基于精确信息重构的故障转子系统振动加速度信号积分方法

在分析总结加速度信号时域积分法与频域积分法优缺点基础上,提出一种基于精确信息重构的故障转子系统振动加速度信号积分方法。该方法利用故障转子系统振动信号由转频、倍频及分倍频分量构成为主的特点对加速度信号进行快速傅里叶变换(Fast Fourier transform,FFT),通过特征频率分量提取并将所提取的分量的幅值与预设的阈值进行比较;幅值低于阈值的分量认为是噪声分量,予以剔除,高于阈值的分量保留并进行精确频谱校正;根据校正后各个频率分量的频率、幅值和相位积分重构出相应的速度信号和位移信号。精确信息重构方法在去除宽频噪声和保留有用特征信息方面有明显的优势。最后通过仿真分析和试验验证,结果表明该方法相对于传统的时域和频域积分具有更高的精度和优越性。     

谐波小波包方法及其对转子亚频轴心轨迹的提取

转子轴心轨迹,特别是亚频轴心轨迹的提取,在转子故障识别中是十分重要的。分析了谐波小波的优势,在研究了谐波小波的频段分解基础上,提出了谐波小波包变换的频段分析表达式,并给出了实现方法,实现了谐波小波的任意频段“任意细化”能力。对转子振动信号进行了频域细化分析,并用谐波小波包变换对实际的高速转子振动信号进行了分析,在得到细化频谱的同时,直接实现了常规方法难以实现的转子亚频信号的轴心轨迹提取,得到了满意结果,为转子故障信号的分析创造了条件。     

基于双树复小波系数层间相关性的非线性超声谐波提取方法

非线性超声信号具有非平稳性、非线性和高次谐波信噪比低的特点,为提高非线性超声无损检测技术对缺陷的表征能力,提出一种基于双树复小波系数层间相关性结合软阈值滤波算法的超声谐波提取方法。首先采用双树复小波将信号分解为基频和二倍频等不同频带的分量;由于各分量存在一定程度的频率混叠,利用小波系数层间相关性对各分量信号滤波,消除频率混叠并得到修正后的细节子波;然后结合软阈值算法对修正后的小波系数进一步降噪;最后将滤波降噪后的各分量系数重构,即可实现对非线性超声信号中基波和二次谐波信号的提取。实验结果表明,该算法滤波效果良好,有效地提取了二次谐波信号,提高了非线性超声检测结果的准确性和鲁棒性。     

基于改进谐波小波和分形的碰摩故障诊断研究

为了提高分形维数提取碰摩故障特征的区分度和稳定性,提出了一种基于改进谐波小波和分形的算法。采用高斯包络改进的谐波小波对旋转机械信号进行处理,运用G-P关联维数计算分形维数。在Bently转子实验台上分别采集正常工况、单点碰摩、不平衡激励的碰摩三种数据,计算得出改进谐波小波处理后的关联维数能够很好的识别出故障,保真性较高,稳定性相比原始信号以及谐波小波处理信号高29.17%、14.81%以上。结果表明,改进谐波小波和分形能够更准确稳定得诊断碰摩故障信息,优于传统的关联维数算法。     

二维全息谱在旋转机械故障诊断中的应用

通过对振动信号的处理、分析发现,旋转机械转子系统的振动信号经幅值谱、功率谱等传统的谱分析方法后,往往除了1倍频外还包括各次谐波及高倍频成份;引起转子系统振动信号中2倍频分量的因素很多,包括不对中、裂纹和电磁干扰等。直接从幅值谱等传统的谱分析方法很难判断2倍频振动分量的性质和原因。研究基于对中性良好的转子试验台,模拟了多种转子系统的故障,研究了二维全息谱以及轴心轨迹在旋转机械轴裂纹故障和碰磨故障诊断中的应用,结果证明所实现算法的有效性。     

基于信号共振稀疏分解的转子早期碰摩故障诊断方法

提出了基于信号共振稀疏分解的转子早期碰摩故障诊断方法,该方法用信号共振稀疏分解从转子系统振动信号中提取早期碰摩冲击信号。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。当转子出现早期碰摩故障时,振动信号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;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。利用信号共振稀疏分解方法从转子早期碰摩信号中提取冲击成分,根据冲击的周期可进行转子早期碰摩故障诊断。算法仿真和应用实例验证了该方法从转子系统中提取早期碰摩冲击信号的有效性。
     

基于改进谐波小波包分解的滚动轴承复合故障特征分离方法

为解决滚动轴承单通道振动信号中复合故障特征难以分离的问题,提出了基于改进谐波小波包分解的轴承复合故障特征分离方法。首先,改进了二进谐波小波包分解方法,提出了连续谐波小波包分解方法,克服了信号分解后子带个数和带宽范围受二进制划分的缺陷;然后,采用谐波窗分解提取信号中频率成分集中的频段,根据轴承各单点故障特征频率确定分解层数,进行连续谐波小波包分解,利用能量算子包络解调得到子带信号中各个单点故障的权重因子;最后,重构轴承各单点故障信号,实现复合故障的特征分离和提取。对仿真信号和实测轴承内、外圈复合故障信号分析的结果表明,该方法能将轴承单通道复合故障信号分解到不同的通道中,实现了复合故障特征的分离,具有一定的工程实用价值。     

应用广义谐波小波提纯转子轴心轨迹

将二进谐波小波推广到广义谐波小波后,能够对信号的任意频段进行分析,且能够保证信号经过广义谐波小波变换后其频率分辨率保持不变.利用广义谐波小波的这一优点,对某一或某几个频段进行细化分析.利用广义谐波小波对某试验台具有不平衡故障的转子轴心轨迹信号进行谐波小波滤波,提纯后的轴心轨迹呈椭圆形,这与转子不平衡故障状态相符.应用实例说明,广义谐波小波有良好的滤波效果.     

基于改进LMD与小波包降噪对故障弱信号的提取

针对微弱故障信号易被强噪声淹没的难题,提出了一种基于小波包降噪与改进LMD相结合的提取微弱信号特征向量的方法。首先选择恰当的小波基进行小波包分解,再根据计算出的最优小波包树进行信号重构,实现对原始信号的降噪处理。然后对重构的信号进行LMD分解,再计算PF分量的互相关系数和峭度值,减少虚假分量同时增强故障信号幅值。最后对真实的PF分量进行包络谱分析,提取弱信号的故障特征。实例研究结果表明:该方法能够有效地提取出淹没在强噪声中的故障弱信号的特征向量。     

基于谐波分量的转子系统碰摩故障定量诊断方法

提出一种利用碰摩转子系统响应中的高次谐波分量进行碰摩位置和碰摩力定量诊断的新方法。基于谐波平衡理论分析碰摩故障转子系统的动力学特性,证明了碰摩故障转子系统中任意两节点之间高次谐波分量之比等于无故障转子系统频率响应矩阵的相关元素之比。根据此关系,提出转子系统碰摩故障模型诊断方法和步骤:利用正常转子系统与故障转子系统响应的任意一阶谐波分量之差,结合转子系统的动力学模型,就可以诊断出碰摩的位置;进而可以根据故障转子系统响应的各次谐波分量还原出碰摩力分量。为验证该方法的有效性,对一转子系统进行偏碰和整周碰摩时的数值仿真,并分析支撑刚度及噪声对诊断方法的影响;又在模型转子试验台上进行了试验。该方法仅利用一个转速下两个节点的振动响应即可实现碰摩故障的在线定量诊断,因此便于在实际旋转机械上实行。     

基于改进谐波小波包的柔性薄壁轴承背景周期性冲击分离

柔性薄壁轴承是一种特殊的轴承,其内外圈是椭圆,在旋转时椭圆的长、短轴会对轴承产生一种周期性冲击,这种周期性冲击和轴承元件的故障周期性冲击混合在一起,对故障周期性冲击是一种极大的干扰。为消除这种干扰,通过分析椭圆长短轴引起的周期性冲击的特点,结合谐波小波的盒形频率特性,提出一种改进的谐波小波包来消除这种周期性冲击。普通谐波小波包的子带频率范围是根据分解层数确定的,而改进的谐波小波包的各个子带频率范围则针对椭圆长短轴引起的周期性冲击的频率分布特点而设计,可以有效地提取到这种冲击的每一个谐波分量,从而可准确地分离出整个周期性冲击。对实际柔性薄壁轴承振动信号的处理结果表明,改进的谐波小波包从混合的复杂周期性冲击中准确地分离出了椭圆长短轴引起的周期性冲击,而故障周期性冲击却被完好保留,从而消除背景周期性冲击的影响,实现对柔性薄壁轴承损伤的正确识别。     

旋转机械振动信号压缩小波基优化选取方法

旋转机械在线状态监测和故障诊断系统中振动数据的实时存储和远程传输对数据压缩提出了较高的要求.小波分析做为数据处理的常用方法,已被广泛地应用于数据压缩并取得了良好的效果.给出了振动信号的小波通用压缩方法,通过分析旋转机械振动信号的特点和小波函数几种重要属性对小波压缩的影响,提出了旋转机械振动信号压缩过程中最优小波基的选择方法,并根据旋转机械实际故障信号比较了相应小波的压缩效果.结果表明,通过选择合适的小波基函数,可以有效提高重构信号的信噪比.对于旋转机械复杂突变类故障信号应选择低分解消失矩,高重构正则性的双正交小波进行压缩.本研究方法和结论对旋转机械振动信号小波压缩的进一步研究有一定的参考作用.     

Tool State Detection by Harmonic Wavelet and Sample Entropy

It is a fact that acoustic emission(AE) signals contain potentially valuable information for tool wear and breakage monitoring and detection.However,AE stress waves produced in the cutting zone are distorted by the transmission path and the measurement systems,it is difficult to obtain a reliable result by these raw AE data.It is generally known that the process of tool wear belongs to detect weak singularity signals in strong noise.The objective of this paper is to combine Newland Harmonic wavelet and Richman-Moorman(2000) sample entropy for detecting weak singularity signals embedded in strong signals.First,the raw AE signal is decomposed by harmonic wavelet and transformed into the three-dimensional time-frequency mesh map of the harmonic wavelet,at the same time,the contours of the mesh map with log space is induced.Second,the profile map of the three-dimensional time-frequency mesh map is offered,which corresponds to decomposed level on harmonic wavelets.Final,by computing sample entropy in each level,the weak singularity signal can be easily extracted from strong noise.Machining test was carried out on HL-32 NC turning center.This lathe does not have a tailstock.Tungsten carbide finishing tool was used to turn free machining mild steel.The work material was chosen for ease of machining,allowing for generation of surfaces of varying quality without the use of cutting fluids.In turning experiments,the feasibility for tool condition monitoring is demonstrated by 27 kinds of cutting conditions with the sharp tool and the worn tool,54 group data are sampled by AE.The sample entropy of each level of wavelet decomposed for each one of 54 AE datum is computed,wear tool and shaper tool can be distinguished obviously by the sample entropy value at the 12th level,this is a criterion.The proposed research provides a new theoretical basis and a new engineering application on the tool condition monitoring.     

谐波小波的时频特性分析及其在故障诊断中的应用

小波分析在故障诊断中得到较广泛的应用,但采用不同的小波,分析结果往往会有很大差异。本文通过对谐波小波的选频和相位特性的理论分析,结合仿真信号与故障试验进行分析研究,提出了将基于谐波的小波包分析方法用于诊断碰摩故障,并提出了基于谐波小波的进化谱分析方法,为松动故障的识别提供了一种有效手段。     

斜拉桥健康监测信号改进小波相关降噪

为提高斜拉桥健康监测动态信号的降噪效果,针对传统小波相关降噪算法的缺陷,提出一种改进小波相关降噪算法。该算法将各层小波系数的主要能量周期作为相关检测邻域范围,并根据斜拉桥动态响应信号特征设置降噪阈值,最后采用一种全新的信号重构算法,得到降噪后的信号。将该算法与传统小波相关降噪和小波默认阈值降噪算法进行仿真试验比较,结果表明,改进小波相关降噪算法具有较好的降噪效果,能够应用于斜拉桥健康监测动态响应信号的降噪处理。     

谐波小波在数字滤波中的应用及其功效分析

基于谐波小波函数较别的小波函数具有良好的盒形谱特性考虑,将谐波小波函数用于数字信号滤波,并通过模拟算例和实例给予验证。同时定义了一滤波功效因子,并分析了不同参数对谐波小波滤波功效的影响。     

基于谐波小波包和BSA优化LS-SVM的铣刀磨损状态识别研究

针对铣削刀具磨损状态识别问题,提出谐波小波包和最小二乘支持向量机（LS-SVM）的状态识别方法。为克服传统小波包分解的频带交叠问题,采用谐波小波包提取不同磨损状态下铣削力信号的各频段信号能量,归一化处理后,输入LS-SVM多类分类器,实现铣削刀具磨损状态的识别。针对LS-SVM的惩罚因子和核参数对模型识别精度影响较大的问题,提出回溯搜索算法（BSA）进行自动参数寻优。实验结果表明,谐波小波包比小波包在刀具磨损状态特征提取时具有更好的识别效果。与粒子群算法进行比较,证明BSA优化LS-SVM具有更高的识别精度。     

基于小波分析的谐波在线监测系统

针对传统谐波在线监测系统存的结果不准确,无法描述谐波动态变化特点,设计了基于小波分析的谐波在线监测系统。首先设计了谐波在线监测系统的硬件模块,然后谐波在线监测系统的软件模块,依据小波变换分析谐波信号特征,得到的谐波变化率,从而谐波在线监测系统的监测结果,最后采用具体实验进行了谐波在线监测系统性能的仿真实验,由实验结果可知,该系统的谐波监测精度高,可以有效检测各种谐波分量,保证电力系统稳定运行。