共查询到19条相似文献,搜索用时 77 毫秒
1.
3.
时频分析方法在冲击故障早期诊断的应用研究 总被引:2,自引:0,他引:2
冲击故障的振动响应信号是时变的,用传统的诊断方法一般难以进行早期发现和诊断,本文基于小波包对时变信号的多分辨分解和重构能力以及CONE时频分布对时信号的优良描述特性,发展了基于小波包捍频分析方法。经试验和现场监测数据的分析和验证,说明该方法能够从很强的基础振动信号中提取清晰直观的冲击故障特征,可以实现冲击故障的早期诊断。 相似文献
4.
受运行环境及传递路径影响,滚动轴承声音信号中包含有强背景噪声和较大的非周期性瞬态冲击成分,导致轴承故障特征提取困难.文中提出一种基于自适应变分模态分解(AVMD)的滚动轴承噪声信号故障诊断方法.该方法首先根据不同的信号自适应地确定模式数和惩罚因子,利用优化参数的VMD对原始信号进行分解,得到多个本征模式分量;然后计算各... 相似文献
5.
6.
7.
8.
9.
10.
盾构机(tunnel boring machine, TBM)滚刀在重载、冲击和地质复杂的环境中服役,极易发生偏磨等失效故障,因此,掌握滚刀的磨损状态、实现基于数据驱动的滚刀偏磨故障诊断并指导滚刀的运维尤为重要。提出了一种基于小波时频分析和Inception-BiGRU模型的诊断模型以提高滚刀偏磨故障诊断效率。以滚刀为研究对象,在多功能缩比滚刀试验台上进行直线破岩试验,采集滚刀破岩时产生的振动加速度信号。采用连续小波变换获取反映振动信号时频域特征的小波时频图,进而以Inception模块的不同大小卷积核自适应地提取时频图中的多尺度空间信息,并通过添加双向门控循环单元(bidirectional gated recurrent units, BiGRU)使模型可更为准确地学习到时频图中丰富的时序依赖性关系,模型的超参数由贝叶斯优化算法确定。4种不同偏磨程度滚刀的诊断试验表明所提模型能够有效提取时频图中滚刀的偏磨特征并完成滚刀偏磨状态识别,实现端到端的盾构滚刀偏磨故障诊断。模型平均诊断准确率可达到98.5%,其诊断准确度和稳定性均优于其他常用算法,证明了所提方法的可行性。 相似文献
11.
基于一种新的时频分布的机械故障诊断 总被引:8,自引:6,他引:2
通过设计核函数,给出了一新的时频分布(TFD),并将该TFD应用于机械故障诊断。结合两个诊断实例,同时与Winger-Ville distribution(WVD)进行对比,发现该分布具有良好的时频聚集性,并且能够有效地抑制交叉项,事实证明,该分布能够刻画出幅值谱和WVD所不能反映的故障特征信号,能够较好地进行故障诊断。 相似文献
12.
13.
14.
小波分解及图像处理在内燃机振动诊断中的应用研究 总被引:1,自引:0,他引:1
内燃机缸盖振动具有明显的非平稳时变特点,因此在监测诊断时应尽量利用信号中的信息。为了克服时域和频域特征提取方法的不足,从而充分利用振动信号所包含的信息,本提出了一种新的内燃机故障诊断方法:对缸盖振动信号进行小波包分解,得到信号的时-频分布图,并利用软件方法定义图象,然后提取图象的各种特征参数实现诊断。将该方法用于6135柴油机气阀机构的故障诊断,取得了很好的效果。结果表明此方法简单有效,诊断精度较高,且对信号采样的要求不高,易于实用。 相似文献
15.
Fault Diagnosis of a Turbo—unit Based on Wavelet Packet Theory 总被引:3,自引:0,他引:3
In this paper we studied the fault feature of the generator set and the characteristics of wavelet packet theory for signal de-noising.The vibration signal of the generator set in different states is ana-lyzed by using the signal re-construction technique of the wavelet packet theory.The time domain method is given for the generator set fault diagnosis.The experiment results show that the wavelet packet theory can be used to directly identify the state of the generator set and provide a credible new idea for complex machinery fault diagnosis. 相似文献
16.
在对基于最大重叠离散小波包变换(Maximal overlap discrete wavelet packet transform,简称MODWPT)的Hilbert谱方法进行介绍的基础上,将基于MODWPT的Hilbert谱应用于齿轮故障诊断当中。采用MOWDWPT可将多分量的复杂信号分解为若干个瞬时频率和瞬时幅值具有经典物理意义的单分量之和,然后求出各个单分量信号的瞬时频率和瞬时幅值,再进行组合便可以得到原始复杂信号完整的时频分布。对具有裂纹和断齿的齿轮故障振动信号的分析结果表明,基于MODWPT的Hilbert谱可以有效地提取齿轮振动信号的故障特征。 相似文献
17.
18.
WANG Sheng-chun HAN Jie LI Zhi-nong LI Jian-feng 《国际设备工程与管理》2007,12(2):116-120
The time-varying autoregressive (TVAR) modeling of a non-stationary signal is studied. In the proposed method, time-varying parametric identification of a non-stationary signal can be translated into a linear time-invariant problem by introducing a set of basic functions. Then, the parameters are estimated by using a recursive least square algorithm with a forgetting factor and an adaptive time-frequency distribution is achieved. The simulation results show that the proposed approach is superior to the short-time Fourier transform and Wigner distribution. And finally, the proposed method is applied to the fault diagnosis of a bearing , and the experiment result shows that the proposed method is effective in feature extraction. 相似文献