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。     

基于物联网的铁路信号设备智能检测与故障诊断系统设计

针对铁路信号设备中的故障检测和诊断效率低下,以及传统方法在处理复杂故障时存在局限性,设计一种基于物联网技术的铁路信号设备智能检测与故障诊断系统。该系统旨在提高铁路信号设备故障检测的准确性和效率,进而确保铁路运输系统的安全和可靠性。该系统利用物联网技术进行实时数据收集,同时结合机器学习算法对信号设备的运行数据进行深入分析,以实现高效的故障诊断。该系统可以快速准确地识别出故障模式,并提供有效的维护建议。在系统测试中,该方法展现出了高准确率和快速响应能力,显著提高了故障诊断的效率,为铁路运输安全管理提供了一种新的技术支持,对于提高铁路运输的安全性和可靠性具有重要意义。     

基于压缩采集与深度学习的轴承故障诊断方法

机械健康监测正进入大数据时代,针对传统轴承故障检测存在的采样数据量大、故障特征依赖主观选取等问题,研究了轴承故障信号变换域的压缩采集、自动特征提取及诊断方法。基于压缩感知和深度学习理论,研究用随机高斯矩阵实现轴承信号的变换域压缩采集,并将此信号输入深度神经网络实现故障的智能诊断。该方法克服了传统针对时域信号的特征提取计算复杂、受先验知识和主观经验影响较大等问题,直接利用含有大量故障信息的压缩感知域采集信号训练深度神经网络,充分利用深度学习挖掘少量压缩采集数据中隐藏的故障信息,从而实现智能、准确的分类。实验结果表明,该方法实现了对不同故障位置和缺损程度的故障特征自动提取与准确故障诊断。     

螺栓松动损伤的亚谐波共振识别方法

螺栓松动将导致结构完整性的破坏,螺栓连接状态的实时有效监测和评估具有重大意义。提出了一种基于亚谐波共振分析的螺栓松动识别方法。针对螺栓连接结构简化的单自由度非线性模型,采用多尺度方法分析了亚谐波共振现象,定性模拟了螺栓松动损伤亚谐波激励条件。以铝梁螺栓搭接结构为实验对象,利用粘贴在铝梁表面的压电作动/传感单元,采用不同频率的激励信号作用在作动片上,传感片接收响应信号,对其进行频谱分析,通过提取响应频谱中的亚谐波成分进行螺栓松动损伤识别。仿真与实验结果表明,亚谐波产生所需激励频率在两倍固有频率附近,使用亚谐波检测方法能有效识别螺栓松动。     

一种基于ESPRIT的电能质量系统谐波分析方法

本文提出了一种基于ESPRIT的电能质量分析系统谐波间谐波检测方法。该算法是基于信号子空间的商分辨率信号分析方法。直接以测量数据构成的数据矩阵为基础,将信号空间分解为信号子空间和噪声子空间。能够高精度地估计电力系统的谐波与间谐波。进而为电能质量安全分析提供可靠依据。仿真算法表明此算法能够准确的检测出信号各个谐波间谐波成分。有效证明了此算法的正确性。     

基于信号共振稀疏分解和最大相关峭度解卷积的齿轮箱故障诊断

当齿轮箱内旋转零件发生故障时,其振动信号中的故障脉冲成分易被箱体中其他旋转部件的谐波信号和背景噪声所淹没,故障特征难以被有效提取。针对这一问题,提出了基于信号共振稀疏分解和最大相关峭度解卷积的故障诊断方法。该方法首先通过信号共振稀疏分解将信号中的低共振冲击成分从谐波分量和噪声中分离,然后对低共振分量进行最大相关峭度解卷积计算,进一步突出低共振分量中的周期脉冲成分,最后通过包络谱分析进行故障诊断。算法仿真、实验分析和工程应用结果表明,该方法能够有效提取强噪声信号中的周期性冲击成分,凸显故障特征,从而提供准确可靠的诊断结果。     

ITD方法在齿轮故障诊断中的应用

ITD方法较早应用于结构工程领域用来识别模态参数,其可在输入激励未知的条件下根据测取的响应数据辨识出特征参数,将这一方法引入到齿轮故障诊断中,应用matlab编写的程序处理实验数据,计算出了发生故障齿轮的固有频率等模态参数,并与正常结构对比,结果表明该方法可有效地进行故障识别与诊断.     

基于EEMD与空域相关降噪的滚动轴承故障诊断方法

针对滚动轴承早期故障信号非平稳、非线性,强噪声的特点,提出了一种将集成经验模态分解(EEMD)和空域相关降噪相结合的滚动轴承故障诊断方法。该方法首先采用EEMD对滚动轴承故障信号进行分解,得到若干个IMF分量,其次,采用峭度—度量因子准则筛选出有效的IMF分量进行信号重构,然后,采用空域相关降噪方法对重构信号进行降噪处理,最后,提取降噪后信号的故障特征频率对轴承故障进行诊断。采用建立的方法对某轴承内圈、外圈故障实验数据进行了分析与诊断,结果表明,方法能够有效克服信号分解的模态混叠效应,对故障信号噪声抑制效果明显,并能准确有效地提取出轴承的故障特征频率,实现对滚动轴承故障的精确诊断。     

基于系统特性盲辨识的齿轮箱故障诊断

盲系统辨识是仅由输出数据来获得系统特性函数的一种信号处理方法。系统特性只与自身的结构相关,一种工况就对应着一种特定的系统特性。将系统结构及工况两者结合分析,可有效应用于齿轮箱的故障诊断。首先,利用独立分量分析对获得的的信号进行预处理,提取出包含故障频率的信号作为系统模型的响应信号。其次,高阶累积量具有消除和衰减高斯噪声的特性,使用高阶累积量构建时间序列模型。最终,依据模型的系数计算得到的ARMA双谱定性分析,用量子自组织特征映射网络给出定量的判据。实验结果表明,此方法对齿轮箱故障的存在和故障类型的诊断,可以提供一些有价值的结论。     

Detection of rubbing location in rotor system by super-harmonic responses

A detection strategy for the rubbing locations in a rotor system based on the super-harmonic responses is developed. Firstly, the dynamics of the rotor system with rubbing fault is investigated based on the theory of nonlinear output frequency response function. Then, the relationship between the super-harmonic components of the vibrations of fault rotor system and the receptance matrix of the fault-free rotor system is established. The detection method is then set up for rubbing location along the rotor. With this approach, the rubbing location can be determined by using super-harmonic responses measured at only two nodes under one case of operating speed. Finally, numerical simulations and experimental observations are carried out to verify the efficiency of the proposed detection method for rubbing location in a rotor system.     

结合复小波包变换及频谱校正的机械转子碰摩故障诊断方法研究

针对机械转子系统中碰摩故障发生时故障特征微弱及识别困难的问题,提出一种结合双树复小波包变换及频谱校正的故障诊断方法。首先对于振动位移信号中工频基波成分,采用频谱加矩形窗的频谱校正方法识别其谐波信息,通过构造补偿信号进行对消,以减少其对后续特征提取的影响。其次通过双树复小波包对补偿过的信号进行多尺度分解;最后对小波包子空间信号进行希尔伯特包络解调分析,通过瞬时幅值及瞬时频率信息诊断转子的动静碰摩故障。在转子实验台上进行了实验验证,结果表明提出的方法能有效提取转子碰摩产生的微弱故障特征。     

碰摩故障转子-滚动轴承耦合系统非线性动力学研究

针对滚动轴承支承下的转子碰摩故障机理分析和故障诊断问题,考虑滚动轴承非线性赫兹接触和轴承径向间隙,建立了含碰摩故障的转子-滚动轴承系统动力学模型。应用数值积分方法得到系统的非线性响应,利用时间波形图、分叉图、频谱图以及Poincaré映射图,研究了系统响应随转速、轴承间隙、碰摩刚度、偏心量以及碰摩间隙的变化规律,为有效诊断滚动轴承支承下的转子碰摩故障提供了理论依据。     

机械转子动静碰摩故障的EMD分解Hilbert包络谱分析

为避免碰摩故障对旋转机械的影响,针对转子系统局部碰摩的特征,提出一种基于EMD分解Hilbert包络谱分析方法。该珐利用EMD方法分解含有碰摩故障的振动信号,提取出的IMF分量有明显的调幅特征,再对其中突出的IMF分量进行Hilbert包络谱分析提取出故障特征频率。与倒谱分析相比,得到的碰摩故障信息更加精确;与小波分析相比,能更容易提取出真实的故障特征。     

基于非线性动响应的夹持松动特性研究

根据夹持结构存在的局部非线性特点,研究基于非线性动响应的夹持松动识别方法。利用悬臂梁结构在夹持边界条件下自由振动的非线性动响应理论解,将结构非线性响应的二次谐波振幅与基频振幅响应的比例系数r作为松动判别特征量,研究夹持结构的松动特性规律。以夹持悬臂梁结构为研究对象,建立接触有限元模型来计算夹持结构的非线性动响应;同时开展了试验研究,通过不同夹持力下结构振动响应特性来验证该方法的有效性。仿真和试验结果表明,随着夹持力的增加,结构非线性动响应信号的二次谐波振幅呈下降趋势,振幅比值r呈幂指数下降。二次谐波振幅与基频振幅的比值r可以作为表征结构松动状态的判据。     

中性点补偿电网单相故障五次谐波混沌检测方法

提出了基于混沌理论的中性点补偿电网五次谐波故障选线方法。首先，基于混沌理论研究故障背景信号的神经网络建模方法，通过神经网络的预测模型滤除故障背景信号。其次，为了检测到微弱的故障五次谐波分量，提出基于Duffing振子五次谐波相变原理的故障检测方法，并构造了Duffing振子相变检测选线方法的数值型判据。实验算例证明该选线判据具有很强的可靠性和适用性。     

基于形态分量分析和包络谱的轴承故障诊断

滚动轴承出现局部损伤时,其振动信号往往由包含轴承自身振动的谐振分量、包含轴承故障信息的冲击分量及随机噪声分量构成。提出了基于形态分量分析和包络谱的滚动轴承故障诊断方法。该方法根据轴承振动信号中各组成成分的形态差异,利用改进的形态分量分析对滚动轴承故障振动信号中的谐振分量、冲击分量和噪声分量进行分离,然后对冲击分量进行Hilbert包络解调分析,根据包络谱诊断滚动轴承故障。算法仿真和应用实例表明,该方法能有效提取滚动轴承故障特征。     

碰摩故障下转子-MRD系统的动力学特性研究

考虑磁流变阻尼器(Magnetorheological damper,简称MRD),研究典型工况下MRD对碰摩故障转子系统动力学特性的影响。基于双线性本构方程,建立磁流变阻尼器动力学模型,并将其引入到转子系统中,利用有限元法建立碰摩故障下转子-滚动轴承-MRD系统的动力学方程,并采用Newmark数值法进行求解,利用分岔图、轴心轨迹图及频谱图等进行对比分析。研究结果表明:合适的电流作用下,MRD能够有效缓解碰摩,使局部碰摩稳定到轻微的全周碰摩,增强系统的稳定性。在过大的电流作用下,会激发MRD的非线性,产生非协调频率成分,降低系统的稳定性。该研究结果可为磁流变阻尼器的设计及控制策略提供有益的指导。