滤波技术对旋转机械振动信号EMD的影响

详细地介绍了经验模态分解方法EMD和算法。对滤波与未滤波的本征模函数（IMF）图做了比较。比较结果说明用滤波后的经验模态分解方法对旋转机械的振动信号波动组分分析比未滤波的有效。     

基于自相关的旋转机械振动信号EMD分解方法研究

提出基于自相关的振动信号经验模态分解(empirical mode decomposition,EMD)方法,该方法的步骤为,首先对振动信号进行自相关处理,然后再用EMD方法进行分解.该方法与直接用EMD分解的方法进行相比,具有如下优点, 能把受到严重干扰的信号的主要振动模态更清晰地分解出来;不用信号延拓就可以获得较好的分解效果,避免了延拓不好对EMD分解效果的影响.研究结果表明,该方法相对直接EMD分解的方法能更好地把主要的振动模态从振动信号中分解出来.该方法可广泛用于旋转机械振动信号时频分析领域.     

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。     

时频等高图在旋转机械振动故障信号检测中的应用

提出用基于Morlet小波变换的时频等高图检测信号中奇异性的方法。旋转机械某些故障发生时将产生具有奇异性的非平稳信号，检没出振动信号中的奇异性对于设备状态监测和故障早期诊断很有意义。小波变换在时域和频域内同时具有局部化能力，是分析故障信号奇异性的有利工具，为旋转机械故障检测提供了新思路。文中通过对仿真的旋转机械转子各类振动突变信号进行分析，说明Morlet小波时频等高图能直观表示信号中的微弱奇异成分，可以有效提取信号中的微弱奇异特征。     

旋转机械振动信号的小波包分解及故障检测

研究了旋转机械振动信号的特点，指出传统的波形分析和频谱分析存在的问题。提出了从小波包分解序列图和小波包能量分布图两个方面对振动信号分析的方法，赋予小波变换和小波包分解的结果以明确的物理意义，通过测试数据分析旋转机械的三种典型故障在时域、步域及时频域所反映的信息特征，从而表明了该方法的可行性及对故障检测的有效性。     

基于DCT的旋转机械振动信号压缩方法研究

简介了数据压缩方法,通过对油膜涡动信号的试验研究表明:基于DCT数据压缩方法不但能较好地压缩旋转机械振动信号数据,而且可以对振动信号自动进行滤波处理.     

基于EMD的城市轨道交通走行部轴承故障监测系统北大核心CSCD

为了提高城市轨道列车运行的安全性,设计出一种适用于地铁、城际列车的轴承故障在线监测系统。监测系统通过复合传感器对列车走行部轴端振动和温度信号进行采集,以ARM3354为核心处理器,对采集的振动信号进行经验模态分解(EMD),依照相关性准则,选取最优的本征模态函数(IMF),然后通过希尔伯特包络谱(Hilbert)对信号进行分析,根据信号处理的结果确定相关的计算指标,并产生相应预报警信息,通过列车实时数据协议(TRDP)上传到列车控制监控系统(TCMS),以实现对列车运行过程中走行部轴承故障的实时监测。     

基于EMD和频谱校正的故障诊断方法

提出了一种基于短时间样本的故障诊断方法,通过频谱校正提高频谱精度.首先对原始信号进行小波降噪,提高信噪比;然后进行经验模态分解,获取信号的各阶本征模态函数;分别对各阶本征模态函数进行希尔伯特解调分析,获得包含系统故障特征信息的调制信号;接着采用校正算法对调制信号进行频谱校正,频谱变换后获得精确的频谱;最后根据校正结果进行系统故障判别.实践表明,此方法具有速度快、精度高的特点,适合于设备的在线快速诊断.     

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。     

基于HHT的导弹发射冲击时频谱分析

为研究弹载部件在导弹发射过程中的冲击响应及冲击信号的传递特性,进行了基于希尔伯特-黄变换(Hilbert-Huang transform,简称HHT)的导弹发射冲击时频谱分析。由于经验模态分解(empirical mode decomposition,简称EMD)结果易受白噪声的影响,研究了总体经验模态分解(ensemble empirical mode decomposition,简称EEMD)技术。以弹体不同位置的实测冲击信号为对象,应用HHT技术进行分析,准确得到了导弹发射冲击信号的固有模态函数(intrinsic mode function,简称IMF)和时间-频率-能量谱特征,并研究了两次冲击的频率分布和各阶IMF与原始信号的相关性。结合边际谱分析对比了两个舱段能量在中低频和高频的传递特性,进一步验证了HHT方法在分析非线性和非平稳冲击信号中的优越性。     

一种旋转机械振动信号特征提取的新方法

针对在信号特征提取中的噪声抑制问题，提出了一种新的旋转机械振动信号特征提取方法，即时序多相关-经验模式分解方法。通过对原始数据进行时间序列多相关处理，消除了采样序列中零均值噪声信号的影响，克服了在后继频谱分析中由于噪声而导致频谱难于辨识的问题，凸显了原始信号中的特征信号成分。时序多相关分析为后继的谱分析提供了便于处理的前处理数据。应用经验模式分解，能较充分地表现出所需提取的特征信号。仿真和实际某型发动机转轴振动信号特征提取中的分析表明，新方法能成功提取到旋转机械振动信号包含的各个特征信号，证明该方法在旋转机械振动信号特征提取中具有很好的工程应用前景．     

旋转机械动态信号全息谱分析

研究了旋转机械的全息谱分析方法，实现了x和y两方向振动信息的融合。尤其是矢谱，在双通道FFT的基础上，可直接分析出单频椭圆的3个特征参数。把全息谱引入启停分析，可进行全息泊德图和全息瀑布图的分析。指出三维全息谱能用于旋转机械的动平衡，同时还介绍了全息谱分析软件的编制特点。     

机械转动设备振动特性的研究

针对机械转运设备振动检测困难,容易造成停机影响生产的问题,采用设备状态监测和故障诊断技术,在机械运行中或不拆卸的情况下,对机械技术状态进行定量测定。避免了被迫停机而影响生产,克服了定期维修带来的不必要的经济损失和设备性能的下降。在保证生产顺行的同时,从而达到设备寿命周期内实现修理费用最为经济和设备综合效率最高的目标。     

大型旋转机械振动现场测试与故障特征分析

为了分析研究旋转机械的故障机理,对某发电厂200MW汽轮发电机组的停机过程进行了现场测试。结果表明,该机组转子系统具有复杂的振动特性和丰富的故障特征,存在明显的非线性故障和多重故障现象。本文基于这些振动测试结果,对转子系统的典型故障现象进行归纳,对其故障机理进行定性分析。所得实验数据和分析结果对大型旋转机械的动态设计、改造、监测与运行管理具有指导意义。     

基于PSD的旋转机械振动传感器

研究了基于二维光位置敏感探测器(position sensitive detector,简称PSD)的激光振动传感器,重点介绍了PSD的结构、位置和振动检测原理,给出了位置坐标函数表达式和相应的输出信号检测电路框图,分析了影响该传感器检测精度的因素,提出了相应的解决办法,提供了传感器检定数据和实测振动波形。试验结果表明,该传感器各项性能指标完全满足旋转机械轴振测量要求,为旋转机械振动提供了一种新的可靠测量方法。     

基于VMD与Hilbert谱的旋转机械碰摩故障诊断方法

为了有效地诊断旋转机械中的碰摩故障,提出了基于变分模态分解(variational mode decomposition,简称VMD)与Hilbert谱分析的故障诊断方法。首先,利用VMD将碰摩故障信号自适应地分解为若干个不同频率段的本征模态函数(intrinsic mode function,简称IMF),并与集合经验模态分解(ensemble empirical mode dcomposition,简称EEMD)的处理结果进行对比分析;然后,在VMD分解的基础上,利用Hilbert谱对故障信号的时频特性进行分析。实验结果表明:与传统的频谱分析相比,该方法不但可以准确反映故障信号的频率成分,而且可以反映频率随时间的变化情况;与EEMD相比,该方法可以有效抑制模态混叠,更加准确地反映故障信息,从而验证了该方法的可行性与有效性。     

旋转机械振动故障原因及识别特征研究

机械故障诊断的研究，实质上就是对故障产生的原因和故障征兆参数（或称识别特征）进行分类，并找出二者相互对应关系。本文首次提出振动故障的一次原因和非准确分、倍频（分频滞后、同频滞后、倍频滞后）振动的概念，对传统的故障原因及特征频率分类方法进行了修正，使二者之对应关系更清晰、简捷。机械故障诊断工程实践表明，此方法是可行的，适用于透平机，离心压缩机、泵、风机等旋转机械。     

基于解析模态分解的机械故障诊断方法

针对旋转机械故障诊断问题,提出了一种基于解析模态分解(AMD)的旋转机械故障诊断方法。只要知道信号的频率成分,AMD方法就可以将含不同频率成分的信号分解为单频率信号,尤其能够分解有紧密间隔频率成分的信号。对于可预知故障特征频率的旋转机械的故障诊断,可利用AMD方法提取机械振动信号中故障特征频率所在频段的信号,并求该段信号的频谱,若频谱中含有故障特征频率,则说明机械振动信号中存在该故障。通过对滚动轴承故障信号和转子不对中故障信号的分析以及和经验模态分解(EMD)方法的对比,证明了AMD方法的有效性,且AMD方法比EMD方法更快速、准确。     

基于变窗移傅里叶变换实现旋转机械振动信号转速谱阵的算法研究

提出了一种用于计算旋转机械转速谱阵的算法——变窗移傅里叶变换，其窗移的变化规律与转速相关。详细介绍了变窗移傅里叶变换算法的原理及其实现过程，为旋转机械阶比分析中计算转速谱阵提供了理论依据。试验结果表明，变窗移傅里叶变换算法正确可行，可有效提取旋转机械振动信号转速谱阵的特征信息。