首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到12条相似文献,搜索用时 49 毫秒
1.
旋转机械阶比分析中的零相位跟踪滤波法   总被引:1,自引:0,他引:1  
郭瑜  秦树人 《中国机械工程》2003,14(23):2041-2045
提出了一种用零相位数字滤波实现阶比跟踪滤波的新方法,与传统的以硬件实现的阶比跟踪滤波方法相比,该新方法有无需跟踪滤波硬件、用纯软件的方法实现和对原始采样信号不产生相位移动等优点。详细讨论了这一方法的理论依据和算法,在算法中提出了数据分段重叠滤波方法,有效地抑制了一般分段数字滤波产生的边缘效应。仿真试验和实际测试验证了方法的正确性和有效性。  相似文献   

2.
旋转机械非平稳振动信号阶比特征分析系统设计   总被引:3,自引:0,他引:3  
设计了一个旋转机械非平稳振动信号阶比分析系统.该系统硬件部分由传感器、PCI数据采集卡、计算机等构成;软件部分包括采集卡驱动程序、信号处理程序和用户图形界面.仿真试验表明该系统达到设计要求.  相似文献   

3.
基于瞬时频率估计的旋转机械阶比跟踪   总被引:45,自引:9,他引:45  
提出了基于瞬时频率估计(Instantaneous frequency estimation,IFE)实现旋转机械阶比跟踪的新方法,其优点是简化了阶比分析对硬件的要求,用软件的方法实现了阶比跟踪,仿真与实际测试试验验证了本方法的正确性。本方法实现了旋转机械非平稳振动信号中参考轴瞬时转速的跟踪、估计算法,为阶比分析的实际应用提供了一种新方法,是对原有阶比跟踪技术的有力补充,特别适合于虚拟仪器发展的要求。  相似文献   

4.
基于瞬时频率估计及时频滤波的阶比分量提取   总被引:6,自引:3,他引:6  
郭瑜  秦树人 《中国机械工程》2003,14(17):1506-1509
在虚拟式旋转机械特征分析的研究中,利用基于瞬时频率估计的阶比跟踪结合Gabor时频滤波实现了阶比分量的提取。实际测试验证了该方法可有效地实现旋转机械非稳定振动信号中各阶比分量的提取。该方法简单、有效,且只需用软件算法实现,有很好的应用前景。  相似文献   

5.
传统的短时傅里叶变换(Shorr-time Fouriertransform,STFT)峰值搜索法对高噪声、强干扰信号进行瞬时频率估计的结果往往偏离真实值误差较大,且对复杂的旋转机械设备产生的振动信号不能实现参考轴的瞬时频率估计.针对旋转机械升降速阶段振动信号的特点,提出一种新的旋转机械升降速阶段振动信号瞬时频率估计算法--STFT Viterbi拟合法(STF_TViterbi algofithm fit,STFT_VF).该方法采用STFT对振动信号进行时频分析,从而得到时间离散点和频率离散点组成的网格面,然后运用Viterbi算法实现对参考轴信号的瞬时频率估计.STFT VF方法极大地降低了噪声和干扰对瞬时频率估计结果的影响,实现了对复杂旋转机械振动信号的瞬时频率估计,且结果精度高.仿真和实际测试试验验证了本方法的正确性.  相似文献   

6.
旋转机械阶比分析技术中阶比采样实现方式的研究   总被引:16,自引:2,他引:16  
阶比分析的关键是实现对旋转机械振动信号的等角度采样。在分析国内外阶比分析技术中阶比采样实现方式的基础上,在阶比分析中引入瞬时频率理论,提出了基于瞬时频率估计的阶比跟踪方法,研制出了虚拟式旋转机械特征分析仪。该方法避免了现有技术中需要使用价格比较昂贵的专用附加硬件和受现场安装条件制约的问题,有利于阶比分析的广泛应用。  相似文献   

7.
针对变转速下齿轮箱中滚动轴承故障调制特征的提取与分离,提出了基于时变零相位滤波的变转速滚动轴承故障诊断方法。该方法先用线调频小波路径追踪(CPP)算法从齿轮箱滚动轴承故障振动信号中估计出齿轮啮合频率,由啮合频率除以齿数得到齿轮箱的转速,同时,采用Hilbert包络解调方法获取轴承故障振动信号的包络信号;然后根据获取的转速信息设计各阶时变零相位滤波器;再采用各时变零相位滤波器对包络信号进行分析,获取各调制信号;最后,利用转速信号对求取的各调制信号进行阶次分析,并根据各阶次谱来诊断滚动轴承故障。算法仿真和应用实例分析表明,该方法可有效提取和分离变速齿轮箱中滚动轴承的各阶故障调制特征。  相似文献   

8.
旋转机械升降速信号的瞬时频率估计   总被引:15,自引:2,他引:13  
旋转机械的升降速过程是一种非平稳过程,对其测试信号进行分析需要用时频分析方法,如短时傅里叶变换(STFT)及小波变换等方法。对于多分量信号,峰值搜索法经常被用来获取旋转机械在升降速过程中瞬时频率随时间变化的规律。但是,由于噪声和信号中邻近成分间的干扰,直接寻找的结果不能保证其精度和准确性。采用隐马尔可夫模型(Hidden markov models,HMM)进行去噪处理,极大地降低了噪声和干扰对峰值搜索结果的影响,明显提高了结果的精度。仿真试验表明该方法可以取得好的结果。  相似文献   

9.
旋转机械虚拟式振动信号特征分析仪   总被引:2,自引:2,他引:2  
介绍了一种用于分析旋转机械振动信号的仪器, 该仪器可以有效提取出振动信号的特征信息.该仪器具有先进的时频分析功能,另外,运用时频分析技术中的瞬时频率理论,提出并实现了基于峰值搜索的瞬时频率估计的阶比谱、阶比谱阵、阶比跟踪、阶比跟踪滤波、阶比分量提取等阶比分析功能.该仪器弥补了传统旋转机械分析仪器在旋转机械升/降速信号分析上的不足,弥补了现有仪器在旋转机械非平稳信号分析上对硬件需求的缺陷.实验结果表明该仪器具有很好的工程应用价值.  相似文献   

10.
基于自适应时变滤波阶比跟踪的齿轮箱故障诊断   总被引:4,自引:0,他引:4  
针对多输入多输出齿轮箱传动系统和齿轮箱集群的振动信号中各啮合频率阶次相互干扰,从而导致故障诊断困难的问题,研究提出一种基于自适应时变滤波阶比跟踪的齿轮箱故障诊断方法。该方法利用基于多尺度线调频基稀疏信号分解提取各对传动齿轮的啮合频率,以各啮合频率为中心频率,对应转频的倍频为滤波带宽分别设计自适应时变滤波器对信号进行滤波,逐个提取振动信号中的啮合频率调制分量,再分别对提取的啮合频率调制分量单独进行阶比分析,有效地抑制其他无关联轴上齿轮啮合振动信号和其他非阶比噪声信号对阶比谱的影响,较好地解决阶比信号相互干扰的问题,提高阶比谱的调制识别效果,为多输入多输出齿轮箱系统和齿轮箱集群的故障诊断提供一条有效途径。仿真算例和应用实例说明方法的有效性。  相似文献   

11.
Based on the recently quick-developing time-frequency analysis (TFA) technique and virtual instrument (VI) technique, a virtual instrument in characteristic analysis of rotating machinery is researched and developed successfully. By utilizing instantaneous frequency estimation (IFE) theoretics of TFA technique, and based on IFE of peak searching on the time-frequency spectrum, order analysis (OA) functions is put forward and implemented, such as order spectrum, order spectrum matrix, order tracking, order tracking filtering, and order component extraction, etc. Unlike the home and abroad existing popular characteristic analyzers, which need key phasing devices such as shaft encoder, phase-locked loop (PLL), phase-locked multiple frequency, tachometer, etc, to implement constant angle sampling directly or indirectly, whereas this instrument only uses the vibration signal of rotating machinery to carry out OA. This instrument makes up the shortage of these traditional instruments in analyzing the non-stati  相似文献   

12.
基于数学形态学的旋转机械振动信号降噪方法   总被引:30,自引:2,他引:30  
基于数学形态学实现振动信号降噪。研究了数学形态滤波器对振动信号在不同类型、不同强度噪声干扰下的降噪能力,提出了采用开—闭和闭—开组合数学形态滤波器实现旋转机械振动信号降噪处理的方法。通过仿真计算及实例,检验了形态滤波器的滤波效果,表明数学形态滤波器可以有效剔除脉冲、降低随机噪声干扰,提高振动信号的信噪比。对强烈噪声干扰采用傅里叶变换与形态滤波器结合的处理方法可以取得明显的滤波效果。并具有算法简单、运算速度快的特点。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号