无转速计的旋转机械Vold-Kalman阶比跟踪研究

结合旋转机械升降速阶段振动信号的特点,提出了一种无转速计的旋转机械Vold-Kalman阶比跟踪方法。该方法利用能量重心法对振动信号进行频谱校正,估计瞬时频率,获得参考轴转速信号,再对振动信号进行Vold-Kalman阶比跟踪,提取阶比分量。与需要转速计的经典Vold-Kalman阶比跟踪方法相比,该方法无需鉴相装置,完全用软件方式实现,算法精度高。仿真和应用实例分析结果表明此方法能够在时域中准确地提取幅值和频率变化的阶比分量。     

基于谱峭度的滚动轴承故障包络阶比跟踪分析

通过对旋转机械变速运行工况的齿轮箱振动分析研究,提出一种基于谱峭度的滚动轴承故障包络阶比跟踪分析方法。该方法利用旋转机械运行过程中滚动轴承故障引起的冲击性振动会激起其周围结构共振的原理,应用谱峭度方法自适应地确定优化的共振解调带通滤波中心频率和滤波带宽,进而通过共振解调算法获得包含轴承故障初始阶段振动特征的包络信号,再将变速工况下的非平稳包络信号通过等角度重采样转化为角度域的准平稳信号,进而获得消除了频率模糊的阶比谱,实现对旋转机械变速运行工况下的滚动轴承故障诊断。仿真和测试试验结果验证了本方法的有效性。     

基于稳健全息阶比谱提取微弱故障特征

提出了一种稳健全息阶比谱方法,用于提取变速器变速过程的微弱故障特征。首先分析了转速波动对传统阶比方法分析精度的影响,构造了基于转速调整的改进阶比方法,对水平与垂直方向加速过程信号的改进阶比谱进行全息分析,构成稳健全息阶比谱,并与单测点改进阶比谱结果对比。试验表明,改进阶比谱能有效抑制转速波动对等角度采样的影响,提高了阶比谱分析精度,有效增强了全息阶比谱的稳健性;相对于任一方向单测点阶比谱,稳健全息阶比谱既能分析变速过程信号,又能融合多点信息,其量化参数能更准确评价诊断对象的技术状态,证明稳健全息阶比谱是一种全面、可靠提取变速过程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。     

基于线调频小波路径追踪的阶比双谱分析方法

为了将双谱用于转速波动下的齿轮故障诊断,提出一种基于线调频小波路径追踪的阶比双谱分析方法。该方法首先将分析信号的时间跨度在不同尺度下进行等分,形成不同的时间支撑区,然后用多尺度线调频基函数对信号进行投影分解,通过从不同的时间支撑区内投影系数最大的基函数中寻找出使分解信号能量最大的基元函数组合,获得信号包含的能量最大的信号分量,进而得到齿轮啮合频率分量的估计,最后将啮合频率除以齿轮的齿数得到齿轮的转速信号,根据提取的转速信号对时域振动信号进行等角度重采样,对重采样信号进行双谱分析即得到阶比双谱。仿真分析表明,该方法能在低信噪比条件下准确提取转速信号,从而使得双谱估计能合理应用于转速波动下的齿轮故障诊断,应用实例进一步验证了阶比双谱的有效性和优越性。     

一种基于阶比域的AR模型盲辨识算法

摘要：结合阶比分析和现有时序模型盲辨识方法各自的优点,提出了一种基于阶比域的AR模型盲辨识算法。该方法是将时域采样所得的非稳态信号按等角度重采样,从而得到阶域中的稳定信号,对其建立AR模型进行盲辨识。该方法继承了现有的时序模型盲辨识方法的所有优点,同时克服了现有时序模型盲辨识方法在处理非平稳信号的不足。仿真结果表明,该方法是有效的,可很好地处理非平稳信号。     

基于拟合误差最小化原则的奇异值分解降噪有效秩阶次确定方法

为了最大限度地提高旋转机械设备故障振动信号的信噪比,研究了奇异值分解降噪的原理,提出了一种新的奇异值分解降噪有效秩阶次的确定方法。首先,对振动信号进行相空间重构,对吸引子轨迹矩阵进行奇异值分解;然后,按不同的阶数,将奇异值分成信号组和噪声组,对每次分组的结果,以阶数为自变量、以奇异值为因变量,拟合成信号特征奇异值曲线和噪声特征奇异值曲线,并求拟合误差;最后,将拟合误差最小值对应的奇异值阶数确定为有效秩阶次,并进行奇异值分解降噪。通过数值仿真和实际齿轮故障数据分析,表明该方法可以有效地提高信号的信噪比,为后期的故障特征提取创造有利条件。     

基于振动信号分离的行星轴承故障特征提取

由于行星轴承振动信号传递路径的时变性,且行星齿轮箱中齿轮啮合振动信号较强,导致行星轴承故障特征提取较为困难。为此,提出了一种基于振动信号分离的行星轴承故障特征提取方法。该方法首先采用阶比分析技术将原始振动信号进行等角度采样;每当行星架旋转一周,采用Tukey窗进行加窗截取,按照啮合齿序重新拼接,构造振动分离信号。再采用离散随机分离从振动分离信号中提取行星轴承故障分量;最后进行包络谱分析提取故障特征。行星轴承内圈故障实测信号分析表明,该方法能有效提取行星轴承故障特征。     

基于双谱和变精度粗糙集理论的柴油机故障特征自动提取

采用双谱对柴油发动机曲轴轴承非稳态振动信号进行了分析,根据双谱对称性,对第一象限的对角线及对角线以下区域划分成若干等分区域,计算每个等分频率面内的双谱平均幅值,作为分析对象特征值,利用变精度粗糙集理论提取与特定故障部位强相关特征参数。分析结果表明：双谱能有效消除曲轴轴承非稳态振动信号中的噪声,变精度粗糙集能提取出与分析对象相关的关键因素,双谱和变精度粗糙集相结合能实现故障特征的自动提取     

改进的计算阶比跟踪及其应用

针对传统计算阶比跟踪在匀速以及转速变化较小时存在计算奇异的问题,提出了基于三次样条插值的改进计算阶比跟踪。该方法根据累积转角与时间呈单增函数关系,将时间表示为累积转角的函数后,采用三次样条插值方法进行求解,可实现任意工况下等角度重样时间的估计。由仿真信号和实验信号验证了该方法在不同转频变化时的有效性。结果表明:改进方法解决了传统计算阶比跟踪在匀速以及转速变化较小时存在的计算奇异问题,拓展了计算阶比跟踪的应用范围,具有较高的工程应用价值。     

基于小波包特征提取和模糊熵特征选择的柴油机故障分析

船舶动力设备因故障监测信号样本少、变化缓慢、数据特征呈非线性,使得设备故障模式的准确识别和状态预测比较难。尤其是柴油机振动信号的故障诊断,由于柴油机振动信号噪声多,诊断信号难以进行特征选择的问题,提出了基于小波包能量谱特征提取和模糊熵特征择的柴油机故障诊断方法。利用模糊熵对小波包能量谱提取出的特征集进行特征选择,将选择后的特征参数输入LS-SVM进行故障模式识别。试验结果表明,该方法可以提高故障识别准确率。在该试验中,故障识别准确率达到了99.36%,相比于未进行特征选择的特征集,识别准确率提高了0.72%。     

基于弗德卡曼阶比跟踪的转子起停车故障特征提取方法及应用

针对传统起停车过程分析采用短时傅里叶变换提取瞬时幅值及相位会损失瞬变信息的不足,用弗德卡曼阶比跟踪原理（Vold-Kalman Filter Based Order Tracking,VKF-OT）结合全息谱原理,提出新的转子起停车故障特征提取方法。由转子起停车瞬态响应数据中提取随转速变化的阶比分量,通过各阶分量复包络直接求幅值、相位,能克服傅里叶变换的平均效应,保留转子振动瞬变信息;通过VKF-OT集成转子截面振动信息,结合全息谱理论绘制阶比全息瀑布图,提取转子起停车状态的故障特征,并用于起停车瞬态动平衡。结果表明,该方法可有效提取转子典型故障特征、降低转子系统一阶临界振动。     

基于支持向量机的汽车发动机故障诊断研究

研究在汽车发动机不解体的情况下获取发动机缸盖表面的振动信号和上止点信号,按曲轴转角的周期对振动信号的时域能量进行合理分段;提取各段信号的时域能量作为发动机各缸状态的特征值。建立发动机各缸不同故障状态的训练集,用支持向量机的方法实现发动机故障模式的诊断与识别。研究结果表明,该方法对汽车发动机故障类型、故障位置的诊断识别具有重要工程意义。     

时变工况行星齿轮箱对数时频脊阶次谱故障特征提取

风电机组齿轮箱工作于强噪声且变转速变载荷的工况下,其振动信号非常复杂。建立了一个时变转速变载荷的行星齿轮箱振动信号模型。提出了时频脊阶次谱故障特征提取方法。对振动信号进行Wigner-Ville时频变换,取对数后进行重排;采用Crazy climber方法提取对数重排时频谱图中的峰值脊线;将脊线转换为时频脊阶次谱。通过仿真信号与转速、载荷连续波动实验数据表明,对数时频脊阶次谱故障特征能够为时变复杂工况行星齿轮箱故障预警提供有效的依据。     

基于VMD和SVD的柴油机气门间隙异常特征提取研究

为有效地从柴油机缸盖表面振动信号中提取气门间隙故障特征,提出一种基于变分模态分解(VMD)和奇异值分解(SVD)的特征提取新方法。采用VMD算法对缸盖振动信号进行分解,利用所得的模态分量构建特征矩阵;接着应用SVD理论将特征矩阵转变为表征频率特性的奇异值序列,探讨了稳定工况下的奇异值序列与不同气门间隙状态之间的关系;由于转速、负荷等工况的改变对信号特征层的影响与故障所引起的信号特征的改变可能非常相似,因此将奇异值序列作为特征参数,输入到随机森林分类器中,构建分类模型,对柴油机变工况下的气门间隙故障进行诊断。实验结果表明:该方法能有效识别气门间隙故障,突出故障敏感特征;与传统基于Hankel矩阵和小波包系数矩阵的SVD特征提取方法相比,该方法所提特征参数在柴油机变工况条件下具有更高的识别率。     

基于MSPCA的缸盖振动信号特征增强方法研究

针对发动机缸盖振动信号信噪比低的问题,提出了基于多尺度主元分析的故障特征增强方法。将缸盖振动信号小波包分解后,利用主成分分析对所有子带系数进行坐标变换,信号重构后再进行小波包分解,计算新坐标系下各子带的能量作为发动机故障的特征向量。仿真信号验证了本文所提算法对微弱冲击信号的增强能力,与支持向量机结合用于发动机十一种故障的诊断实例表明,故障分类准确率可达到98.76%。     

基于EEMD及敏感IMF的再制造发动机振动模式研究

为更好提取再制造发动机的振动特征,采用总体平均经验分解模式（Ensemble Empirical Mode Decomposition,EEMD）对信号进行分解,并用于再制造发动机振动模式研究中。在对振动信号分解基础上,利用相关系数计算IMF分量与其原始信号间相关性及原始信号IMF分量敏感因子;利用敏感IMF进行Hilbert变换。研究结果表明,采用EEMD分解算法所得IMF分量能反映再制造发动机的振动特征,基于敏感IMF的边际谱能区分再制造发动机不同部件的振动模式,并将再制造发动机部件分为缸壁、缸盖、曲轴三种振动模式,对提高发动机再制造水平具有重要意义。     

基于改进峰值搜索法的旋转机械瞬时频率估计

提出了一种用于提取转子瞬时频率的改进峰值搜索法,并将该方法应用于旋转机械阶比跟踪。改进的峰值搜索法将瞬时频率中相邻两点一阶导数的差值作为搜索峰值是否合理的判别条件,避免了传统峰值搜索法在干扰信号作用下提取到的虚假峰值,提高了瞬时频率的估计精度。仿真实验表明,改进的峰值搜索法能够降低干扰信号对瞬时频率提取的影响,效果优于传统的峰值搜索法。用该方法对实测转子升速振动信号进行阶比分析,取得了良好的效果。     

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。