问题,提出一种振动信号小波域自适应滤波方法。小波自适应滤波是一种新的非线性滤波方式,可以有效地提取出信号的边缘轮廓及信号的形状特征。计算机仿真证实小波域自适应滤波具有抑制信号噪声、保留信号非线性特征方面的作用。工程实验结果表明,利用小波域自适应滤波可以从滚动轴承振动信号中成功提取隐藏在噪声中的冲击故障特征。     

矿井槽波地震数据极化特征分析

矿井槽波地震采集数据中,包含有多种类型地震波,这些波常常叠合在一起,使得槽波信号提取困难。根据槽波质点振动极化特征差异,提出基于S变换的自适应协方差矩阵槽波极化分析方法,构建时频域自适应协方差矩阵,依据矩阵特征值和特征向量计算椭圆率和方位角极化参数,通过极化参数分析信号振动轨迹特征,设置极化滤波器,对槽波水平双分量信号进行波场分离。通过理论合成信号测试,利用信号在时频域振动极化特征可以分离在时间域和频率域叠合的信号;实际槽波数据极化分析发现,线性极化的勒夫型槽波和椭圆极化的瑞利型槽波基本复合在一起,通过时频域极化滤波可以有效分离。     

局域波法在机械故障诊断中的应用

针对故障振动信号的非平稳特征,提出了一种基于局域波分解的机械故障诊断方法。探讨了局域波法的原理和物理意义,表明局域波分解具有自适应的特性,特别适宜于非平稳信号的分解。将该方法应用于滚动轴承的故障振动信号分析中,结果表明局域波分解能够提取轴承微弱振动信号,突出滚动轴承的故障特性,提高滚动轴承故障诊断的准确性。     

基于Choi-Williams分布的机械故障源分离技术的研究

针对传统的机械故障源分离方法的不足,即源信号满足非高斯、平稳和相互独立性的假设,提出了一种基于Choi-Williams分布的机械故障源分离方法,并进行仿真研究,同时,还与传统的机械故障源分离方法进行了比较,仿真结果表明,对于机械非平稳信号的分离,必须充分利用信号的非平稳性,才能达到很好的分离效果。最后,将该方法应用到电机-减速箱耦合的多通道振动实验中,实验结果表明,该方法是有效的。     

模式自适应小波时能密度法及其在微差爆破振动信号分析中的应用

如何解决适合爆破振动信号特征的爆破振动信号小波基构造、添加及其实现等问题,始终是困扰广大研究者的难题。为准确确定微差爆破振动信号实际微差延迟时间,在模式自适应小波原理的基础上,构造了从实测微差爆破振动信号中分离出子信号的模式自适应小波基,然后将该模式自适应小波基添加到Matlab小波分析工具箱中,并提出了一种新的基于爆破振动信号分析的模式自适应小波时能密度法。以实验设计的多段微差爆破振动信号进行模式自适应小波时能密度法分析为例,验证了该方法的可行性。该方法亦可用于分析实测微差爆破振动信号在实际微差延迟时间的确定,并与db8小波法和模式自适应小波法进行比较,结果表明模式自适应小波时能密度法具有更好的应用效果,从而为爆破振动信号分析在实际工程中的应用提供了参考。     

矿山震动信号预处理及其对时频的影响

矿山震动信号在研究微震特征、震动衰减规律、震动灾害评估方面起到至关重要作用。然而,实测的信号往往受到低频的基线漂移和50 Hz的工频干扰的影响,从而影响信号的质量,尤其是当信号能量较低时。为了解决这个问题,提出了一种根据信号自适应改变参数的矿山滤波器,作为实测信号的补充预处理程序。首先,根据线性相位FIR滤波器原理给出了能自动化计算滤波参数的切比雪夫设计方法。然后根据矿山实际的需求,加入了自动调整步骤,该步骤可根据50 Hz频率与周边频率的差距改变滤波器在该频率附近的衰减幅度。最后,评估了信号在滤波前、后的PPV、主频、傅里叶谱、小波时频谱和绝对加速度反应谱的变化。结果表明,提出的矿山自适应滤波器能够很好地过滤干扰信号,并且尽可能地保留信号原有的时频特征。     

基于频域滤波的矿山微震信号分离方法研究

在金属矿山实际生产过程中,矿震信号受到设备机械及开采作业影响成分复杂,矿山普遍面临着微震信号难以识别、提取困难等实际应用问题。本文通过对实际采集信号进行频谱特征分析,能够识别到有效谱峰,并进行频域滤波,从而分离得到多源信号分量;并以微震和爆破两种典型信号为例,介绍了频谱特征分析、滤波分解以及边带信号的加窗压制等处理计算方法。本信号分离方法能够为分析多源复杂信号提供了一个新思路,并且对实现多源分离提供了有效的技术手段;该方法应用于金属矿山的微震安全监测,可以为矿震信号的分类识别、信号特征样本库的建立、信号触发到时的合理性评估提供可靠数据和分析方法支持,同时也有利于提高微震事件识别的准确性。     

基于LabVIEW的高压配电装置振动信号特征提取和模式识别方法

针对高压配电装置分合闸机构机械振动信号的非平稳特性,提出一种基于LabVIEW的小波包分解与重构、Hilbert变换和归一化能量谱相结合的振动信号特征提取方法。在配电装置上进行模拟试验,获取了正常状态、分闸弹簧松动和铁心卡涩模式下的样本数据。对振动信号做时频特性分析,利用K近邻算法对不同状态特征量进行了模式识别。结果表明:配电装置正常信号归一化能量谱向量各元素分布较均匀,而故障信号所得的归一化能量谱向量元素变化较大;K近邻(KNN)算法识别率达93.3%,识别速度快,验证了通过K近邻算法诊断高压配电装置机械故障的可行性。     

经验模态分解在机械设备故障诊断应用研究概述

当机械设备出现故障时,其振动信号中除了故障信号外,还混有能量较大的背景信号和噪声,表现出很强的非线性非平稳特征,利用传统的时域或频域方法很难有效的进行故障诊断。经验模态分解是一种自适应的信号处理方法,主要应用于非线性非平稳信号的分析。本文介绍了经验模态分解方法的原理及处理步骤,结合机械设备状态监测和故障诊断,论述了经验模态分解方法在滤波降噪、特征提取和状态识别中的应用情况．     

自适应冗余第二代小波在信号去噪中的应用

介绍了基于提升方法的第二代小波原理以及自适应冗余第二代小波的构造方法。将自适应冗余第二代小波和冗余第二代小波变换应用于提升机振动信号的去噪分析并进行比较。试验表明,相对于冗余第二代小波,自适应冗余第二代小波在信号去噪方面具有更好的特性。     

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。     

岩石高边坡开挖爆破振动信号处理与振动响应分析

通过对高边坡开挖实测爆破振动资料进行预处理和滤波处理，消除了其中多种干扰成分，并比较不同测点的振动数据、不同振动预测公式和不同滤波方式的分析结果，得到了该高边坡的爆破振动响应规律。结果表明：对于该实测振动资料，地表测点的振动特性与内部测点不一致，删去数量较少的内部测点振动数据进行分析更为合理；采用由量纲分析推导出的公式能较准确地反映高程对高边坡爆破振动的影响；选取高通15 Hz滤波可以有效地滤除实测振动信号的干扰信号，进一步提高爆破振动的预测精度。     

基于盲源分离的齿轮箱故障诊断

主要研究了基于最大信噪比的盲源分离算法,针对4组信号的混合信号进行了分离仿真实验,得到了较好的分离效果,并将其应用于齿轮箱的振动信号分离。对多组振动信号分析结果表明,该算法对混合信号具有很强地分离能力,为机械设备的故障诊断提供了一种有力的信号预处理方法。     

改进二代小波在风机振动信号消噪中的应用

介绍了基于提升法的第2代小波原理和自适应冗余第2代小波的构造方法。比较了将自适应冗余第2代小波和冗余第2代小波变换应用于通风机振动信号的消噪分析时的异同。实验得出,相对于冗余第2代小波,自适应冗余第2代小波在信号消噪方面特性更好。     

基于变分模态分解和粒子群算法的微震信号降噪方法

为从含噪微震信号中提取有效信息, 并准确识别岩体破裂信号和爆破振动信号, 提出了基于粒子群算法和小波阈值去噪的改进变分模态分解方法。该方法利用粒子群算法实现模态数量和惩罚因子的最优取值, 以最优参数对微震信号进行变分模态分解, 再对由高频噪声主导的模态分量进行小波阈值去噪, 将去噪后的高频信号分量与原先的低频信号分量进行重构, 实现信号降噪。经验证, 该方法相比集合经验模态分解和单纯的变分模态分解方法具有更好的降噪效果。以该方法对200组岩体破裂信号和200组爆破振动信号进行去噪, 以第一模态分量能量占比50%作为区分爆破振动信号和岩体破裂信号的依据, 识别成功率达到97.25%, 证实了此识别方法的准确性。     

小波神经网络在流体压力信号中的消噪研究

介绍了小波神经网络的模型,将小波神经网络应用于流体压力信号的降噪。首先用仿真信号验证其有效性,然后用小波神经网络方法对实验信号进行降噪,并计算其降噪效果评价参数。结果表明小波神经网络对流体压力信号降噪是一种有效的方法。     

基于电流信号的带式输送机现场状态监测技术研究

为了了解带式输送机的现场运行状况,使其发挥最高效率,通过大量理论研究与试验发现:带式输送机系统的许多故障信息是以调制的形式存在于所监测的电器信号与减速器振动信号中。通过监测用硬件解调电路及软件希尔伯特变换解调的信号可以达到对整个带式输送机系统运行状态的监测。     

基子电流信号的带式输送机现场状态监测技木研究

为了了解带式输送机的现场运行状况，使其发挥最高效率，通过大量理论研究与试验发现：带式输送机系统的许多故障信息是以调制的形式存在于所监测的电器信号与减速器振动信号中。通过监测用硬件解调电路及软件希尔伯特变换解调的信号可以达到对整个带式输送机系统运行状态的监测。     

基于ICA的齿轮箱故障诊断研究

主要介绍了独立分量分析的基本思想及算法,采用快速独立分量分析(FastICA)的算法对混合的机械振动信号进行分离。应用该算法对实验室采集到的齿轮箱多组振动信号进行了分析,结果表明,独立分量分析在对混合信号进行盲源分离方面有着很好的效果,它是一种很有效的信号预处理的方法,在齿轮箱等机械设备监测和早期故障诊断中得到很好的应用。     

齿轮箱故障诊断中振动信号处理方法综述

介绍了齿轮箱故障振动信号传统的时域、频域分析方法,并列举了一些不同故障所应用的分析方法。齿轮箱由于变工况运行时转速不稳定、负荷变化等状况而产生非平稳信号,因此介绍了一些基于非平稳信号处理的方法特点及应用,并指出了齿轮箱故障诊断的发展趋势。