超高斯随机振动试验系统及其并行测控技术

针对传统随机振动试验技术不能够精确模拟实际超高斯随机振动环境的问题,设计一种超高斯随机振动试验系统,并给出其并行测控技术。首先构建超高斯随机振动试验的硬件系统;然后对振动加速度信号的峭度与功率谱密度两项指标采用并行修正的控制方法,其中峭度采用均衡算法,功率谱密度采用自适应逆控制的迭代算法;最后利用泊松过程将修正后的峭度与功率谱密度信号合成超高斯驱动信号,以驱动振动试验台。实际振动试验测试表明:驱动信号具有典型的超高斯特性,响应功率谱密度符合±3 dB的允差要求,响应峭度控制在±7%的误差范围,达到更符合实际振动环境的试验要求。     

基于泊松过程的超高斯随机振动试验控制技术研究

针对工程化的超高斯随机振动试验控制技术实现尚存在问题,在对其控制原理研究的基础上,提出基于泊松过程的超高斯随机振动控制策略。利用参考谱设计出符合控制要求的滤波器,通过泊松过程产生泊松点,使泊松点的信号取值服从正态分布,利用该信号与滤波器之间的卷积运算产生用于系统控制的驱动信号,从而实现对超高斯随机振动试验控制系统的功率谱和峭度同时控制,且二者相互独立。仿真与实验结果表明,基于泊松过程的超高斯随机振动试验控制算法,其控制输出响应谱与参考谱的误差满足振动试验工程上±3dB要求,控制峭度也达到很高的精度,完全满足工程要求。     

多点激励振动试验控制技术进展

多点激励振动试验由于能更加真实地模拟实际振动环境而被越来越多的人所重视,成为振动环境试验发展的趋势.阐述了多点激励振动试验系统基本控制原理,并对时域波形复现的关键技术迭代算法和驱动信号重叠连接,以及频谱再现的关键技术反馈修止算法和时域随机化技术进行了介绍.最后对多点激励振动试验控制技术进行总结与展望.     

超高斯伪随机振动激励信号的生成技术

振动激发试验和振动模拟试验的最新发展都需要产生超高斯分布的随机振动激励信号。然而,目前基于功率谱均衡的数字式随机振动控制系统只能产生高斯分布的随机振动激励信号。研究具有指定功率谱密度分布的超高斯伪随机振动激励信号的生成技术,从而使现有的数字式随机振动控制系统可以同时具有频域和幅值域的双域控制及均衡能力。仿真和试验结果验证了该方法的正确性和有效性。     

基于相位调制的平稳非高斯桥面不平顺随机激励的模拟

在逆傅里叶变换法生成平稳高斯桥面不平顺随机激励的基础上,建立随机激励过程相位角与高阶中心矩之间的关系,通过不断调整相位角大小来改变桥面不平顺的非高斯特征,多次迭代生成给定功率谱密度、偏斜度和峭度的平稳非高斯桥面不平顺随机激励;同时,根据现场实测的桥面不平度数据,采用相位调制法重构桥面不平顺随机过程。数值算例和实测桥面不平顺的重构结果表明,该研究基于相位调制生成的平稳非高斯桥面不平顺能够满足给定目标功率谱密度、峭度和偏斜度的要求且模拟精度较高。桥面不平顺的幅值分布区域和幅值最大值随着峭度的增大而增大;偏斜度越大,桥面不平顺正偏或负偏的幅值分布区域就越大。工程应用结果表明,超高斯桥面不平顺激励的车桥振动响应最大,高斯桥面不平顺次之,亚高斯桥面不平顺激励的车桥振动响应相对较小;车辆振动对非高斯桥面不平顺激励的敏感程度大于桥梁振动。     

铁路非高斯随机振动的数字模拟与包装件响应分析

目的研究铁路振动环境的非高斯特性,并分析包装件在非高斯随机振动环境条件下的响应情况。方法结合离散傅里叶变换与EARPG(1)模型,模拟了铁路随机振动信号。根据采集的数据的PSD曲线计算幅值,利用EARPG(1)模型生成了具有尖峰特征的模拟信号,计算了相位并进行了相位整体平移,根据幅值和相位,合成了所需的非高斯随机振动信号。将包装件简化为单自由度系统,分析了包装件在非高斯振动条件下的响应情况。结果铁路随机振动的峭度大于3,偏斜度为0,属于对称超高斯随机振动,提出的模型可准确模拟出铁路振动的非高斯特性,峭度和偏斜度的误差均小于3%,包装系统的固有频率、阻尼比、激励峭度对系统的响应的峭度、均方根均有较大的影响。结论通过合理地选择包装系统的固有频率和阻尼比,可有效减小系统的响应峭度和均方根,提高包装系统的可靠性。     

基于包络谱带通峭度的改进谱峭度方法及在轴承诊断中的应用

快速谱峭度法(Kurtogram)是解决用于滚动轴承故障诊断的共振解调方法中带通滤波器中心频率和带宽参数确定问题的有效方法; Kurtogram以滤波后时域信号的峭度值作为滤波效果度量指标,然而该指标易受非高斯噪声和偶然性非周期冲击影响,可能导致滤波频带选择错误。考虑到偶然性冲击和非高斯噪声的包络谱与周期性冲击包络谱之间的特性差别,同时为了排除齿轮局部故障和转子碰摩等故障造成的冲击影响,提出按一定规则截取滤波后信号包络谱的中间段,并以该段数据的峭度值衡量周期性冲击响应的强弱,称为包络谱带通峭度;以包络谱带通峭度代替Kurtogram中滤波后时域信号的峭度值,得到一种改进的快速谱峭度方法。以仿真信号和实验室实测信号分析验证了该方法的有效性和优越性。     

MIMO混合振动试验中正弦与随机信号分离方法

研究了MIMO(多输入多输出)正弦加随机混合振动试验的控制方法,指出混合信号中正弦信号和随机信号的精确分离是提高控制精度的关键因素。提出了具有滤波特性的相关积分法在时域中识别正弦信号,避免了频域识别的泄露误差问题,详细推导了将给定频率的正弦信号从混合信号中分离出来的公式;数值计算显示该方法的识别精度达到0.44%。以一悬臂梁作为研究对象建立两输入两输出振动试验系统模型,使用比例均方根控制算法和正弦幅值修正法分别对随机振动和正弦振动进行修正,将随机信号控制在参考谱的±3dB以内,将正弦信号的幅值控制在参考值的±10%以内,满足振动试验要求。     

叶轮空蚀状态下离心泵振动特性分析

空蚀是指空化过程中产生的空泡溃灭引起过流表面材料损坏的现象。为研究离心泵叶轮空蚀后的振动信号特征,选用IS-50-160-00单级单吸离心泵为试验对象,基于虚拟仪器技术搭建试验泵系统。测得离心泵空蚀条件下的振动信号,采用均方根(RMS)分析、峭度(K)分析两种统计方法对发生空蚀后的离心泵振动信号的平均能量、冲击波能量进行分析,采用短时傅里叶变换(STFT)分析了振动信号的时频域特性。分析结果表明:空蚀条件下整体来看基座方向和轴向方向振动幅值较大且都是无规则振动,而横向方向和纵向方向上的振动信号振幅相对较小;振动信号的能量随着流量的增大呈现先减小后平稳再增加的趋势,空蚀增加了振动信号的能量值;空蚀加剧了液体对离心泵的冲击使得振动信号峭度值增加,且基座方向峭度值大于3可作为空蚀故障的诊断参考标准;通过时频谱分析可知空蚀发生后流体可能对离心泵存在冲击波及冲击波导致的脉冲信号,且空蚀后产生了高频振动信号,高频带的振动信号可为离心泵空蚀故障诊断提供参考。研究叶轮空蚀后离心泵振动信号的特征有助于及时发现离心泵空蚀故障的发生,从而调整运行参数,以免造成严重后果。     

多输入多输出混合振动试验中正弦与随机信号分离方法

研究了多输入多输出正弦加随机混合振动试验的控制方法,指出混合信号中正弦信号和随机信号的精确分离是提高控制精度的关键因素。提出了具有滤波特性的不相关积分法在时域中识别正弦信号,避免了频域识别的泄露误差问题,详细地推导了将给定频率的正弦信号从混合信号中分离出来的公式;数值计算显示该方法的识别精度达到0.44%。以一悬臂梁作为研究对象建立两输入两输出振动试验系统模型,使用比例均方根控制算法和正弦幅值修正法分别对随机振动和正弦振动进行修正,将随机信号控制在参考谱的±3dB以内,将正弦信号的幅值控制在参考值的±10%以内,满足振动试验要求。     

基于EEMD和参数自适应VMD的高速列车轮对轴承故障诊断

针对高速列车轮对轴承工作环境复杂,振动信号中时常伴有冲击性噪声和循环平稳性噪声,使得传统的参数自适应变分模态分解(variational modal decomposition,VMD)方法对轮对轴承的故障特征信息提取不准确的问题,提出了一种基于集成经验模态分解(ensemble empirical mode deco...     

负载谐波诱发轧机主传动机电耦合扭振仿真研究

现场测试发现：轧机在轧制过程中由于负载谐波频率与轧机机械传动系统固有频率接近时使得主传动系统发生强烈扭振。该文结合现场参数,通过计算机仿真,得出负载谐波力矩会引发电机转速振荡,而在机电耦合作用下电机转速振荡会激发电机输出相同频率的电磁力矩,当含有与机械系统固有频率相接近频率的谐波力矩和电磁力矩作用在轧机主传动系统两端时,主传动系统将会出现强烈的扭振。仿真结果验证了存在这种振动,为抑振措施提供理论基础。     

基于无迹卡尔曼滤波的动态贝叶斯小波变换在轴承故障诊断中的应用

针对工程实际中滚动轴承发生故障的类型具有典型性和故障信号具有冲击性,且振动信号的频率成分因外界环境的影响而变得极其复杂的特点,提出了一种基于负熵和无迹卡尔曼滤波的动态贝叶斯小波变换方法。该方法将SE(Squared Envelope) Infogram方法应用到无迹卡尔曼滤波方法(Unscented Kalman Filter, UKF)中,利用SE Infogram确定滤波器参数初值,即中心频率与带宽的初值,结合UKF对中心频率与带宽进行优化,以最优中心频率与带宽对振动信号进行滤波分析,对滤波后的信号进行包络解调分析,实现轴承微弱故障特征的提取。利用负熵指标代替以往研究所用的峭度指标,可以有效消除或削弱高峰值干扰的影响。最后,通过对仿真信号和轮对轴承试验信号对提出的方法进行了验证。结果表明,该方法能够有效提取强背景噪声下轴承外圈、内圈故障和滚动体故障,验证了该方法对轴承微弱故障诊断的有效性。     

Control Method for Multiple‐Input Multiple‐Output Non‐Gaussian Random Vibration Test

A control method for multi‐input multi‐output non‐Gaussian random vibration test based on an improved zero‐memory nonlinear transformation and an inverse system method is proposed. Compared with the classic zero‐memory nonlinear transformation method, the improved one can overcome the defect of the dynamic range loss. The inverse system method is put forward in order to control the kurtoses and the spectra for multi‐input multi‐output non‐Gaussian random vibration test simultaneously. The main idea of inverse system method is to generate the Gaussian reference response signals first from the reference spectra, and the improved zero‐memory nonlinear transformation method is utilized to obtain the non‐Gaussian reference response signals with the reference kurtoses, then the continuous and stationary coupled driving signals can be derived from the relationship between the inputs and outputs of the test system. Thus, the difficulty in generation of driving signals in multi‐input multi‐output non‐Gaussian random vibration test can be overcome. The matrix power control algorithm is introduced for the spectrum control, and a kurtosis control algorithm is set up similarly. A simulation example and an experimental test are provided in the paper, and the results illustrate the effectiveness and feasibility of the proposed control method. Copyright © 2017 John Wiley & Sons, Ltd.     

滚动轴承故障脉冲信号提取及诊断:一种盲解卷积方法

运用一种基于峭度最大化的盲解卷积算法，从局部损伤的滚动轴承振动信号中提取或增强脉冲冲击信号。在对内、外圈存在损伤的轴承振动信号进行解卷积处理后，故障脉冲信号得以充分增强，而且在时域上呈规律地分布。另外，取2倍的解卷积信号样本标准差为阈值，通过时域阈值除噪，可以进一步得到提纯的故障脉冲序列。计算表明，其脉冲线周期性出现的平均频率与相应的故障特征频率相当吻合。     

A New Approach for Road‐Vehicle Vibration Simulation

A new approach for road‐vehicle vibration simulation is proposed and demonstrated feasible by testing with three express‐road vehicle‐vibration records, that is, record A, two‐wheel electric bicycle, 80% loaded, traveling on urban road; record B, median van, 50% loaded, traveling on urban road; and record C, minivan, 80% loaded, traveling on urban road too. This method decomposes the original signal into a series of approximate Gaussian‐vibration segments and a shock segment with high kurtosis by moving crest factor and one‐tenth peak‐value method. Simulate Gaussian‐distribution vibration one by one from the power spectral density (PSD) of each decomposed segments. The overall signal is simulated by concatenating of each decomposed Gaussian segment. The simulated signal has not only the same overall root‐mean‐square (RMS), duration as the original signal, but also has a similar PSD to the original signal, without incurring excessive acceleration levels. This allows an improved and more representative simulated input signal to be generated that can be use in the current generation of vibration table.