轴承故障诊断中共振解调技术的应用研究

为解决机械设备滚动轴承的早期故障难于识别的问题,采用共振解调技术对此类故障对应的微冲击脉冲进行了提取研究．分别采用频谱分析、软件及硬件共振解调的方法对滚动轴承的外圈点蚀故障信号进行了分析．结果表明,共振解调技术能提取早期故障的微冲击特征,相对软件共振解调,硬件共振解调谱图故障特征明显,能对轴承早期裂纹、点蚀等微冲击故障进行有效提取．     

基于声发射波形流信号的滚动轴承故障双谱分析及诊断

使用声发射波形流测试技术,采集滚动轴承正常状态及外圈故障、内圈故障和滚动体故障时的声发射波形流信号,分析声发射波形流信号与故障频率特征值间的关系。运用包络谱分析方法对滚动轴承声发射波形流信号进行分析,提取运转过程中信号峰值频率,通过与滚动轴承不同故障固有特征频率的理论值对比,发现具有很好的一致性。通过对滚动轴承声发射波形流信号的包络分析,可实现滚动轴承故障的早期诊断。     

基于声发射波形流信号的滚动轴承故障双谱分析及诊断

使用声发射波形流测试技术,采集滚动轴承正常状态及外圈故障、内圈故障和滚动体故障时的声发射波形流信号,分析声发射波形流信号与故障频率特征值间的关系。运用包络谱分析方法对滚动轴承声发射波形流信号进行分析,提取运转过程中信号峰值频率,通过与滚动轴承不同故障固有特征频率的理论值对比,发现具有很好的一致性。通过对滚动轴承声发射波形流信号的包络分析,可实现滚动轴承故障的早期诊断。     

滚动轴承局部故障的声发射信号解析模型与频域特征

准确描述故障信号是进行滚动轴承故障特征提取与分析的基础。深入分析了滚动体通过轴承内、外圈局部故障时产生声发射信号的机理,建立了含双冲击响应的声发射信号解析模型,并探讨了声发射信号的频域特征。采用仿真信号与试验信号验证了解析模型的正确性。结果表明:滚动体通过局部故障时会产生与进、出故障相关的2个声发射事件,且2个事件的响应能量均集中在传感器共振频率附近;声发射信号功率谱由低频段的离散谱和高频段的连续谱共同组成。     

一种叶片裂纹检测的稀疏共振解调算法

针对强相干噪声干扰下叶片振动信号中裂纹故障微弱特征的提取问题,提出了一种基于稀疏共振解调的诊断方法。首先,利用从中心集化多分辨分析处理机组上取得的原始振动信号进行子空间重构;其次, 对小波子空间信号进行希尔伯特包络解调,选取故障特征频率及其倍频成分能量占优的子空间;再次, 根据周期性故障稀疏模型,采用梳形滤波器分离故障特征频率及其倍频成分,构造故障分量参考信号;最后,结合故障参考信号对子空间重构信号进行小波降噪, 从而提取与叶片裂纹相关的微弱特征。在出现叶片裂纹故障的发电机组增压风机故障诊断案例分析中,仅采用多尺度分解无法在时域上得到周期性冲击故障特征。而采用所提出的基于稀疏共振解调方法进行信号处理后,强相干噪声得到了有效抑制, 从而突出了故障特征。     

基于声发射信号的柴油机排气阀故障诊断试验研究

气阀的撞击和气体压力的冲击均会产生声发射信号,声发射信号的频率范围宽,信息量丰富,在无损检测领域已得到了广泛应用,将声发射传感器引入柴油机排气阀的故障监测诊断中,以WP10.240N型柴油机为研究对象,搭建试验测试平台,模拟3种类型的排气阀故障,通过试验研究了柴油机气阀在不同状态下声发射信号特征,提取了与排气阀故障相关的特征参数,探索了基于声发射信号的柴油机气阀故障诊断的可行性。     

基于RSSD和小波变换的滚动轴承故障诊断

滚动轴承故障被视作瞬态冲击成分,在信号共振稀疏分解中一般被分解到的低共振分量当中。由于噪声影响,低共振分量的希尔伯特解调包络谱中依然存在大量的干扰频率,使得故障特征提取有时不明显,或不易观察,因此本文提出了一种基于信号共振稀疏分解(RSSD)与小波变换相结合的故障诊断方法。在滚动轴承早期微弱故障的诊断中,采用小波分析技术对隐藏于低共振分量的故障特征进行提取,可以更加有效地凸显故障特征;通过对滚动轴承内圈和外圈单一故障振动信号的分析应用,成功提取了故障特征,验证了这一方法在滚动轴承早期故障诊断应用的有效性。     

基于聚类分析的转子碰摩声发射特征提取

根据碰摩声发射信号的特点,选用波形幅值、脉冲指标、裕度指标和峭度指标作为声发射信号聚类分析的特征参数.利用聚类分析,提取转子试验有、无碰摩两种情况下的聚类中心声发射信号,并采用伪Wigner-Ville分布对各中心信号进行分析和对比,从而得到转子碰摩故障的声发射信号特征频率.试验结果表明:聚类分析方法能有效区分出碰摩声发射信号,为碰摩故障诊断提供了一种新方法.     

光纤声发射源定位实验平台的研究与实现

为了研究固体中声发射源定位问题,开发了一套成本低廉,适用范围广,检测灵敏度高的声发射源定位实验系统.采用Sagnac光纤干涉仪作为点传感器构成传感阵列,给出了Sagnac光纤干涉仪超声检测及声源定位的原理;光纤传感器布置在矩形钢板上构成阵列,用模拟声源激励钢板上的任意位置,基于单片机的数据采集电路将四路声发射信号发送给计算机,计算机通过VB编写的软件平台对四路信号进行解调处理.根据四路信号的时间差得到声源的位置,并采用时差修正法提高了定位精度.结果表明,此系统利用光纤传感器实现了钢板中声发射源的定位,为材料结构健康检测与监控的研究提供了一种新的方法.     

齿轮裂纹早期故障的完全解调分析

齿轮轮齿发生早期裂纹时,裂纹故障信号十分微弱,为了有效提取早期裂纹故障特征,本文提出完全解调分析方法,即针对实际的齿轮振动信号调幅、调相同时存在的特点,进行幅值包络解调和相位解调相结合的完全解调分析．仿真及实例分析结果表明,本文所提出的方法能将齿轮早期裂纹故障信息从复杂的振动信号中提取出来,幅值包络解调和相位解调相结合的完全解调分析,可以提高故障诊断准确率．     

基于小波-VMD-Teager能量算子的滚动轴承微弱故障诊断

针对滚动轴承的单一故障进行诊断,提出了将小波VMD-Teager能量算子相结合和小波CEEMD-Teager能量算子相结合的诊断方法。对于滚动轴承的故障信号首先是进行小波降噪,使用VMD分解得到IMF分量,利用峭度和相关系数的大小选择合适的IMF分量,进行重构。通过对重构的IMF进行Teager能量算子包络解调处理,最后可以得到不同故障程度的轴承故障的特征频率。对比VMD处理和CEEMD处理得到的故障信号包络图,利用实验数据验证表明, VMD处理能更有效提取滚动轴承的单一故障微弱特征。     

Research on the Comprehensive Demodulation of Gear Tooth Crack Early Fault

The component of gear vibration signal is very complex,when a localized tooth defect such as a tooth crack is pre- sent,the engagement of the cracked tooth will induce an impulsive change with comparatively low energy to the gear mesh signal and the background noise.This paper presents a new comprehensive demodulation method which combined with amplitude envelop demodulation and phase demodulation to extract gear crack early fault.A mathematical model of gear vibration signal contain crack fault is put forward.Simulation results based on this model show that the new comprehensive demodulation method is more effective in finding fault and judging fault level then conventional single amplitude demodulation at present.     

多小波自适应阈值降噪在故障诊断中的应用

为了提取淹没在强背景噪声下的微弱故障信息,引入多小波自适应阈值降噪方法实现滚动轴承的信号去噪,并结合包络解调提取故障特征.多小波具有多个尺度函数和小波函数,具备单小波无法同时满足的对称性、正交性、紧支性和高阶消失矩等优良特性,可匹配信号中的不同特征信息.基于轴承外圈点蚀故障的仿真信号,分别利用GHM多小波和Db2小波对其进行降噪处理.通过信噪比的定量分析表明,相比单小波而言,多小波的降噪优势明显.针对滚动轴承的微点蚀实验信号和现场实采集的工程数据,多小波自适应阈值技术比单小波方法具有更好的降噪效果,且更易于提取出滚动轴承的早期故障信息.     

一种新的小波包络检测快速算法及其应用

针对传统包络解调分析方法需要人为选定共振频带的缺陷, 提出一种用 Morlet 小波和连续小波变换实现的包络检波算法. 该方法利用小波变换时-频分析的优势, 用傅立叶变换快捷计算小波变换系数, 从而有效提取各共振响应频带的调制频率. 经实验验证, 该方法能有效地提取信号包络, 准确地提取出滚动轴承的故障频率.     

基于显式动力学及细化谱的滚动轴承故障诊断方法

为了探究滚动轴承早期故障动态演化规律,建立了滚动轴承典型故障三维有限元动力学模型.该模型以显式算法为基础,采用单点积分方式,在充分考虑轴承转速、负载、接触及摩擦的条件下,对滚动轴承内、外圈等典型故障进行了动力学分析.提取基于有限元动力学仿真的故障轴承加速度信号,采用希尔伯特包络解调并结合细化谱分析方法,提取故障轴承信号特征.分析结果表明:故障轴承条件下,轴承不同位置节点的振动响应均能体现故障特征;加速度响应信号在经过细化谱分析后能找到相应故障的特征频率,实现轴承典型故障的有效识别,为进一步探究轴承故障传递路径特性提供了可行的方法.     

低速滚动轴承故障信号捕捉与分离研究

根据低速滚动轴承故障诊断难度较大的特点，提出了利用应力波与小波分析进行低速滚动轴承故障诊断的方法.以低速运转Cooper轴承系列01B65 EX滚子轴承为例，建立了故障轴承的三维整体接触计算模型，运用有限元软件对其进行了分析，计算出外圈故障的最大应力应变及各元件之间的接触应力，将发生故障前后的外圈外表面应力应变和接触应力分布规律进行比较.在应力波实验分析的基础上，选择db6母小波、尺度j=4对实验所采集的故障信号进行小波分解，提取了故障的应力波信号特征频率，对低速滚动轴承故障进行了正确诊断.结果表明，应力波和小波分析是低速机械故障诊断的有效方法.     

EEMD-PE与M-RVM相结合的轴承故障诊断方法

滚动轴承振动信号中包含了大量轴承运行状态信息,但是由于振动信号具有非线性和非平稳性的特点,难以充分提取振动信号中的故障特征,导致现有基于模式识别的轴承故障诊断方法的故障识别准确率较低.为了提高滚动轴承故障识别的准确率,提出了一种基于集合经验模态分解-排列熵(EEMD-PE)特征提取与多分类相关向量机(M-RVM)相结合的轴承故障诊断方法.首先,该方法利用EEMD对非线性和非平稳信号的自适应分解能力,将轴承故障信号分解为一组包含故障特征的本征模态函数(IMFs).然后,利用排列熵提取由EEMD分解得到的IMFs中的故障特征,并组成特征向量.最后,采用EEMD-PE对不同故障状态下的训练样本集进行特征提取,组成特征向量集对M-RVM分类器进行建模,以概率输出的形式实现对滚动轴承的故障诊断.实验结果表明:EEMD-PE特征提取方法能够对滚动轴承振动信号的故障特征进行有效提取,M-RVM能够对故障滚动轴承振动信号包含的故障特征进行识别.与现有轴承故障诊断方法相比较,所提出的方法能够提高故障识别准确率,达到99.58%.     

形态解调在齿轮故障特征提取中的应用

针对齿轮故障信号往往由于冲击的存在而产生调制现象的问题,提出采用形态学解调的方法提取齿轮故障特征.在分析不同形态学运算对信号处理结果影响的基础上,结合形态闭运算提取信号正脉冲的特点,采用闭运算对齿轮故障信号进行形态解调以提取故障特征.分析并比较不同长度扁平形结构元素对仿真与实际故障齿轮信号的解调效果,说明当采用长度为0.19～0.21倍的齿轮冲击周期的扁平形结构元素进行形态解调以提取故障特征时,可取得较好的效果.仿真与实例证明,形态解调方法不仅克服了包络解调需选择滤波参数的缺点,而且能够更有效地提取齿轮故障特征.