基于双谱分析的齿轮故障诊断方法

齿轮啮合过程中的振动信号往往呈现出非线性、非高斯性,加上强噪声的干扰,给故障特征的提取带来了较大的困难.为实现齿轮单一故障的分类和诊断,采用时序参数化的双谱分析方法,对齿轮故障模拟试验台上采集的正常状态和3种故障状态的振动信号进行了分析,根据双谱谱峰的分布及数目的差异性,实现了齿轮正常、裂纹、磨损、剥落4种状态的识别和分类.结果表明,双谱分析可以抑制背景噪声,并有效提取信号中的非高斯成分,是一种有效的故障诊断方法.     

基于高阶谱的齿轮故障特征提取方法研究

基于高阶谱能够抑制高斯信号,并且可以在较强的背景噪声中提取故障信息的特点,在分析高阶谱的理论基础上,针对齿轮振动信号的非线性、频谱成分多样性等特点,研究了基于高阶谱分析的机械故障特征提取方法,提出了基于双谱估计的齿轮故障诊断方法.试验结果表明,该方法能够有效地将正常及不同裂纹程度的齿轮区分开来.     

齿轮裂纹故障仿真计算与诊断

提出了一种利用仿真信号对齿轮裂纹故障进行诊断的方法。从齿轮的单自由度振动模型出发,将裂纹故障等效为模型中轮齿刚度的削减,运用差分算法对模型进行求解,得到齿轮的振动位移、速度以及加速度响应,利用傅立叶变换和双谱分析对仿真结果进行处理,成功地提取了齿轮裂纹的故障信息。     

基于FRFT的单分量阶比双谱提取微弱故障特征

提出了一种基于分数阶傅里叶变换(fractional Fourier transform,简称FRFT)的单分量阶比双谱分析方法,消除阶比双谱分析多分量信号时产生的交叉项,提取变速器齿轮微弱故障特征。根据变速器输入轴转速信号及传动比确定FRFT最佳阶次,对变速器升速过程振动信号进行最佳阶次FRFT,在该分数阶域分离目标阶比分量,对分离出的单分量信号分别进行阶比双谱分析,并累加各分量阶比双谱结果得到基于FRFT的单分量阶比双谱。试验结果表明,变速器变速过程振动信号为多阶比分量信号,直接对其进行阶比双谱分析会产生明显的交叉项,使阶比双谱阶次和幅值失真。基于FRFT的单分量阶比双谱方法能有效屏蔽其他分量和噪声干扰、消除交叉项,真实、准确反映被分析信号的阶比双谱,有效提取变速器齿轮微弱故障特征。     

用振动相位信息提取齿轮疲劳裂纹特征

本文根据齿轮局部啮合刚度变化引起振动信号时间的延迟,指出振动信号的时域相位跳变信息反映齿轮疲劳裂纹特征,并且利用希尔伯特变换原理由解析信号提取相位,通过对齿轮疲劳裂纹实测,这个特征在诊断齿轮故障中得到证实。     

基于倒双谱分析的轴承故障诊断研究

将常规的双谱分析与倒谱技术相结合,提出了基于倒双谱的齿轮箱故障诊断方法。首先对齿轮箱振动信号进行双谱分析,以消除噪声的影响,再计算双谱的倒谱,对信号进行倒双谱分析,可有效提高信噪比,提取轴承的故障特征。齿轮箱轴承内外圈故障振动试验信号的研究结果表明,倒双谱分析能有效地诊断轴承的故障。     

核函数主元分析及其在齿轮故障诊断中的应用

提出了基于核函数主元分析的齿轮故障诊断方法。该方法通过计算齿轮振动信号原始特征空间的内积核函数来实现原始特征空间到高维特征空间的非线性映射。通过对高维特征数据作主元分析,得到原始特征的非线性主元,以所选的非线性主元作为特征子空间对齿轮工作状态进行分类识别。用齿轮在正常状态、裂纹状态和断齿状态下的试验数据对该方法进行了检验,比较了主元分析与核函数主元分析的分类效果。结果表明,核函数主元分析能有效的检测裂纹故障的出现,正确区分不同的故障模式,更适于提取故障信号的非线性特征。     

基于局部均值分解的阶次跟踪分析及其在齿轮故障诊断中的应用

针对齿轮升降速过程中故障振动信号为多分量的调制信号以及故障特征频率随转速变化的特点,将局部均值分解（LMD）与阶次跟踪分析相结合,提出了一种新的齿轮故障诊断方法。首先采用阶次重采样将齿轮的时域振动信号转换为角域平稳信号,然后对角域信号进行LMD分解,得到若干个乘积函数（PF）分量,最后对各个PF分量的瞬时幅值进行频谱分析来提取齿轮的故障特征。通过对齿轮齿根裂纹故障试验振动信号的分析可知,该方法能有效地提取齿轮故障特征。     

基于高阶累积量的齿轮系统故障检测与诊断

详细讨论高阶累积量(Higher order cumulants,HOC)的特点和性质,分析基于HOC理论的相关信号处理技术,以及在处理随机信号的非线性特性时独特的功能.基于HOC的振动信号分析处理技术,即双谱分析、1.5维谱分析以及双相干谱分析方法,分析了各自特点以及估计算法.在此基础上,将HOC引入到机械传动齿轮系统的故障诊断分析之中, 对系统故障特征进行提取并对故障类型进行区分.对不同大小和不同类型故障的传动系统进行试验测试,采用HOC进行特征提取识别,并对HOC理论实际应用效果作了分析评价,表明HOC是一种较理想有前途的有效方法.     

基于形态分量分析的变工况齿轮箱故障诊断研究

齿轮箱变工况运行时表现为转速和负载的变化,其振动信号是非线性的多分量信号,变工况齿轮箱故障诊断是研究难点。首先使用数字微分的阶次跟踪方法对原始振动信号按计算得到等角度重采样时刻插值,将非平稳的振动信号转化为角域平稳信号;然后使用形态分量分析(MCA)方法从角域信号中分离出冲击、简谐分量与噪声成分,提取齿轮箱非线性、多分量信号中的故障特征;再对冲击分量做角域平均突出故障特征,最后进行瞬时功率谱分析识别齿轮是否有故障。实验分析表明,使用此方法能根据瞬时功率谱分布的阶次和角度范围识别故障,适用于变工况下的故障齿轮检测。     

局部积分双谱及其在齿轮故障诊断中的应用

提出了一种局部积分双谱分析方法,探讨了局部积分双谱抑制噪声的能力,利用局部积分双谱分析了正常齿轮和早期剥落齿轮振动信号。局部积分双谱可以分析出齿轮故障的调制现象,结果显示,局部积分双谱与传统的双谱切片相比能较全面地反映双谱信息,是处理齿轮故障调制现象的有力工具。     

切片双谱分析在离心泵故障诊断中的应用

运用双谱及切片双谱分析技术对离心泵不同状态下的振动信号进行分析表明,离心泵在正常运行、地脚螺栓松动和空化状态下的双谱图的特征有着明显的差别,可以通过双谱对故障信号进行初步分类,且双谱的对角切片和反对角切片可以显著降低噪声干扰,进一步提取出故障特征频率,故可对离心泵的故障信号进行准确的分类和诊断。     

Using bispectral distribution as a feature for rotating machinery fault diagnosis

The vibration signals of rotating machinery present a strongly non-linear and non-Gaussian behavior, and bispectrum is well suitable to analyze this kind of signals. Due to modulation or smearing, it is hard to extract the accurate frequency-based features from the bispectrum. A bispectral distribution for machinery fault diagnosis is developed in this paper. The binary images extracted from the bispectra are taken as features to construct the target templates, then, the nearest template classifier is constructed to achieve pattern recognition and fault diagnosis. The computing speed of this method is very high because the proposed algorithm just calculates the number of “1”. Finally, roller bearing and gear fault diagnosis are performed as examples, respectively, to verify the feasibility of the proposed method.     

GEAR CRACK EARLY DIAGNOSIS USING BISPECTRUM DIAGONAL SLICE

A study of bispectral analysis in gearbox condition monitoring is presented. The theory of bispectrum and quadratic phase coupling (QPC) is first introduced, and then equations for computing bispectrum slices are obtained. To meet the needs of online monitoring, a simplified method of computing bispectrum diagonal slice is adopted. Industrial gearbox vibration signals measured from normal and tooth cracked conditions are analyzed using the above method. Experiments results indicate that bispectrum can effectively suppress the additive Gaussian noise and chracterize the QPC phenomenon. It is also shown that the 1-D bispectrum diagonal slice can capture the non-Gaussian and nonlinear feature of gearbox vibration when crack occurred, hence, this method can be employed to gearbox real time monitoring and early diagnosis.     

一种基于EMD与多特征支持向量机(SVM)故障诊断方法

针对齿轮箱故障振动信号的不平稳非线性冲击行为,本文提出了一种基于经验模态分解的特征值提取及多特征支持向量机的智能诊断方法。在电机频率分别取30 Hz、35 Hz、40 Hz;载荷分别取0 N∙M、15 N∙M、30 N∙M;采样频率为1500 Hz条件下,进行齿轮正常状态、齿面磨损和齿轮裂痕故障模拟实验。试验结果表明:该创新方法在有限样本数据分析中可以准确、有效地对齿轮箱的工作状态和故障类型进行分类,且支持向量机在故障诊断中使用方便,可以提高诊断的精确性,在齿轮箱故障诊断或类似振动信号的检测应用中具有很强的实用性。     

齿轮轮体的振动信号测量及其在故障诊断中的应用

利用装在被测齿轮端面上的加速度计,直接测量齿轮轮体的振动信号,并设计制造了实验装置;经实验后表明齿轮轮体振动信号可用于齿轮故障诊断。通过分析齿轮轮体振动信号,探讨了轮体振动信号在齿轮啮合频率调制现象中的应用,及其在齿根裂纹故障诊断中的应用。     

Electrical motor current signal analysis using a modified bispectrum for fault diagnosis of downstream mechanical equipment

This paper presents the use of the induction motor current to identify and quantify common faults within a two-stage reciprocating compressor based on bispectrum analysis. The theoretical basis is developed to understand the nonlinear characteristics of current signals when the motor undertakes a varying load under different faulty conditions. Although conventional bispectrum representation of current signal allows the inclusion of phase information and the elimination of Gaussian noise, it produces unstable results due to random phase variation of the sideband components in the current signal. A modified bispectrum based on the amplitude modulation feature of the current signal is then adopted to combine both lower sidebands and higher sidebands simultaneously and hence characterise the current signal more accurately. Based on this new bispectrum analysis a more effective diagnostic feature, namely normalised bispectral peak, is developed for fault classification. In association with the kurtosis value of the raw current signal, the bispectrum feature gives rise to reliable fault classification results. In particular, the low feature values can differentiate the belt looseness from the other fault cases and different degrees of discharge valve leakage and inter-cooler leakage can be separated easily using two linear classifiers. This work provides a novel approach to the analysis of stator current for the diagnosis of motor drive faults from downstream driving equipment.