振动信号数值积分分析及积分误差分离方法研究

利用加速度传感器可以测试振动的加速度信号,再通过数值积分方法可以获得振动速度、位移,但随着测试时间增加数值积分存在积分误差迅速增大问题,致使速度、位移信号严重偏离实际结果。对数值积分误差进行分析,设计一种基于经验模态分解(EMD)的积分误差分离方法,可以有效解决这类问题,通过仿真和实验验证了本方法的有效性。     

振动台试验加速度积分方法

为了寻求一种较为可靠的加速度数值积分方法,对多层多跨预应力混凝土框架结构模型振动台试验的加速度数据分别进行时域和频域内的二次积分,并与试验测试的位移结果进行对比.结果表明,使用频域内积分的方法和经验模态分解(empirical mode decomposition,简称EMD)得到的位移峰值和试验结果都比较吻合.由于频域内积分对低阶截止频率的选择非常敏感,如果没有实测位移结果作为验证,推荐使用EMD方法积分得到位移.     

非平稳工况下振动信号数字积分方法优化

针对风电机组塔架振动信号存在的非平稳特征,为了能依据塔架振动信号得到准确的塔架相对位移数据,提出了基于Ho?drick-Prescott算法的时域积分优化方法,并进行了基于风电机组设计仿真软件Bladed的数据分析和工程实际数据的验证.研究表明,基于傅里叶变换的频域积分不能提供准确相位,不适用于该非平稳工况;而相比采用多项式去趋势的时域积分,因其消除了高噪声产生的低频摆动趋势,其平方和误差指标可达3％～8％,适用于风电机组塔架结构系统的分析和诊断.     

非平稳工况下振动信号数字积分方法优化

针对风电机组塔架振动信号存在的非平稳特征,为了能依据塔架振动信号得到准确的塔架相对位移数据,提出了基于Ho?drick-Prescott算法的时域积分优化方法,并进行了基于风电机组设计仿真软件Bladed的数据分析和工程实际数据的验证.研究表明,基于傅里叶变换的频域积分不能提供准确相位,不适用于该非平稳工况;而相比采用多项式去趋势的时域积分,因其消除了高噪声产生的低频摆动趋势,其平方和误差指标可达3％～8％,适用于风电机组塔架结构系统的分析和诊断.     

非平稳工况下振动信号数字积分方法优化

针对风电机组塔架振动信号存在的非平稳特征,为了能依据塔架振动信号得到准确的塔架相对位移数据,提出了基于Ho?drick-Prescott算法的时域积分优化方法,并进行了基于风电机组设计仿真软件Bladed的数据分析和工程实际数据的验证.研究表明,基于傅里叶变换的频域积分不能提供准确相位,不适用于该非平稳工况;而相比采用多项式去趋势的时域积分,因其消除了高噪声产生的低频摆动趋势,其平方和误差指标可达3％～8％,适用于风电机组塔架结构系统的分析和诊断.     

基于有效信息重构的故障旋转机械振动加速度信号积分方法

提出一种基于有效信息重构的故障旋转机械振动加速度信号积分方法。该方法首先利用集总经验模态分解(EEMD)对积分信号进行分解,然后将峭度指标、均方差值和奇异值组合成特征向量对分解信号进行有效特征提取,并通过欧氏距离搜索提取分解信号中隐含的有效特征分量,最后通过阈值限定将有效特征分量进行叠加重构得到所需有效积分信号。仿真分析和实测数据结果表明,该方法在去除噪声和保留有效特征信息方面,比传统积分方法具有更高的精度和优越性。     

基于能量的振动信号经验模态分解终止条件

经验模态分解(Emprical Mode Decomposition,简称EMD)主要思想是把一个时间序列的信号分解成不同尺度的本征模函数(Intrinsic Mode Function,简称IMF).EMD算法用残余量极值点数量小于2来终止分解,该终止条件有无关组分多和分解速度慢的缺点.针对该缺点,提出了采用残余能量小于设定值的EMD分解终止条件.通过对非线性和实例振动信号的试验研究表明,基于能量的EMD分解终止条件既可以减少分解的无关组分,又可以提高分解的速度.该研究成果能广泛地用于振动信号分析领域.     

振动信号频域积分的滤波修正算法

机械故障诊断中,通过振动信号的软件积分可以实现振动加速度、速度信号向位移信号的转换。为了消除信号中噪声对软件积分结果的影响,分析了软件积分在振动信号积分中趋势项产生的原因,提出了基于传感器低频滤波与阀值滤波修正的频域积分算法。方法简单实用,消除了软件积分结果中的摆动趋势。数值仿真结果与实测结果表明,方法抗噪声能力强,具有很好的精度和通用性,目前已经应用于旋转机械状态监测与故障诊断系统中,为判断机组运行状态提供了很好的依据。     

RV减速器振动测试与信号分析

RV减速器作为一个机械整体系统,在工作过程中必然会产生振动。利用研制的RV减速器综合性能试验装置和振动测试系统,在RV减速器上布置3个测点,对其工作状态中产生的振动信号进行测试。采集和分析了国产SHPR-20E型RV减速器在不同转速和载荷下的振动信号,并对振动信号进行时域和频域分析。通过测试分析,可以掌握RV减速器的振动特性,这为RV减速器的动力学研究、故障诊断和提取、减振降噪提供了试验的基础。     

基于灰色准则与EEMD的滚刀振动信号降噪方法

工程现场采集的滚刀振动信号掺杂噪声,致使信号特征难以提取。提出一种基于灰色准则与集合经验模态分解(EEMD)的滚刀振动信号降噪方法。首先将原信号进行EEMD分解得到若干个特征模态函数(intrinsic mode function,IMF),再根据提出的灰色准则对IMF分量进行极性一致化处理、均值化处理,计算出IMF1与其他IMF分量的灰色关联度,并按照灰色关联度将IMF分量降序排列,然后选择降序排列中前一半IMF分量进行软阈值处理,最终将处理后的IMF分量、未处理的IMF分量及余项进行重构,得到降噪后的信号。通过不同初始信噪比的仿真信号和实际加工中的滚刀振动信号验证了本方法的可行性和有效性,同时与EEMD结合相关系数降噪法、小波软阈值降噪法进行了比较,结果表明本方法的降噪效果更优。     

基于经验模态分解的旋转机械振动信号滤波技术研究

把经验模态分解方法引入了旋转机械振动信号滤波领域,详细地解释了这种方法及其算法。通过对一个带高频毛刺干扰的振动信号的经验模态分解与本征模函数的组合,演示了基于经验模态分解的振动信号滤波的方法。把振动信号滤波前后的波形进行了比较,发现基于经验模态分解的信号滤波方法对振动信号滤波有较好的效果。     

基于振动信号EMD和ICA的刀具破损识别

针对多齿铣削过程中振动信号的特点,提出了一种基于经验模态分解(EMD)和独立分量分析(ICA)相结合的方法,对混叠在振动信号中的铣刀破损信号进行分离。对振动信号进行经验模态分解提取出信号中的所有本征模函数,然后应用fastICA对所提取出的本征模函数进行独立分量分析。利用该方法对铣削加速度振动数据进行了分析,试验表明,该方法可以提取出混合信号中与刀具破损状态相关的故障特征频率成分。     

多自由度振动系统非线性动力特性的HHT辨识方法研究

HHT方法(包括EMD方法)已成功地用于线性振动系统的辨识研究。本文针对多自由度非线性振动系统,利用小波分析方法对非线性振动响应进行预处理,把信号分解成一系列的窄带信号,应用EMD方法使得各阶内在模函数(IMF)均为单一成份信号,然后运用HT方法辨识自由振动响应的非线性特征。典型的线性振动系统和非线性振动系统的辨识结果说明了该方法的有效性。     

基于EMD和HT的旋转机械振动信号时频分析

把一列时间序列数据通过经验模态分解(Empirical Mode Decomposition，简称EMD)成本征模函数组(Intrinsic Mode Function．简称IMF)．然后经希尔伯特变换(Hilbert Transformation，简称HT)获得频谱的信号时频分析新方法引入到旋转机械振动信号处理领域。介绍了该方法的理论和算法。首先．采用调频调幅仿真信号对该方法进行仿真验证；其次．把一实测的旋转机械油膜涡动故障振动信号进行了基于EMD和HT的时频分析。仿真和实测信号的分析结果说明．用基于EMD和HT方法对旋转机械的振动信号进行时频分析是有效的。     

发电机组橡胶柱销联轴器异常振动噪声诊断

为诊断某型柴油发电机组产生的异常噪声故障,将经验模态分解方法(empirical mode decomposition,简称EMD)和Hilbert变换用于发电机主轴承的非平稳振动信号处理,有效提取了主轴承振动信号的时频特征,对机组振动噪声信号、发电机主轴承振动和轴系扭振信号进行了分析。诊断结果表明,由于柴油机激励下机组轴系扭振幅值过大,引起柱销联轴器橡胶件表面的相对运动,产生干摩擦作用力,导致机组轴系产生间歇性的异常振动噪声。该方法对旋转轴系部件摩擦引起的振动噪声故障诊断具有参考价值。     

经验模分解在信号趋势项提取中的应用

研究了经验模分解方法(EmpiricalModeDecomposition,简称EMD)在信号趋势项提取中的应用,提出了基于EMD方法在不同频率限制要求下信号趋势项的定义和提取方法。通过应用于数值模拟信号及实测记录,验证了此定义的可靠性。分析结果表明,EMD方法依据信号自身的特性来定义趋势项,无需预先假定其类型,是一种提取信号趋势项的良好方法。     

基于蚁群算法优化选取阈值的EMD消噪方法

为了改进经验模式分解(EMD)算法的消噪性能,在传统EMD消噪分解的基础上,参照小波阈值的消噪方法,提出了一种基于自适应阈值的EMD消噪方法。首先,建立去噪阈值和均方误差之间的对应函数,在所选阈值保证均方误差最小的前提下,利用具有较好全局搜索性的蚁群算法,根据建立的函数搜索阈值,克服了传统方法中硬阈值和软阈值固定选取的缺陷,实现了最优阈值的选取。仿真信号分析和实际轴承故障信号分析表明,该方法与传统的EMD消噪方法、软硬阈值分析方法相比,消噪效果更加明显。     

CEEMD和小波半软阈值相结合的滚动轴承降噪

针对滚动轴承振动信号降噪处理时如何保证信号边缘信息完整性的问题,提出将互补集合经验模态分解(complementary ensemble empirical mode decomposition,简称CEEMD)与小波半软阈值相结合的信号降噪方法,对滚动轴承故障高频振动信号进行降噪处理。首先,采用CEEMD方法对故障振动信号进行分解,针对信号特点自适应获取不同频段模态分量;其次,将对包含噪声污染的高频信号模态分量进行相关性分析,得到含噪成分较高的高频模态分量,进一步采用小波半软阈值进行降噪处理;最后,将降噪后的模态分量同残余分量进行信号重构,完成降噪过程。分析结果表明,相对于传统小波阈值降噪和CEEMD强制降噪方法,提出的方法能够有效去除高频信号的噪声,且最大程度地保证了原始信号的完整性,降噪效果更好。     

经验模态分解在管道缺陷漏磁检测信号处理中的应用研究

针对管道缺陷漏磁检测信号中存在严重噪声干扰的问题，将经验模态分解方法用于漏磁检测信号的噪声分离和有效信号提取，对实际测试的与输油管道材质相同且具有人为模拟缺陷的漏磁信号进行处理，结果表明，该方法可以很好地抑制噪声从而得到清晰的、表征缺陷特征的有用信号，达到与小波变换相同的处理效果，同时克服了小波方法中基函数选择困难的问题。