基于有效奇异值数量规律的滑动轴承转子轴心轨迹提纯研究

针对实测的主轴位移信号存在噪声污染的问题,提出基于有效奇异值数量规律的轴心轨迹提纯方法,并将其应用于大型滑动轴承试验台转子的轴心轨迹提纯,效果优于传统算法(EMD、谐波小波)及其改进算法(基于EMD的改进谐波小波算法),成功识别了转子的不对中故障。此外发现,当奇异值差分谱的首个峰值和紧随其后的差分谱幅值很接近(≥97.16%)时,根据差分谱方法提纯的轴心轨迹会发生畸变,并从能量损失的角度对这种现象进行了分析,分析指出,在这种情况下应该以第2个差分谱峰值对应的分量个数重构信号才能提纯到正确的轴心轨迹,从而进一步完善了差分谱理论。研究结果表明,利用改进的差分谱法的轴心轨迹提纯效果与该研究提出的有效值法的效果相当。     

基于谐波小波包变换的齿轮箱包络解调分析

齿轮箱发生某些故障时所产生的非平稳信号具有多分量调制的特点,啮合分量及倍频受噪声干扰影响严重且相互交叠,信号频带较宽异常复杂,给故障诊断带来了很大的障碍。在研究谐波小波频段分解与Hibert解调分析的基础上,提出了基于谐波小波包变换的解调分析法的实现过程。该方法首先对预处理后的信号进行三次样条插值并作必要的频谱分析;然后结合频谱特征与齿轮箱故障特征频率的理论计算值,确定所需提取的特征啮合分量;继而确定谐波小波包分解层数与提取的频带带宽,再通过傅立叶变换及反变换得到相应的特征啮合分量;最后采用Hilbert算子对提取出的啮合分量进行包络解调分析。将该方法应用到实际齿轮箱的磨损及点蚀故障的诊断试验中,验证了该方法对任意频段调制信息的精确提取能力,为齿轮箱故障源及故障程度的准确定位提供了可靠的判断依据。     

基于匹配追踪的特征频率提取算法及其应用

针对大型转子试验台轴心轨迹提纯的问题,提出了采用匹配追踪(Matching Pursuit,MP)算法提取特征频率合成轴心轨迹的新方法。算法中信号的稀疏分解采用MP算法实现,字典集由正弦波模型构建,通过对正弦波的伸缩、平移构造过完备字典库,该算法可实现对单个或多个特征频率的提取;将此方法应用于大型转子系统轴心轨迹的提纯上,并与主成分分析法、谐波小波算法和小波包算法的处理效果进行了比较。结果表明,采用匹配追踪算法提纯的轴心轨迹更为清晰。     

转子系统油膜失稳故障的时频特征分析

采用转子试验台对油膜失稳故障进行模拟,通过调整转盘厚度和转轴长度来改变试验参数,最后采集两组不同参数下的发生油膜失稳的振动信号,通过三维谱图、重排小波尺度图和轴心轨迹对其故障特征进行提取,得到发生油膜失稳故障的一些新的时频特征,并对其产生机理进行了分析,得出的结论可为油膜失稳故障诊断提供理论参考。     

基于奇异值差分谱理论的大型转子轴心轨迹提纯

针对大型轴承试验台的转子轴心轨迹的提纯问题,提出采用奇异值差分谱提纯轴心轨迹的方法。奇异值差分谱可以直观表示有用分量和噪声分量的差异,由差分谱首个峰值可以确定有用分量个数。将原始振动信号构造Hankel矩阵,对其进行奇异值分解(SVD),利用奇异值差分谱来选取特征奇异值,通过SVD重构得到特征信号,利用特征信号得到提纯的轴心轨迹。比较了SVD和谐波小波包算法的处理效果,结果表明,由奇异值差分谱提纯的轴心轨迹更清晰。     

基于信号共振稀疏分解与重分配小波尺度谱的转子碰摩故障诊断方法

提出了基于信号共振稀疏分解与重分配小波尺度谱的转子碰摩故障诊断方法。与常规的基于频带划分的信号分解方法不同,信号共振稀疏分解方法根据信号中各成分品质因子的不同,将信号分解成高共振分量和低共振分量。当转子出现碰摩故障时,振动信号往往由以转频及谐波为主要成分的周期信号、包含转子故障信息的瞬态冲击信号以及噪声组成。周期信号为窄带信号,具有高的品质因子,可分解为高共振分量;而瞬态冲击信号为宽带信号,具有低的品质因子,可分解为低共振分量。本文方法先利用信号共振稀疏分解方法从转子碰摩信号中提取冲击成分,再对提取的冲击成分进行重分配小波尺度谱分析,最后根据尺度图中冲击成分的周期诊断转子碰摩故障。算法仿真和应用实例验证了该方法诊断转子碰摩故障的有效性。     

基于谐波小波包方法的旋转机械故障信号提取

旋转机械发生某些故障时将产生具有奇异性的非平稳信号,检测出振动信号中的奇异性对于设备状态监测和早期故障诊断具有十分重要的意义。在研究谐波小波频段分解的基础上,结合仿真信号与故障试验的分析,采用谐波小波包方法来诊断实际转子的碰摩故障,体现了该方法对任意频段“任意细化”的能力。试验验证取得了满意结果,为旋转机械故障信号的分析和提取创造了条件。     

基于LabVIEW的轴心轨迹故障自动识别系统

针对目前旋转机械故障诊断的计算量大、识别准确度不高、自动化程度低等问题,提出一种基于LabVIEW的轴心轨迹故障自动识别的新方法。对比小波与传统去噪算法,选用效果更优的小波提纯仿真轴心轨迹。通过改进的HU不变矩函数提取轴心轨迹的特征值,保证比例缩放不变性。两路相互垂直的位移传感器连接西门子LMS采集振动信号,结合关联度算法,在LabVIEW轴心轨迹故障自动识别系统上进行转子不对中故障测试,识别的结果与外8字轴心轨迹关联度高达97%,同时信号的Matlab时域轴心轨迹图为外8字,信号频谱图主要为一倍频和二倍频,均符合转子不对中故障特征。结果表明:该系统能够进行在线故障识别,为旋转机械的智能故障诊断提供参考依据。     

基于自适应谐波小波和能量熵的转子系统故障诊断研究

针对转子系统非平稳振动时故障特征难以准确提取的问题,提出一种基于自适应谐波小波和能量熵的转子系统故障诊断方法。首先,采用连续谐波小波方法分解转子信号,克服"二进制"谐波小波包分解不能任意选取感兴趣频段的缺限,同时在分解过程中通过时间尺度变换的方式消除信号采集过程中不同转速及采样频率的影响;然后,通过设定合理的分解参数,提取出表征转子系统的故障特征信息并构建故障模式矩阵,得到转子系统早期局部碰摩、全周碰摩、油膜涡动和油膜振荡等4种工况下的能量熵值;最后,将特征向量输入支持向量机(support vector machine,SVM)判断出转子系统的故障类型。试验结果表明:该方法可以有效用于转子系统的故障诊断。     

基于局部均值分解与形态谱的旋转机械故障诊断方法

针对旋转机械不同类型故障会使振动信号具有不同形态特征及振动信号信噪比低等特点,提出基于局部均值分解（Local Mean Decomposition,LMD）与形态谱的旋转机械故障诊断方法。其中的LMD能对旋转机械原始振动信号进行降噪处理,而形态谱则能反映振动信号的形态特征,从而能判断旋转机械的工作状态。将该方法用于转子系统故障诊断,分析结果表明,该方法能有效提取旋转机械故障振动信号的故障特征,能准确识别旋转机械的故障状态。     

基于相位差校正法的全息谱研究

针对传统全息谱在噪声干扰下精度降低的问题,提出了一种新的基于相位差校正法的全息谱分析方法。该方法首先对时域信号加窗截断后进行FFT变换,然后引入相位差法校正其频率、幅值和相位,最后合成全息谱图。通过仿真及对柔性转子实验台的振动信号的分析,表明基于相位差校正法的全息谱可以明显提高其分析精度,更加精确而有效地诊断旋转机械的故障。     

滚动轴承转子系统不对中-碰摩耦合故障非线性动力学分析

为了获取转子系统不对中-碰摩耦合故障下的动力学特性,通过拉格朗日待定乘子法建立了在完整约束下滚动轴承转子系统非线性动力学微分方程,采用龙格库塔数值法研究了不对中-碰摩耦合故障下系统的动力学响应,采用时域图、轴心轨迹图、分叉图、Poincare截面图和FFT谱图分析了不对中度、碰摩刚度和碰摩间隙对转子振动响应的影响。分析结果表明:不对中度的增大会使系统1倍频振动响应增大,也会产生2倍、4倍等偶数倍频,同时出现与VC(Varying Compliance)频率之间的组合频率响应。在低转速下,碰摩刚度和碰摩间隙对转子系统的影响较小;在高转速下,较小的碰摩刚度和较大的碰摩间隙会缓解系统的非线性行为。     

基于声振信号EMD分解的轻微碰摩故障诊断方法研究

针对转子系统局部碰摩故障特征及声音振动信号特点,采用一种基于声振信号经验模式分解(Empirical Mode Decomposition简称EMD)的轻微局部碰摩故障诊断方法对滑动轴承碰摩故障进行特征提取。由于EMD分解不需要固定的基函数,根据信号特征自适应的调整,从而实现碰摩特征及旋转激励背景信号自动分解。通过设计滑动轴承缺油工况轴承碰摩试验,并进行振动全息测试分析,将所得声振信号本征模式函数时域特征和边界谱特征与转子径向位移及轴承座加速度信号对比分析,确定了碰摩部件;从而证明基于声振信号EMD分解的碰摩故障诊断方法的有效性。     

时频谱相似性度量的故障特征提取方法

针对齿轮或轴承在局部故障损伤状态下的振动信号,提出一种基于时频谱相似性度量的故障特征提取方法,用于齿轮或轴承相关故障的诊断。该方法首先利用比例因子可调的S变换对振动信号进行时频变换;然后在S变换时频谱中,选取一个显著的冲击特征,保持其频率不变,令其沿时间轴方向,从初始时间平移至终了时间,同时计算冲击特征与所遮掩时频区块之间的余弦相似度和相关系数;平移结束后获得余弦相似度和相关系数的曲线。仿真信号和齿轮、轴承故障振动信号的处理结果表明,余弦相似度曲线和相关系数曲线均可展现出故障冲击特征的周期性变化规律,且两者的频谱均能够提取出故障特征频率,实现齿轮或轴承相关故障的识别。     

改进谐波小波及其在振动信号时频分析中的应用

针对谐波小波在时域衰减速度慢的缺点,对其在频域进行光滑化处理,得到了性质更好的改进谐波小波。由于采用光谱化方法只能得到改进小波在频域的表达式,因而采用基于FFT的算法对它进行计算。针对振动信号一般舸样点较多的特点,采用计算等间隔小波系数的方法以减少计算量。以改进谐波小波对某新型导弹空中点火试验的振动信号进行了时频分析,并采用计算时频图等高图的方法以消除大部分无用的信息,得到了振动信号的高清晰时频图。     

一种基于改进的傅立叶变换的弱故障信号特征提取新方法研究

弱信号特征提取一直是故障诊断领域的难点,文章结合传统傅立叶变换,提出一种将时间序列变换为频域,再从频域转换到时域的复数域,并对该复数域进行幅值计算的方法对弱信号进行特征提取。通过仿真计算发现该方法突出了信号的局部特征信息,不仅能对夹杂在信号中的微弱冲击成分进行较好的再现,而且也能在强背景噪声环境下提取微弱故障信息。最后通过齿轮齿面接触型故障实验验证了该方法的有效性。     

延伸奇异值分解包及其在高速列车轮对轴承故障诊断中的应用

结合多分辨奇异值分解包的分解结构和对滚动轴承故障信号的Hankel矩阵的奇异值分布特性研究,提出了延伸奇异值分解包。该算法的核心包括矩阵递推构造和矩阵重构。以分量信号能量为指标,提出了有效分量信号的筛选准则,并基于该准则,进一步提出了延伸奇异值分解包的快速算法。仿真结果表明,延伸奇异值分解包对信号中共振频带分量信号具有很好的分解能力,方法具有强鲁棒性,同时极大地改善了奇异值分解包中出现的模态混叠。应用高速列车轮对轴承试验数据对该方法进行试验验证,结果表明,该方法能有效分离高速列车轮对轴承复合故障信号的不同共振频带信号,对筛选的有效分量信号进行包络分析,可有效提取不同类型的故障特征频率及其谐波,对共振频带的聚集性和故障的表征力相比奇异值分解包均有显著提高。     

基于多尺度降维的柴油机信号信息熵增强方法

针对柴油机曲轴轴承磨损故障信号特征微弱,易被噪声湮没且不同故障程度信号较难区分的特点,提出了一种基于压缩小波和局部保持投影的柴油机信息熵增强方法。利用压缩小波对信号多尺度重构减弱噪声干扰,通过局部保持映射对多尺度信号进行降维,消除冗余信息并增强信号的冲击特性,最终以时域、频域以及时频域的三种信息熵表征信号特征。仿真和实例信号表明,该方法对故障信号特征增强明显,依据信息熵值实现了曲轴磨损状态的分类识别。     

基于蝙蝠算法优化的变分模态分解的转子裂纹检测方法

针对转子裂纹故障特征难于提取,提出了一种基于蝙蝠算法(BA)优化参数的变分模态分解(VMD)诊断转子裂纹故障的方法。将蝙蝠算法应用于变分模态分解,对变分模态分解中参数K和惩罚因子α进行全局寻优,用BA搜索VMD的最优(α,K)组合,迭代过程采用局部极小包络熵为适应度值。仿真分析的结果表明,BA-VMD方法能很好的完成VMD参数K和α的自适应获取,且在抗模态混叠和抗噪声干扰方面的具有明显优势,最后采用BA-VMD方法对裂纹转子的位移信号进行了实验分析,分析结果表明,采用BA-VMD方法处理后的频谱能充分反映出信号的频率特征,且通过频率结构特征很容易识别出转子裂纹的故障特征。