基于Hilbert—Huang变换的振动信号特征提取

采用Hilbert-Huang变换,提取高压齿轮泵泵壳振动信号故障特征.该方法先对信号进行EMD分析和Hilbert变换,再提取信号Hilbert谱及谱熵.Hilbert谱刻画了信号的能量随时间和频率的变化规律,而谱熵刻画了信号能量分布的复杂性.分析结果表明,提取的特征有效地刻画了故障信号,为故障模式的识别奠定了基础.     

基于同步提取变换的旋转机械振动信号时频分析北大核心

为提升工业现场采集摩擦故障振动信号时频分辨率,采用小波变换、短时傅里叶变换、同步挤压变换和同步提取变换(SET)4种时频分析算法对多分量仿真信号和旋转机械的摩擦故障振动信号进行时频分析,并对同步提取变换算法原理进行详细介绍。通过实验与其他3种算法Renyi熵值进行比较。结果表明:针对多分量仿真信号,利用SET算法可有效去除能量发散现象、混叠和端点效应,与原始多分量仿真信号的真实时频谱一致,在时间分辨率和频率分辨率上均实现了最优;针对现场摩擦故障振动信号,利用SET可以很好地抑制摩擦故障信号中的背景噪声,得到的时频图时频聚焦性较好,同时能量发散情况得到极大改善,在时频图中可以清晰地看出摩擦故障信号对应的频率。     

全矢S变换在风力机齿轮箱微弱故障特征提取中的运用

针对齿轮箱早期微弱故障特征受其他扰动信号干扰而难于提取的问题,提出一种全矢理论结合广义S变换的方法用于提高微弱故障特征的区分度。该方法是以全矢理论将相互垂直的双通道振动信号进行融合,保证信号源信息的完整,继而利用广义S变换具有根据时频聚集性度量准则自适应地获取信号最佳时频谱的优势,实现融合信号的二维时频表示,以时频序列的能量矩阵构建区分齿轮工作状态的故障特征。通过风电机组齿轮箱在点蚀、裂纹和均匀磨损3种微弱故障状态下的各20组实验,验证了全矢S变换在微弱故障特征提取中的优势。     

基于IFM-VMD与WTD-Hilbert结合的滚动轴承故障诊断

针对变模式分解(VMD)中分解层数K对分解结果准确度影响较大以及轴承振动信号夹杂的噪声极大地影响有用信息提取的问题,提出了一种利用瞬时频率均值(IFM)确定K值并结合小波阈值降噪(WTD)和Hilbert变换对轴承的振动信号进行分析的方法。首先利用瞬时频率均值选择合适的VMD中的K值,然后用VMD方法对含噪声的信号进行自适应分解,根据相关系数原则从分解的分量中选取含有主要故障信息的分量进行小波阈值降噪分析,最后进行Hilbert变换解调出故障特征频率。为验证此方法的可行性,首先通过仿真信号验证了所用降噪方法的可靠性,然后用提出的IFM-VMD与WTD-Hilbert结合的方法对实际轴承故障数据进行分析,该方法故障诊断的准确率达到99%以上,说明该方法可以很好地识别滚动轴承的故障信息。     

小波分析方法在混凝土检测中的应用

能量是信号分析的一个重要物理量，它随时间和频率的分布反映了信号的特征。利用建立在小波变换基础上的时间-能密度分析方法分析信号在不同频带内的能量随时间的分布情况，从而提取信号特征。除掉输入信号的影响，便可得到声波在混凝土内部传播过程中各频谱上的能量变化情况，再利用模式识别方法可检测出混凝土内部缺陷。     

金属材料马氏体相变声发射特性

利用声发射技术对45钢、GCr15钢和T12钢三种材料进行连续冷却条件下马氏体相变监测试验,并以相变声发射参量分布及波形特性为基础,分析了马氏体相变声发射信号的时频特性。结果表明,GCr15钢具有明显的等温马氏体相变特征,45钢、T12钢为变温马氏体特征,且片状马氏体声发射信号幅值与能量高于板条状马氏体,具有较宽的频率范围。     

基于信息熵的马氏体相变声发射信号分析

以信息熵理论为基础,针对马氏体相变过程声发射信号,利用基于频域分析的小波包能谱熵,得到相变过程声发射信号频率空间的能量分布信息。提取出不同类型信号的能谱熵特征值,并利用基于时域分析的吉布斯概率熵,以能谱熵特征值作为幅度谱的子区间划分参数,实现马氏体相变过程声发射信号吉布斯概率熵变化过程的准确描述。分析表明,这些信息熵特征值可以准确评价马氏相变过程的声发射信号变化规律。     

基于同步提取变换与阶比分析的轴承变转速故障诊断

针对基于瞬时频率估计的阶比分析方法中,瞬时频率难以估计的问题,提出一种基于同步提取变换(SET)的阶比分析方法,对轴承的变转速振动信号进行分析。该方法利用SET良好的能量集中特性,提取强噪声环境下轴承振动信号中的瞬时频率,通过对计算瞬时频率的鉴相时标,对时域信号进行等角度采样,从而得到稳态的角域信号。通过分析轴承实验台的变转速振动信号表明,该方法能够有效抑制噪声的干扰,精确地提取出变转速信号的瞬时频率,成功地实现变转速状态下轴承的故障诊断。     

Q345R钢焊接缺陷声发射信号的时频分析

利用短时傅里叶变换(STFT)、Wigner-Ville分布(WVD)、小波变换(WT)、HilbertHuang变换(HHT)四种时频分析方法对含焊接夹渣的Q345R钢在弯曲过程中各个阶段的声发射信号进行比较研究,确定了各个阶段声发射信号的时频特性及能量分布。研究结果表明,弯曲变形过程中,各个阶段的声发射信号各不相同;HHT具有最高的时频分辨率,WT次之,WVD紧随其后,STFT最差;弹性变形阶段信号的能量主要分布在25~80kHz之间,塑性变形阶段信号的能量主要集中在80~120kHz之间,裂纹扩展阶段信号的能量主要集中在140~170kHz之间。     

基于小波神经网络的储罐声发射检测信号分析方法

声发射检测技术常用于常压立式储罐底板的腐蚀检测,但由于罐底声源种类复杂,常出现影响罐底评价结果的问题。提出了基于小波神经网络的储罐底板声发射信号处理方法。该方法运用小波变换,采用阈值去噪方法对检测信号进行去噪处理,以小波包分解后各节点的能量分布提取出底板腐蚀信号的特征向量作为网络输入,选取"紧致型"的小波神经网络,实现了不同类型储罐腐蚀声发射信号的有效识别。经漏磁检测验证,该方法提高了储罐底板腐蚀声发射信号的分析精度,从而实现对常压储罐腐蚀声发射信号的准确评价。     

基于连续小波的螺杆压缩机气阀状态监测方法研究

针对实测螺杆压缩机气阀在不同状态下振动信号的特点,采用连续小波变换的方法得到信号在尺度上的平均能量分布,即信号的平均尺度-小波能量谱.根据气阀不同状态下振动信号在尺度上的能量分布差异,提出了基于平均尺度-小波能量的标准特征向量判断压缩机气阀状态的方法,能够很好地识别出螺杆压缩机气阀的状态类型.该方法为螺杆压缩机状态监测及故障诊断提供了一种新的有效途径.     

基于特征频率自动识别的机床振动分析

在精密超精密加工中微小的振动都会影响机床的加工精度。为了有效减小或抑制振动,在线提取、分析和辨识振动是十分必要的。文章基于傅立叶变换,提出了频域自动识别的方法。该方法首先获取由转速引起的振动频率,再利用该频率分析振动信号中是否含有其他振动源,从而实现振动的在线辨识,并通过机床空转实验和加工实验进行验证。实验结果表明:该方法提取出的振动频率准确,可应用于加工的振动在线辨识与分析。     

基于声发射信号模式的齿轮特征识别研究

鉴于声发射信号对齿轮早期裂纹具有独特的敏感性,对早期齿轮声发射信号的特征识别具有重要意义。介绍小波变换理论及其原理,建立齿轮疲劳试验平台,利用小波阈值降噪对不同工况下齿轮声发射信号进行预处理,获取高能量频段的信号并提取时域、频域特征参数,将其作为BP神经网络的输入,以识别不同工况下的声发射信号。实验结果表明：与去噪后的全频段信号相比,基于高能量频段信号所提取的特征参数具有更高的识别率,为早期齿轮故障信号分析和检测提供借鉴。     

基于特征线—快速傅里叶变换法的轴向柱塞泵流固耦合振动特性研究

轴向柱塞泵为流固耦合机械设备。工作时,振动特性较为复杂。使用特征线—快速傅里叶变换法（ MOC-FFT）对柱塞泵中由流固耦合所引起的振动特性进行了研究。利用特征线法求解流固耦合振动偏微分方程（1）,得到时域信号,再使用快速傅里叶变换法,可得到管道系统的固有频率。该方法既拥有特征线法针对耦合振动建模清晰,计算简便等特点;又利用快速傅里叶变换法将振动特征转换至频域中。通过对频域振动特性的研究,得出A10V型柱塞泵工作中应避开的工作振动频率成份,以及斜盘摆角、压力、转速对柱塞泵由流固耦合引起的高频振动谱线影响变化规律。     

基于DT-LMD机床轴承故障信号提取研究

为了准确得到机床故障轴承的运行状态,结合双树复小波变换(Daul-Tree Complex Wavelet Transform,DT-CWT)和局域均值方法 (LMD)分解的方法提出了一种新的方法 (DT-LMD),对轴承故障振动信号提取,首先利用双树复小波变换对信号进行降噪和重构,其次通过局域均值方法分解,再次利用该方法对机床轴承实际振动信号进行分解,提取其能量特征值并将特征值进行归一化处理,得到各个分量的能量值;最后判断轴承的故障类型。     

改进停止阈值准则的振动信号降噪方法研究

在使用压缩感知理论解决振动信号的降噪问题时,信号重构阶段使用最多的是正交匹配追踪算法,如果该算法的迭代停止阈值选取不当,迭代误差的循环将会导致重构误差增大,降噪性能会下降。提出一种基于改进停止阈值准则的降噪方法,利用离散余弦变换得到完备字典矩阵,对振动信号进行稀疏表示,得到稀疏系数向量;然后用正态分布检验稀疏系数是否服从正态分布,利用3σ准则计算得到停止阈值;最后在求解最小二乘解的步骤之后添加筛选判断条件与迭代停止阈值。仿真定义信号和实测振动信号的降噪分析结果表明：此改进方法可将信噪比(SNR)为-1.025 7 dB强噪声背景信号的信噪比提升到2.054 9 dB。此方法在信噪比、均方差根等降噪性能指标上均优于SP、OMP、SWOMP三种降噪方法。     

电梯钢丝绳拉伸过程中的声发射特征

采用声发射技术对电梯钢丝绳拉伸过程进行监测,获取钢丝绳断丝信号,并对断丝信号进行参数分析和波形分析。试验结果表明:声发射检测技术能很好地定性辨识断丝信号。断丝信号具有高幅值高能量的特点,信号幅值在80~100 dB之间或绝对能量在2×10~6 mV·s以上的信号可定性认定为断丝信号。通过对具有这些特征的信号进行统计,可对钢丝绳断丝情况定量计算,从而推断出钢丝绳的剩余强度。钢丝绳断丝信号为突发型信号,对信号进行快速傅里叶变换可得知断丝信号的频率主要分布在0~220 kHz之间,且在25~50 kHz之间有明显的能量峰值。     

频谱细化方法在干式真空泵故障诊断中的应用

基于小波变换的频谱细化方法可提取信号所需频率成分的特征.通过合理选择小波参数,利用多个单Morlet小波组成的组合小波可构成具有零相移、平顶通带及快速衰减过渡带特性的带通滤波器,再采用频谱细化方法对干式真空泵轴承的振动信号作频谱分析,提取出故障特征频率,并将该方法与功率谱分析做了对比.结果表明,基于小波变换的频谱细化方法比功率谱分析法有较高的频率分辨率,可更有效地应用于故障诊断,且实现过程也比较简单.     

基于特征线—快速傅里叶变换法的轴向柱塞泵流固耦合振动特性研究（英文）

轴向柱塞泵为流固耦合机械设备。工作时,振动特性较为复杂。使用特征线—快速傅里叶变换法(MOC-FFT)对柱塞泵中由流固耦合所引起的振动特性进行了研究。利用特征线法求解流固耦合振动偏微分方程(1),得到时域信号,再使用快速傅里叶变换法,可得到管道系统的固有频率。该方法既拥有特征线法针对耦合振动建模清晰,计算简便等特点;又利用快速傅里叶变换法将振动特征转换至频域中。通过对频域振动特性的研究,得出A10V型柱塞泵工作中应避开的工作振动频率成份,以及斜盘摆角、压力、转速对柱塞泵由流固耦合引起的高频振动谱线影响变化规律。     

Savitzky Golay-WPT在滚刀主轴振动信号降噪中的应用

为消除滚齿机在加工过程中,滚刀主轴振动信号因环境影响而产生的噪声信号,提出一种基于Savitzky Golay -WPT的信号降噪方法。对原信号进行计算,得其最佳小波包分解树;根据最佳分解树,进行小波包变换（WPT）,得小波包系数;利用阈值函数对小波包系数进行筛选;结合最小二乘拟合方法对小波包筛选后系数进行重构。结果表明：与传统小波包和CEEMDAN相比,所提方法降噪性能分别提高3135%和2271%;在实际加工数据中,与传统小波包方法对比,该方法可减少中心频率周边干扰,使中心频率特征更突出,降噪效果更明显。