基于Infogram的共振解调方法在滚动轴承故障特征提取中的应用

带通滤波器参数(中心频率和带宽)设置是共振解调的关键,针对快速峭度图找寻的中心频率偏大、带宽过宽的问题,应用Infogram(信息图)确定带通滤波器参数。研究分析了信息图的概念及特点;通过构建脉冲噪声干扰和故障脉冲高重复率两种仿真信号,对信息图和快速峭度图进行了分析对比,信息图对共振频带的优选效果强于快速峭度图;将信息图应用到轴承内圈、滚动体故障振动信号共振解调中,可得到故障特征频率及其谐波、转频、边频带等轴承故障特征参数,故障特征明显、故障信息较为丰富。     

改进经验小波变换的齿轮箱故障诊断新方法与应用

针对经验小波变换在频谱划分时检测的边界过于集中在频谱中幅值较大频率段的问题,对经验小波变换在频域内利用检测极大值来进行频谱划分的方式进行研究,提出基于频谱趋势的改进型经验小波变换,利用仿真信号和汽车座椅水平驱动器振动信号进行测试。研究结果表明,该方法能够使啮合频率及其谐波与边频带作为一个模态被分解出来。通过对分量信号进行Hilbert变换解调分析,实现对齿轮箱故障的定位。     

基于小波分析的解调分析方法

利用高斯小波的线性特性和带通特性,设计小波滤波器组。运用该滤波器组对调制信号进行解调分析,实现了选频,可变带宽包络分析,将传统的包络分析中信号的窄带带通滤波和包络分析结为一体。算法具有较强的适时性,为包络分析提供了一种新方法。     

基于小波分析的解调分析方法

利用高斯小波的线性特性和带通特性,设计小波滤波器组.运用该滤波器组对调制信号进行解调分析,实现了选频、可变带宽包络分析.将传统的包络分析中信号的窄带带通滤波和包络分析结为一体.算法具有较强的适时性,为包络分析提供了一种新方法.     

自适应共振解调法及其在滚动轴承故障诊断中的应用

与AR模型、小波变换等故障诊断方法相比较,工程人员更多的是采用共振解调法对滚动轴承故障进行诊断,但诊断成功与否很大程度上依赖于滤波器中心频率及其带宽的选择。这里提出的诊断滚动轴承故障的自适应共振解调法避免了带通滤波器难以选择的困难。其核心思想是:不采用滤波的方式而是通过先对时间信号进行时频变换,然后从时频能量谱中自动提取时间能量信号的方式来达到将由于冲击引起的共振高频信号和高能量的低频信号分离。此外,给出了一个统一的框架从时频能量谱中自动提取类似于时间边缘的时间能量信号,即Lp范数准则。数值实验结果表明,自适应共振解调法能有效地诊断滚动轴承的外圈故障、内圈故障、滚动体故障,而且比传统的共振解调法的性能更优。     

采用小波变换的功率测量方法

根据国家电能质量标准和国际相关标准对电能质量的要求 ,提出了一种基于小波变换的非正弦波电流 (电压 )有效值和功率的计算方法。此方法利用子带滤波器对非正弦信号进行多分辨率分解 ,得到各个不同频带的小波分解系数 ,在小波域上用小波系数计算基波、谐波电流 (电压 )的有效值及功率 ;同时利用快速小波变换算法对短时间信号进行分析 ,得到了很好的测量结果 ,为工程实践中快速、精确地测定电网的功率参数提供了一种有效的方法。     

复解析小波变换与振动信号包络解调分析

阐述解析小波变换用于振动信号包络解调分析的理论基础。在解析小波傅氏频谱为一实值函数的条件下,论证一个解析小波的虚部是其实部的Hilbert变换,因而简洁地推论出“Morlet组合小波、谐波小波、谐波组合小波也是一类解析小波,它们的实部和虚部构成一对Hilbert变换对”,可用于故障调制振动信号的包络解调分析;另外,还论证了“解析小波变换系数的实部与虚部构成一对Hilbert变换对”的结论。最后,以谐波组合小波为例分析滚动轴承故障振动信号。     

基于滤波器组分解的周期性振动冲击信号解调方法及其应用

针对离散小波包变换用于振动信号解调分析存在的不足,构造了一种具有线性相位的两通道正交镜像对称滤波器组(QMF)用于信号解调分析;与同阶的小波滤波器相比,此QMF滤波器不仅滤波性能更优,而且其滤波系数的求取更加便捷.为了解决常规两通道滤波器组分解算法中存在的子带信号组频带错位问题,引入了无频带错位的QMF滤波器组分解算法.基于此分解算法,提出了一种用于早期故障自动检测的振动信号解调新方法.该方法在考虑各组子带信号能量大小的基础上,按修正的归一化峭度(MKv)最大化准则自动选择一组含有丰富故障信息的子带信号进行Hil-ben包络谱分析提取故障特征.利用该方法对仿真和实际轴承故障信号进行了解调分析,分析结果表明,该方法可以有效地检测出轴承故障.     

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。     

信号解调的正交滤波器方法

信号的解调分析是通讯领域和机械故障诊断的常用方法。本文从数字滤波器的角度出发,提出了实现信号解调的正交滤波器法,即基于 Ｆ Ｉ Ｒ 正交滤波器方法和基于正交小波函数的正交滤波器方法。正交滤波器方法将带通滤波和希尔伯特变换的过程和功能有合二为一,实现过程方便。针对 Ｆ Ｉ Ｒ 正交滤波器方法的缺点,本文根据函数逼近理论,在理论上,证明了正交小波函数可以最佳一致逼近理想滤波器。并在具体应用上,介绍了采用正交小波函数构造正交滤波器时,参数的选择和信号解调分析的具体实施方法。采用正交小波函数设计的正交滤波器方法,带宽选择方便,相位的线性度高,正交性好,而且滤波器的滤波性能更优。可根据要求很方便地实现多通带信号滤波和多通带信号的解调分析     

解析小波及在振动分析中的应用

本文在希尔伯特变换和小波定义的基础上,提出解析小波及解析小波变换,分析了它的一个重要性质即对信号可实现正交滤波、提取包络。最后给出了小波在轴承振动共振解调应用的实例。     

光子多普勒测速系统信号解调方法比较

光子多普勒测速系统具有抗干扰能力强、测速范围大等优点,适用于信噪比低、信号质量差的测量场合。介绍光子多普勒测速系统的工作原理,详细阐述常用的四种信号解调方法——条纹法、相位解调法、短时傅里叶变换法、小波变换法的原理、特点和近几年的研究现状。利用上述四种信号解调方法对简谐振动调制的多普勒信号进行解调仿真,直观地展示不同信号解调方法的优缺点和适用性。实验结果表明,相位解调法最适合用于光子多普勒测速系统振动信号解调。最后讨论了采用递归希尔伯特变换的方法减小相位解调法的正交性误差的可行性,通过仿真实验验证了此方法的有效性。     

基于改进的自适应无参经验小波变换的滚动轴承故障诊断

为实现滚动轴承故障周期冲击特征的有效提取,解决经验小波变换Fourier谱分割存在的问题,提出了一种改进的自适应无参经验小波变换方法。首先,利用自适应无参经验小波变换对信号Fourier谱进行自适应分割;然后,利用峭度指标对谱边界进行合并,并重构滤波器组对信号进行分解;最后,选取峭度值最大的分量进行包络解调提取故障特征。仿真和工程应用验证了所提方法的有效性,分析结果表明该方法的性能优于集合经验模态分解和经典经验小波变换。     

平稳和非平稳振动信号的若干处理方法及发展

回顾了稳态或准稳态振动信号处理方法中的离散频谱分析与校正，细化选带频谱分析，解调分析和高阶谱分析，非平稳振动信号处理方法中的转速跟踪分析，短时傅立叶分析，Wigner-Ville分布，小波分析和Hibert-Huang变换的发展历史，论述了各类方法的原理，分析其特点和在工程中的应用，探讨了发展前景。     

小波包络解调在轧机故障早期诊断中的应用

针对轧钢机振动信号频谱成分的多样性和高低频混杂性，利用小波正交分解的多尺度多频带特性将振动信号展开到一系列相邻的小波空间上，使调制现象突显出来易于分析；再借助希尔波特包络分析技术对小波分解后的包含调制信号的分量进行解调，成功地提取出了故障早期特征。通过后期的振动数据跟踪分析，发现轧机轴承的外圈、滚动体相继出现损伤，并逐渐恶化，与停机开箱后结果基本吻合，进一步证实了小波包络解调技术的有效性。说明小波分析和包络解调技术能够有效地提取轧机轴承故障早期的特征，为设备的早期维修决策提供了重要的依据，同时可以避免恶性事故的发生。     

基于STFT的振动信号解调方法及其在轴承故障检测中的应用

从信号滤波角度,对基于STFT的振动信号解调方法的原理和影响其解调性能的各种因素进行了严格的理论分析,指出该解调方法实质是基于复解析带通滤波的Hilbert变换解调法.严格证明了在利用Hilbert变换进行包络解调分析时,只要带通滤波器通带范围包括调制信号的部分频率成分,就可解调出被调制信号的周期成分.为了避免对所有的解调信号序列进行包络谱分析,提出按峭度值最大化准则选择一组含有丰富故障信息的解调信号序列进行包络幅值谱分析.基于以上讨论,给出了实用的基于STFT的振动信号解调算法.为了验证提出的解调算法的有效性,用该算法对仿真和实际轴承故障信号进行了解调分析,分析结果表明,利用该算法能有效地检测轴承故障.     

基于递归希尔伯特变换的振动信号解调和瞬时频率计算方法

精确地提取振动信号的瞬时幅值和瞬时频率对结构的参数识别和健康监测有重要作用。希尔伯特变换是一种常用的信号解调及瞬时频率计算方法,但在信号不满足Bedrosian乘积定理的条件时会造成较大误差。针对这一问题,提出了一种递归希尔伯特变换方法,用前一步希尔伯特变换计算出的纯调频信号作为新的信号,递归地使用希尔伯特变换以进行信号解调,理论分析表明递归希尔伯特变换能够快速地收敛。最后采用仿真信号对比了递归希尔伯特变换与单次希尔伯特变换、经验调幅调频分解及Teager能量算子法在信号解调及瞬时频率计算中的结果,结果表明了递归希尔伯特变换方法的实用性及精确性。     

基于快速kurtogram算法的共振解调方法在滚动轴承故障特征提取中的应用

共振解调方法是滚动轴承故障特征提取和故障诊断中最为常用的一种方法。然而传统的共振解调技术存在带通滤波参数(中心频率和滤波带宽)需要人工进行预先确定,其具有很大的偶然性、局限性等缺陷。本文作者将快速Kurtogram算法用于共振解调技术带通滤波器参数的确定中,并结合共振解调技术成功运用于滚动轴承的故障特征提取,弥补了传统共振解调方法需要人工干预进行带通滤波参数确定的不足,并分别进行仿真和实验来验证该方法的有效性。     

差分振子时间历程在微弱调制信号检测中的应用

单一的差分振子仅可实现对周期信号中某一频率成分进行检测,对于强噪声背景下的边频带,尽管可以利用多个差分振子组成差分阵列进行逐个检测,进而确定边频带的间隔,但这种做法无疑会带来巨大的计算量。在对调制信号进行Hilbert变换包络分析时,所得到的时域信号是原始调制信号中的低频分量,亦是调制波信号,若该低频分量仍然包含较强的噪声成分,传统的频谱分析将会失效。此时,我们可借助差分振子时间历程对含较强的噪声的包络进行检测。因此,提出基于差分振子时间历程的微弱调制信号检测方法,即首先对信号进行Hilbert包络解调,然后利用差分振子时间历程对含较强的噪声的幅值包络进行检测,并成功应用于风机早期故障检测中。