基于EMD平均能量法的滚动轴承故障诊断

文中提出了一种用于滚动轴承故障诊断的系统一基于EMD和BP神经网络相结合的诊断系统。该方法首先对原始振动信号进行小波包预处理,提高信噪比,从而得到更适合研究的故障振动信号。然后再对信号进行EMD,分解得到IMF分量,对几个感兴趣的IMF进行分析,获得每个IMF分量的平均能量,作为BP神经网络的输入向量,由此训练神经网络,实现了对滚动轴承故障的智能诊断,并用实际的滚动轴承故障数据进行了验证。图6表2参12     

基于经验模态分解和离散小波能量特征的地毯织机噪声源识别

为识别和定位地毯织机主要噪声源,提出一种基于经验模态分解（EMD）和离散小波能量特征的地毯织机噪声源识别方法。首先应用EMD 对地毯织机噪声信号进行分解,获得若干本征模态分量,根据互相关系数剔除虚假分量并重构信号;其次使用ab 20小波对重构信号进行离散小波变换,分解得到各小波分量并计算各分量的能量 占比;然后提取能量占比较大的分量,分析其时频特性;最后采用激光测振仪依次测量地毯织机各主要部件的振动信号,对比分析得到主要噪声源所在位置,从而完成识别。研究结果表明,该方法可有效地识别和定位地毯织机主要噪声源。     

本征模式函数与自伴微分方程的关系研究

本征模式函数(IMF)是Huang在经验模式分解(EMD)算法中定义的一类函数.根据IMF的定义与自伴常微分方程解的特点之间的相似性,研究了二者之间的关系,得出了本征模式函数是某个自伴二阶常微分方程的解这一结论,并借鉴前人的分析方法给出了证明.     

基于快速自适应经验模态分解的高速经编机振动分析

针对某型高速经编机在高转速下结构振动过大以及机构运动信号与结构振动信号相混叠,故障特征难以分离的问题,提出基于快速自适应经验模态分解(FAEMD)算法的经编机振动故障诊断方法。首先运用FAEMD算法将原始振动信号分解成有限个本征模态函数(IMF),然后计算各IMF分量与原信号的相关性,结合经编机运动特点,判断其中相关性最大的本征模态函数为机构运动分量并去除,最后将剩余分量重组实现结构振动信号的提取。将该方法应用于经编机振动故障诊断中,对动态振动数据进行处理,结合静态固有频率测试,成功提取出与实际故障现象相同的信号频率特征,判断出经编机在高转速下振动过大的原因,为后续经编机振动优化提供了参考。     

基于EMD和小波变换的信号去噪

本文针对振动信号易被噪声污染的特点,采用了EMD＋小波的方法对振动信号进行去噪处理。即在EMD分解的基础上,利用评估系数辨析出被噪声污染严重的分量,并通过小波变换对噪声Imf分量进行去噪。然后建立仿真信号,验证出EMD＋小波的方法对信号去噪是可行的,最后利用信噪比,与常用的去噪方法进行比较,得出了EMD＋小波方法方便、灵活,不受傅里叶变换的限值等。     

CEEMDAN辅助快速谱峭度的滚动轴承故障诊断方法

为解决集合经验模态(EEMD)存在分量重构误差大和提取的故障特征不明显问题,课题组提出一种自适应噪声完备集合经验模态分解(CEEMDAN)辅助快速谱峭度的故障诊断方法。首先采用CEEMDAN将故障信号分解为多个IMF分量,计算分量的谱峭度值,选择峭度和相关度最大的分量进行重构;然后通过快速谱峭度图确定最大共振频带,进行带通滤波分析,获得故障信息;最后采用某滚动轴承实验数据分别对内圈故障和外圈故障进行实验分析。结果表明：与原始故障信号相比,该方法获得的包络谱更清晰,故障频率更明显,内圈故障频率为162 Hz,外圈故障频率为107 Hz。该方法提取故障特征突出,可以得到有效的故障频带。     

基于EMD和AR模型的轴承故障诊断

构建集外圈、内圈和滚动于一体的轴承故障动力学模型,获取轴承运行时的轴承振动信号,采用基于EMD和AR模型的轴承故障诊断方法,将轴承振动信号分解成IMF分量后构建AR模型,再采用该模型自回归参数与残差的方差构建轴承综合判定距离,依据最小综合判别距离对应的状态完成轴承故障诊断。分析研究表明:诊断轴承正常、外圈故障以及内圈故障时,该方法诊断结果误差小、复杂度低,达到了高效诊断轴承故障的目标。     

基于经验模态分解的纸机横向定量测量数据去噪

针对传统去噪算法不能满足更高质量横向定量控制要求,提出一种基于经验模态分解(Empirical Mode Decomposition,EMD)的去噪方法。该方法利用EMD分解时间尺度的特性和自适应性,通过去除高频分量并进行滑动平均滤波达到去噪效果。仿真结果表明,这种算法能有效地滤除噪声,同时又保留定量主要细节,有利于进行后续控制。     

基于CEEMD-SE和LSTM的滚动轴承剩余寿命预测

针对滚动轴承退化数据的复杂性和传统的寿命预测方法不能充分利用数据的相关性从而导致预测精度不高的问题,课题组提出了一种基于多频率尺度样本熵(SE)和长短期记忆神经网络(LSTM)相结合的寿命预测模型.该模型采用互补集成经验模态分解(CEEMD)结合相关系数分析,从滚动轴承振动信号中提取包含主要退化信息的IMF分量,并提取...     

基于时频匹配跟踪的脉象信号能量谱分析

脉象信号是人体复杂系统的一种重要输出信号,传统的脉象信号处理方法主要是在时域或频域进行脉象信号分析,在对脉象信号信息的表征上不充分,并不知道特定频率发生在哪个时刻,也不知道特定时刻有哪些频率存在。采用时频匹配跟踪和时频功率能量比方法分析脉象,进行脉象信号的时频谱分解,研究脉象信号时频谱分布和功率能量比分布特点,从中发现脉象能量集中在5Hz以下的脉象主波峰中,高于5Hz的能量只占总能量的很小部分;病脉的频率范围比正常脉宽,病脉信号中高频部分较宽,不同类型的病脉的高频信号出现的时刻不同。     

基于希尔伯特黄在风力发电机组轴承故障诊断

针对风力发电机组轴承故障振动信号特性,该信号为非平稳信号。提出基于希尔伯特黄的对风力发电机组轴承故障的诊断方法。该方法是用经验模式分解方法将原始信号分解成包含不同特征时间尺度的本征模态函数,并对分解后得到的每一个本征模态函数分量进行希尔伯特变换,从而得出时频平面上的幅值分布的尔伯特谱,并通过其反映出来的物理信息对风力发电机组轴承做故障诊断分析。     

基于多尺度形态学滤波和K-SVD的轴承复合故障特征提取方法

针对滚动轴承复合故障诊断中的故障特征分离和提取难题,课题组提出一种基于多尺度形态滤波(multiscale morphological filtering, MMF)和K-SVD字典学习的复合故障特征分离与提取方法。首先,利用多尺度形态学滤波的尺度差异对信号进行分解,实现复合故障特征分离;其次,通过特征能量因子(feature energy factor, FEF)筛选出最佳尺度分量,并利用K-SVD分别构建学习字典库;然后,通过正交匹配追踪算法(orthogonal matching pursuit, OMP)从字典库中重构出信号;最后,结合迭代求差思想,对复合故障进行分离和特征强化。仿真和实验分析表明该方法能够自适应地分离并准确提取滚动轴承复合故障特征。与经典变分模态分解(variational mode decomposition, VMD)方法对比,该方法具有更好的鲁棒性。     

基于CEEMD和3点对称差分能量算子的滚动轴承故障诊断方法

为解决传统信号处理方法提取滚动轴承故障特征不精确和Teager能量算子解调信号的解调频率和幅值误差较大的问题,课题组提出一种基于互补集合经验模态分解和3点对称差分能量算子结合的轴承故障特征提取方法CEEMD-DEO3S。课题组首先对滚动轴承进行CEEMD分解前进行去噪处理来增强信号的故障脉冲;然后利用CEEMD将去噪后信号分解为一系列固有模态函数,并依据相关系数原则选择最能表征故障的敏感分量,重构后进行DEO3S解调,依据解调后得到的幅值和频率计算信号的包络谱。实验分析表明:所提方法解调信号的误差更小,提取轴承故障频率更精确。     

浅谈粮油食品分析微波消化技术

在粮油食品分析中 ,为了获取和提纯被测成分 ,常常需要将样品有机成分进行消化分解 ,使被测成分和样品中有机物得到分离。目前 ,在消化分解方法中 ,大多仍沿用传统的湿法加热氧化法和干法灰化法 ,而且需要使用一定的氧化剂或助灰化剂。这种传统的消化方法 ,耗费时间长、污染严重、操作繁琐、劳动强度大 ,而且有时很难达到理想的消化效果。所以 ,近年来利用微波炉消化样品技术得到了迅速发展。1　微波消化样品的原理与方法微波消化样品 ,是在微波炉电磁场 (频率一般为2 4 5 0ＭＨｚ)作用下 ,样品与试剂 (通常用无机酸 )通过吸收微波能量 ,从…     

基于Weibull分布函数的枸杞微波干燥过程模拟及应用

为了探究Weibull分布函数中各参数的影响因素及其在枸杞微波热风联合干燥中的应用,以枸杞在不同脉冲比(脉冲比1.5:2 min/1 min;脉冲比1.67:3 min/2 min;脉冲比2:1 min/1 min)、微波功率(185、200、215 W)、微波介入时枸杞含水率(30%,40%,50%)条件下的干燥过程为研究对象,利用Weibull分布函数对其干燥动力学曲线进行模拟并通过建立的Weibull模型对枸杞微波干燥过程中的水分有效扩散系数和干燥活化能进行分析。实验表明:Weibull分布函数能够较好地模拟枸杞的微波干燥过程;尺度参数α与微波脉冲比、微波功率以及含水率均有关,并且随着微波功率的升高而降低,随着微波脉冲比和含水率的升高而升高;而初始含水率、脉冲比和微波功率对形状参数β的影响较小;根据Weibull分布含水分析得到枸杞的水分有效扩散系数为1.7×10~(-5)~3.2×10~(-5)m~2/h以及枸杞的干燥活化能为54.78 k J/mol。     

基于二维经验模态分解算法的织物疵点自动检测

为解决织物疵点检测工序中存在的耗时性问题,提出一种基于二维经验模态分解(EMD)的多方向自适应检测方法.通过Delaunay三角分割、径向基函数插值与二维三次样条插值等方法实现二维EMD算法,用该方法将织物灰度图像分解为一系列子图像,选取包含疵点信息的子图像进行融合,最后通过阈值化来识别织物图像中的疵点.借助于工业线阵...     

小波分析在纸机压榨部轴承故障诊断中的应用

针对纸机压榨部滚动轴承尺寸大响应弱、运转速度低、低频信号容易淹没、调制源多、振动信号非平稳性等特点而导致常规的傅立叶分析诊断故障效果不佳的情况，提出了一种应用小波变换的时频分析方法，对振动信号进行分解和重构处理，获得了振动信号在不同的频段的分量，提取相应特征频段重构分量的功率谱的频域统计值作为特征参数。从而实现对轴承故障诊断。试验结果显示该方法对纸机压榨部故障诊断有很好的效果。     

利用扩频技术进行粮食水分测试的双通道微波技术

本文是将扩频码发射和接收技术应用到粮食水分检测装置中,通过直接测量伪码信号的相位和功率值,获得高精度的微波信号延迟量和功率衰减值,从而得到粮食的含水量。该方案避免了传统微波测量,需利用射线测容重对含水量进行修正的缺点,提高了测量的准确度,降低了测量的难度。     

基于小波分析的折叠成网机传动辊轴承故障诊断

针对折叠成网机传动辊轴承振动信号调制源多和呈现非平稳性等特点而导致常规的傅立叶分析诊断故障效果不佳的情况,提出了一种小波变换的时频分析方法,对轴承振动信号进行分解和重构处理,获得振动信号在不同的频段的分量,提取相应特征频段重构分量的功率谱的频域统计值作为特征参数,进行轴承故障诊断。试验结果显示该方法有较好的诊断效果。     

基于小波分析的铺网机传动辊轴承故障诊断

铺网机传动辊轴承振动信号调制源多呈现出非平稳性等特点，导致常规的傅立叶分析诊断故障效果不佳的情况。本文提出了一种应用小波变换的时频分析方法，对振动信号进行分解和重构处理，获得了振动信号在不同的频段的分量，提取相应特征频段重构分量的功率谱的频域统计值作为特征参数，进行轴承故障诊断。试验结果显示该方法对铺网机传动辊轴承故障诊断有很好的效果。