基于曲线特征分段的多阶FRFT滤波提取齿轮早期故障特征

对于变速器齿轮早期微弱故障特征难以提取的问题,提出了一种基于曲线特征进行分段的多阶分数阶傅里叶变换(Fractional Fourier Transform,FRFT)滤波方法。首先,依据振动信号频率曲线的特征将目标档位的啮合频率曲线分成若干频率近似线性变化的信号段,然后通过计算确定相应信号段的分数阶傅里叶变换的滤波最佳阶次,再逐段进行滤波,从而分离出包含故障特征信息的目标阶比分量,进而进行故障特征提取。通过采用该方法分析变速器变加速工况振动信号,结果表明,基于曲线特征进行分段的多阶FRFT滤波能够有效分离出啮合频率分量,对分离出的分量进行阶次包络解调分析,能准确提取出齿轮微弱故障特征。     

FRFT循频滤波及齿轮微弱故障特征提取

提出了一种分数阶傅里叶变换(Fractional Fourier Transform,FRFT)循频滤波方法,贴近瞬变工况下信号频率曲线变化特征,循迹剥离包含故障信息的特征分量,提取齿轮早期故障微弱特征。首先,研究了线性多尺度分段方法,将频率呈曲线任意变化信号自适应分成若干个频率近线性变化的信号段;然后研究了频率拟合确定FRFT滤波参数的方法,计算各段信号的FRFT滤波参数并逐段进行FRFT滤波,实现FRFT循频滤波。采用该方法对变速器加减速过程振动信号进行滤波解调分析,试验结果表明:线性多尺度分段方法,能自适应地将任一频率呈曲线任意变化信号分段成若干个频率近线性变化的信号段,且分段数较少;频率拟合确定FRFT滤波参数方法,不受振源和多分量数量影响,能准确确定各分段信号的FRFT滤波参数;该滤波方法能从变速器瞬变工况振动信号中循频提取出包含故障信息的特征分量,有效剥离其他分量和噪声干扰,对提取后的特征分量进行解调分析,能准确提取出传统方法难以识别的齿轮早期故障微弱特征。     

基于分数阶滤波的全息阶比解调谱及齿轮早期故障诊断

为提高变速器齿轮早期故障诊断的准确性和可靠性,提出了一种基于分数阶傅里叶变换(fractional Fourier transform, FRFT)滤波的全息阶比解调谱方法。对变速器变转速过程的水平与垂直测点振动包络信号进行分数阶滤波,分离出调制频率分量,再对分离后信号进行全息阶比谱分析,得到调制分量的全息阶比解调谱,并对齿轮早期点蚀故障进行故障诊断。试验结果表明,基于分数阶滤波的全息阶比解调谱,兼具分数阶滤波分离频率变化分量的特点与全息阶比谱融合多维特征的优势,既能有效分离变转速过程的调制分量,隔离其他分量和噪声干扰,又能有效融合两个方向的关键特征信息,有效诊断出单测点单特征方法难以识别的齿轮早期故障。     

基于分数阶聚能带分析的微弱故障特征提取研究

提出了一种分数阶聚能带时频累加谱方法,快速实现长数据的时频分析,突出目标分量,用于提取变速器急加速过程微弱故障特征。根据变速器输入轴转速信号及传动比确定分数阶傅里叶变换（Fractional Fourier Transform, FRFT）最佳阶次,对变速器急加速过程振动信号进行最佳阶次FRFT,根据FRFT模值谱确定聚能带,计算分数阶聚能带时频累加谱,通过对比多组正常和故障数据的分数阶聚能带时频累加谱结果和阶比谱结果,验证该方法的有效性。试验结果表明：根据转速信号能快速、准确确定FRFT最佳阶次;选取聚能带内的FRFT结果进行时频分析,计算量小,分辨率高,分数阶聚能带时频累加谱具有聚焦和局部放大的特点, 能很好地突出目标分量,抑噪噪声,是提取变速器急加速过程信号微弱故障特征的有效方法。     

基于分数阶傅里叶变换的邻近阶比分离研究

提出了一种基于分数阶傅里叶变换（Fractional Fourier Transform, FRFT）的邻近阶比分离方法。根据变速器输入轴转速信号及传动比确定FRFT最佳阶次,对变速器升速过程振动信号进行最佳阶次FRFT,在该分数阶域分离邻近阶比分量,并对分离出的单分量信号进行阶比分析。试验结果表明,根据转速信号确定FRFT最佳阶次,准确、快速、鲁棒性好,并具有自适应性;最佳阶次的FRFT能准确分离提取邻近阶比分量,对分离出的目标阶比分量进行单分量分析,能有效解决邻近阶比胶合问题。     

时变工况的风电机组齿轮箱无转速计阶次跟踪方法研究

针对时变工况风电机组齿轮箱振动信号受噪声干扰和频率模糊问题,通过研究无转速下风电机组齿轮箱振动信号与转频波动规律间的联系,提出了基于VMD-SET时变工况的风电机组齿轮箱无转速计阶次跟踪方法。该方法利用变分模态分解（VMD）滤波,利用同步提取变换（SET）对齿轮箱振动信号时频分析,分别从轴承故障时域振动信号中初步提取故障特征频率趋势,从正常齿轮啮合调制时域振动信号中提取啮合频率时频脊线,进一步利用精细化时频脊线交叉解耦优化瞬时频率提取效果,再用提取的转速曲线对轴承故障振动信号进行阶次跟踪,从角域阶次谱中得到故障特征阶次的单根谱线。通过仿真及实验验证了所提方法的优越性和有效性。     

基于自适应时频滤波的变转速齿轮故障特征提取

针对变转速下齿轮的故障信号分离与故障特征提取,提出了基于线调频小波路径追踪(Chirplet Path Pursuit,CPP)与S变换的自适应时频滤波方法。该方法先采用CPP算法从原始齿轮振动信号中估计出齿轮啮合频率,同时,对原始振动信号进行S变换获取其时频分布;然后根据齿轮啮合频率设计自适应时频滤波器;再采用时频滤波器对信号的时频分析进行时频滤波,并将时频滤波结果进行S逆变换,即可得到包含齿轮故障信息的滤波信号;最后对滤波信号进行阶次分析,并根据阶次谱中的调制边频带诊断齿轮故障。对变转速下齿轮的局部故障进行了算法仿真和应用实例分析,结果表明,自适应时频滤波器可根据信号的频率变化特点自适应地改变中心频率和带宽,具有较好的信号分析自适应性,且滤取的信号无相位畸变,非常适合于变转速下的非平稳信号分析。     

一种带宽优化选取的ATF方法及其在齿轮故障诊断中的应用EI北大核心CSCD

自适应时变滤波(adaptive time-varying filtering,ATF)方法是一种基于数据驱动的非平稳信号处理方法,可有效分离变转速下的齿轮故障信号;但在ATF方法中,滤波带宽的选取需依据经验人为选取,具有较大的主观性。因此,针对ATF方法中滤波带宽的自适应优化选取,以齿轮啮合阶次与其临近阶次的能量比作为指标,提出了一种基于带宽优化选取的ATF方法;该方法先采用线调频小波路径追踪算法估计齿轮故障信号中的瞬时频率,然后设置不同的滤波带宽值构建自适应时变滤波器,再对滤波后的信号进行阶次分析,并计算齿轮啮合阶次与其临近阶次的能量比,最后挑选出最佳能量比所对应的滤波带宽作为最优带宽值来对信号进行滤波分析,进而诊断齿轮故障。对变转速下的齿轮局部故障进行了仿真和实例分析,并将之与集合经验模态分解(ensemble empirical mode decomposition,EEMD)方法对比,结果表明,该方法不仅可自适应选取滤波带宽,减少滤波误差,而且能有效提取齿轮故障特征信号,凸显齿轮故障特征。     

一种改进的ATF方法在齿轮故障诊断中的应用

针对转速波动下的齿轮故障信号与故障特征提取,提出一种基于频域滤波的自适应时变滤波(Adaptive time-varying filtering,ATF)方法,并将其应用于齿轮故障诊断中。该方法先用线调频小波路径追踪(Chirplet path pursuit,CPP)算法估计齿轮箱故障振动信号中的齿轮啮合频率,并依据啮合频率在频域设计自适应时变滤波器,以滤取包含齿轮故障信息的时变滤波信号;再对采用阶次跟踪算法对滤波信号进行等角度重采样,并对重采样后的信号进行自相关分析,以去除通带内噪声的干扰;最后对去噪后的信号进行谱分析,获得其自相关阶次谱,并根据自相关阶次谱中的调制边频带诊断齿轮故障,对变转速下的齿轮局部故障信号进行了仿真分析和试验。结果表明,该方法对滤波器通带和阻带内的噪声均具有较好的抑制作用,且提取的齿轮故障信号无相位畸变,故障调制边频带也更为突出。     

迭代广义解调齿轮信号分离的变转速滚动轴承故障诊断EI北大核心CSCD

变转速工作模式下齿轮啮合会掩盖故障轴承冲击特征,使得轴承故障特征信息微弱,针对变转速工作模式下齿轮啮合对轴承信号干扰的问题,提出了迭代广义解调齿轮信号分离的变转速滚动轴承的故障诊断方法。首先采用峰值搜索算法从包络时频谱中提取峰值啮合倍频(Instantaneous Dominant Meshing Multiply,IDMM),通过IDMM趋势线构造各广义解调函数的相位函数;其次利用迭代广义解调算法(Iterative Generalized Demodulation,IGD)分离出齿轮啮合频率及倍频信号,对剩余信号采用谱峭度算法确定由故障轴承引起的高频共振滤波参数并进行带通滤波;最后,以提取的IDMM趋势线作为轴承转频,对滤波结果进行角域重采样,根据阶次谱对滚动轴承运行状态予以判断。仿真信号和实测信号的处理结果证明该方法在无转速计设备的情况下能有效的实现变转速滚动轴承的故障诊断。     

迭代广义解调齿轮信号分离的变转速滚动轴承故障诊断

变转速工作模式下齿轮啮合会掩盖故障轴承冲击特征,使得轴承故障特征信息微弱,针对变转速工作模式下齿轮啮合对轴承信号干扰的问题,提出了迭代广义解调齿轮信号分离的变转速滚动轴承的故障诊断方法。首先采用峰值搜索算法从包络时频谱中提取峰值啮合倍频(Instantaneous Dominant Meshing Multiply,IDMM),通过IDMM趋势线构造各广义解调函数的相位函数;其次利用迭代广义解调算法(Iterative Generalized Demodulation,IGD)分离出齿轮啮合频率及倍频信号,对剩余信号采用谱峭度算法确定由故障轴承引起的高频共振滤波参数并进行带通滤波;最后,以提取的IDMM趋势线作为轴承转频,对滤波结果进行角域重采样,根据阶次谱对滚动轴承运行状态予以判断。仿真信号和实测信号的处理结果证明该方法在无转速计设备的情况下能有效的实现变转速滚动轴承的故障诊断。     

变转速齿轮箱复合故障的自适应时变滤波分析

复合故障诊断是机械故障诊断领域的一大难点。齿轮箱出现复合故障时,受传递路径、测点布置等影响,所拾取的复合故障振动信号中,各故障成分会呈现强弱不平衡,特别在变转速条件下,故障特征具有时变特性。因此,针对变转速下的齿轮箱复合故障诊断,提出了一种基于频域滤波的自适应时变滤波方法。该方法在频域构建自适应时变滤波器,采用自适应时变滤波器将包含齿轮故障特征的时变滤波信号从齿轮箱复合故障信号中分离出来,并进行包络阶次谱分析,以提取齿轮故障特征;同时,对残余信号(齿轮箱复合故障信号与时变滤波信号的差值)进行包络阶次谱分析,以提取轴承故障特征。算法仿真和应用实例表明,自适应时变滤波方法可有效分离变转速下齿轮和滚动轴承的故障特征。     

基于ATF与EEMD变转速齿轮故障特征降噪方法

针对变转速下的齿轮故障特征的降噪问题,提出了一种基于自适应时变滤波(Adaptive Time-varying Filtering, ATF)与集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)的齿轮故障特征降噪方法。该方法首先用线调频小波路径追踪(Chirplet Path Pursuit,CPP)算法从变转速下的齿轮故障振动信号中估计出齿轮啮合频率,并依据该啮合频率设计时变滤波器;再利用该时变滤波器对齿轮故障振动信号进行滤波,将滤波器阻带内的噪声予以去除;然后采用EEMD方法对滤波后的信号进一步降噪,减少滤波器通带内的噪声干扰;接着利用时变滤波器对降噪后的信号再次进行滤波,消除EEMD降噪时在阻带带来的噪声干扰;最后对降噪后的信号进行阶次分析,提取齿轮故障特征。对齿轮局部故障的算法仿真和应用实例分析表明,该方法不仅可以消除阻带的噪声干扰,而且对通带内的噪声也有较好的抑制作用,可有效凸显齿轮的故障特征。     

基于频移及谱线编辑的齿轮故障窄带解调分析方法

通过对旋转机械变速运行齿轮箱振动研究,提出基于频移及谱线编辑的齿轮故障窄带解调分析方法。对齿轮箱变速等非稳态信号进行时域同步采样,利用阶比跟踪对时域信号等角度重采样转换为角域准平稳信号,克服转速波动对信号分析产生的频率模糊现象;对角域信号进行同步平均削弱与转速无关的频率成分,提高信噪比;对平均信号进行窄带解调分析,通过对阶比谱自动编辑分离出齿轮故障主要啮合阶比分量后恢复到角域信号,进行幅值解调及基于频移的相位解调,据幅值解调及相位解调波形图提取齿轮故障特征。结果表明,基于频移、谱线编辑的齿轮故障窄带解调分析方法能有效提取齿轮故障特征信息。     

一种初始相位函数估计的DDTFA方法及其应用

针对数据驱动时频分析方法(Data-Driven Time-Frequency Analysis,DDTFA)的初始相位函数估计直接影响算法的收敛性及分解精度的问题,将多尺度线调频基稀疏分解方法(Multi-Scale Chirplet Sparse Decomposition,MSCSD)引入DDTFA的初始相位函数估计中,提出了MSCSD-DDTFA方法,并应用于变转速齿轮故障诊断中。MSCSD方法采用分段线性拟合的思想,可从低信噪比信号中精确地估计出信号的瞬时频率,进而求取相位函数;DDTFA方法则可根据MSCSD估计的相位函数不失真地分离出时变非平稳信号分量;最后,可根据MSCSD估计出的瞬时频率对信号分量进行阶次包络分析,获取阶次包络谱以诊断变转速齿轮故障。算法仿真和应用实例表明:该方法可准确分离出信号中的时变非平稳信号分量,并提取变转速齿轮故障特征。     

基于改进阶比的变速器微弱故障特征提取

提出了一种基于转速调整的改进阶比分析方法,并应用于提取变速器齿轮微弱故障特征。从理论上分析了传统阶比方法分析转速波动信号的局限性,提出了基于转速调整的改进阶比分析方法,采用传统和改进阶比方法对实测转速波动信号进行分析,通过对比证实了转速波动对传统阶比分析结果有较大影响,而改进阶比方法能有效克服该影响,明显改善了分析效果,提高了分析精度。分别采用传统阶比和改进阶比方法对变速器加速振动信号进行分析,结果表明,传统阶比谱不能正确区分齿轮正常与轻微故障状态,而改进阶比谱能清晰反映齿轮正常与轻微故障状态的幅值能量变化,说明改进阶比方法能有效分析转速波动信号并正确提取出微弱故障特征。     

基于时时能量阶比谱的变转速工况滚动轴承微弱故障诊断研究

变转速工况下的滚动轴承微弱故障诊断同时面临两个难点:一是滚动轴承的故障特征信号容易被环境噪声和干扰信号淹没;二是滚动轴承故障振动信号的时变特征难以被常规频谱方法提取。针对上述问题提出了基于时时能量阶比谱的滚动轴承故障诊断方法。首先对变转速工况下的滚动轴承微弱故障振动信号进行时时(time-time,TT)变换,在双时域上刻画轴承故障振动信号的时变特征;然后利用提出的时时能量定义计算轴承故障振动信号的时时能量,获得轴承故障振动信号的时时能量信号;最后对时时能量信号进行阶比分析得到轴承故障振动信号的时时能量阶比谱,并根据时时能量阶比谱的阶次特征识别出轴承故障类型。分析了变转速工况下的滚动轴承故障仿真信号和实验测试信号,结果表明:时时能量信号能够有效追踪轴承故障振动信号的时变能量分布,增强故障特征信号的冲击特征,时时能量阶比谱较包络阶比谱抗噪能力更强,为变转速工况滚动轴承微弱故障诊断提供一种有效方法。     

基于FRFT的改进多尺度线调频基稀疏信号分解方法

针对全局搜索基函数计算量大的问题,提出了基于分数阶傅里叶变换(Fractional Fourier Transform,FR-FT)确定基函数的改进多尺度线调频基稀疏信号分解方法。通过解析信号的FRFT消除实信号FRFT结果中的对称项,两级搜索FRFT幅度谱确定信号的最佳基函数,检验该方法的计算效率和抗噪性能,并采用该方法分解频率呈曲线变化的多分量非平稳信号。试验结果表明:对解析信号进行FRFT能有效消除实信号FRFT结果中的对称项;基于FRFT确定基函数速度快、精度高、抗噪能力强,与频偏大小、频率变化快慢无关,不需先验知识,有效克服了全局搜索方法计算量过大的问题;基于FRFT的改进多尺度线调频基稀疏信号分解方法能快速、准确地分解频率呈曲线变化的多分量信号,适合于旋转机械瞬变工况下非平稳信号的瞬时频率估计与目标分量隔离分析。     

基于广义解调时频分析和瞬时频率计算的阶次谱方法在齿轮故障诊断中的应用

针对齿轮启停过程中故障振动信号的调频特性,提出了基于广义解调时频分析和瞬时频率计算的阶次谱方法,并将其应用于齿轮瞬态信号的分析。广义解调时频分析是一种新的时频分析方法,它可以将多分量的信号分解为若干个瞬时频率具有物理意义的单分量信号,每个单分量信号可以是调幅-调频信号,因此非常适合处理多分量的调幅-调频信号。而当齿轮发生故障时,其启停过程中的振动信号就表现为多分量的调幅-调频特征。在基于广义解调时频分析和瞬时频率计算的阶次谱方法中,首先采用广义解调时频分析方法将齿轮瞬态信号分解为若干个单分量信号,然后计算各个分量的瞬时频率,再对其瞬时频率信号进行重采样,最后对重采样信号进行频谱分析得到阶次谱,从而提取齿轮振动信号的故障特征,判断齿轮的工作状态。仿真信号和实验信号的分析结果表明了该方法的有效性。     

变转速下对数平方包络谱在滚动轴承故障诊断中的应用

变转速工况下,转速变化会导致不同时间段峭度值出现变化,且高脉冲噪声会导致振动信号的峭度值突然变大。这些因素削弱了快速谱峭度图(Fast kurtogram,简称FK)方法提取微弱故障特征方面的性能,为了克服这些缺陷,提出一种基于对数平方包络谱的新特征--对数包络阶次循环分量(Log-envelope Order Cyclic Content,简称LEOC),构造出一种对数包络阶次循环分量图(Log-envelope Order Cycligram,简称LEOCgram)。首先使用1/3二叉树结构对原始信号进行多层次滤波,并计算每一组滤波子信号的平方包络。然后,通过计算阶次跟踪(Computed Order Tracking,简称COT)技术对每一组的平方包络序列进行角域重采样,计算每一组滤波信号的对数平方包络谱并进行自相关分析得到可能的故障特征阶。最后计算LEOC值,LEOC最大值对应的频带即为最优解调频带。将最优解调频带作为滤波器的参数对原始信号进行滤波,通过对滤波后的信号进行包络阶次分析并根据包络阶次谱的阶次结构可以确定故障类型。仿真信号和试验轴承外圈故障信号的分析结果表明,该方法...