空化振动信号调抽特征分析及提取方法

通过分析空化振动信号的调制特征,利用解调和自相关分析技术,从数值仿真和诊 断实例 对空化振动信号进行特征提取。结果表明，若仅利用相关技术,在时域上可有很好的降噪效 果，但提取的调制特征并不明显;利用解调技术能够很好地提取出调制频率。 如对调制信号先进行Hilbert包络,再进行相关分析也能较好地提取调制特征。     

自适应滤波技术在车辆变速箱故障诊断中的应用

采用振动测量方法进行齿轮箱故障诊断是一种有效的技术手段,但是在进行随车监测时测量信号会受到车辆其它部件振动噪声的干扰。通过对装甲车辆变速箱齿轮断裂故障进行实车模拟试验,同步测量了变速箱体振动信号和发动机振动信号,利用自适应滤波技术滤除了混杂在变速箱体振动信号中的发动机振动干扰,对变速箱体振动信号进行了时、频域分析和调制解调分析。通过Hilbert变换和包络谱分析方法提取了振动信号频率特征,实现了对变速箱齿轮断裂故障的诊断。     

基于LMD的能量算子解调机械故障诊断方法

为了提取多分量调幅调频信号的幅值和频率信息,提出了基于局部均值分解(local mean decomposition,简称LMD)的能量算子解调机械故障诊断方法.该方法先利用LMD将机械调制信号分解成若干个乘积函数(production function,简称PF)分量,然后对每一个PF分量进行能量算子解调,获得信号的幅值和频率信息进行故障诊断.利用该方法对仿真信号以及轴承和齿轮故障振动信号进行实验研究的结果表明,基于LMD的能量算子解调方法能够有效地提取机械故障振动信号特征.     

MCKD-循环域解调方法在齿轮箱故障诊断中的应用

多调制源、多载波信号的循环自相关解调分析存在交叉项的干扰,这使循环自相关解调方法的实际应用产生局限性。提出了基于最大相关峭度反褶积(Maximum correlated Kurtosis deconvolution,MCKD)和循环自相关解调方法相结合的齿轮箱故障诊断方法,先通过MCKD对原信号降噪以便提取感兴趣的周期成分,再对降噪后的周期信号进行循环自相关解调分析,此方法有效地抑制了多调制源、多载波对循环平稳结果带来的交叉项干扰,提高了分析的可靠性。将该方法运用于齿轮箱故障诊断中,成功地从振动信号中分离出故障源。     

基于线调频小波路径追踪阶比循环平稳解调的齿轮故障诊断

为从变转速齿轮箱振动信号中提取齿轮故障特征,提出基于线调频小波路径追踪的阶比循环平稳解调方法。该方法利用线调频小波路径追踪算法估计振动信号中的转速信号,根据转速信号对信号进行等角度采样,获取角域周期平稳信号,求取角域信号的循环自相关函数,在特征循环阶比处对循环自相关函数进行切片,并对切片进行解调分析得到切片解调谱,依据切片解调谱进行齿轮故障诊断。由于线调频小波路径追踪算法具有精度高和抗噪能力强的优点,而循环平稳解调算法可以有效提取淹没在噪声中的周期性故障特征,因而,该方法结合了二者的优点,适合于变转速齿轮信号的故障特征提取。算法仿真和应用实例表明,该方法能有效地提取变转速齿轮箱振动信号中的齿轮故障特征。     

基于自相关分析和LMD的滚动轴承振动信号故障特征提取

滚动轴承的故障信号是非平稳的、多分量的调制信号,特别是故障早期,由于调制源弱,早期故障信号微弱且受周围设备的噪声干扰,导致故障特征难以识别。采用自相关分析和局域均值分解（LMD）方法提取故障特征。首先采用自相关分析提取信号中的周期成分,消除噪声的干扰,然后利用局域均值分解方法将多分量的调制信号分解为若干个PF分量之和,再结合共振解调技术对PF分量进行包络分析以提取故障特征频率。实验证明了方法的有效性。     

滚动轴承特征提取的多分量解调方法

提出利用多个高频振动分量进行滚动轴承故障特征提取的多分量解调方法。与传统的基于单一高频振动分量的解调方法不同,多分量解调方法从多个高频振动分量中提取信号特征信息。首先构建带通滤波器组对原信号进行滤波,然后依据所提高频振动分量获取策略求取原信号中多个高频振动分量,并对各高频振动分量进行包络检波,其次用独立成分分析对所得包络信号进行盲分离,最后对分离信号进行频谱变换以提取故障特征信息。仿真信号和故障轴承信号的分析结果表明,所提方法较传统解调方法更能凸显滚动轴承故障振动信号中的特征信息。     

离心泵空化故障识别的时域特征分析方法研究

分析离心泵壳体振动和进口水声信号特征是对其进行状态监测的重要技术之一。文章根据已开展的离心泵空化(汽蚀)试验,确定了空化(汽蚀)产生的特征频段,原始信号经过特征频段滤波后,在其时域信号中通过设定幅值阈值,提取出振动和水声信号的峰值,并对峰值均方根值和标准偏差值进行了计算。以此作为特征参量,对正常信号、扬程下降3%和性能崩溃三类不同强度的空化试验数据进行分类,同时分析了选择不同阈值参数的影响。结果表明:在给定的特征频段内,对水泵进口水声信号选择幅值阈值2,壳体振动信号选择幅值阈值3,既能较好地反映空化特征又能对该离心泵三类空化强度进行识别。     

基于改进HHT和小波包理论的液压泵故障特征提取

针对液压泵振动信号出现的调制现象,该文提出一种基于经验模态分解(EMD)和相关性分析的包络解调方法,并与基于小波包理论和Hilbert变换的包络解调方法进行了对比,通过分析某型装备液压泵在各种故障状态下的振动信号,成功提取了调制信号在高频谐振带的包络成分.通过两种方法的对比可以得出:两种方法都能较好的提取对象的故障特征,但改进EMD方法所提取到的故障特征更为准确,能量丢失较少.     

基于ASTFA的广义解调方法及应用

结合自适应最稀疏时频分析（ASTFA）和广义解调的优点提出了基于ASTFA的广义解调方法。该方法首先采用ASTFA对原始信号进行分解,得到分量信号及其相位函数;然后,提取该相位函数的二次项及高次项,获得解调相位函数;之后利用解调相位函数对分量信号进行广义解调;最后对广义解调后的信号进行频域分析,提取特征信息。仿真和实验分析结果表明,基于ASTFA的广义解调方法非常适用于处理多分量频率调制信号,能够有效提取滚动轴承在变速工况下的故障特征信息。