具有阻带抑制特性的微带带通滤波器设计

应用传输线理论分析了并联微带开路线产生传输零点的原理,设计了一个基于双模谐振器结构,中心频率为1.9 GHz、分数带宽为2%的改进型微带发夹式带通滤波器.仿真和实验结果较为一致,表明该类型的滤波器具有显著的上边阻带抑制特性,可以应用于高性能微波滤波器和双工器的设计中.     

振动测试基础上的风机动平衡实例

利用便携式振动测试分析仪,测量烧结风机转子振动信号,通过频谱分析法分析风机转子不平衡故障特征,结合风机类旋转机械转子不平衡故障振动信号的时域、频域谱特征,进一步明确风机不平衡故障的时频特征,并通过现场动平衡方法以减小风机不平衡振动。     

基于形态非抽样小波和S变换的轧机振动信号分析

为了确定板带连轧中多台轧机振动的起振顺序,首先在形态非抽样小波一般框架的基础上,构造了一种基于多尺度平均滤波器的形态非抽样小波.然后通过仿真实验,得到此形态非抽样小波尺度与频率之间的关系.最终利用基于多尺度平均滤波器的形态非抽样和S变换的方法对轧机振动信号进行分析,成功提取了故障频率的起振时间,确定了轧机的起振顺序.      

改进的谱相关分析方法及其在故障诊断中的应用

提出一种基于峭度能量的谱相关分析方法.它利用每个循环频率切片的峭度值来衡量该循环频率的调制能力,并以此作为加权因子进行循环频率的能量累积,最终实现故障特征的有效提取.相对于传统的谱相关分析方法,本文方法降低了信号中多倍频谐波对故障特征频率的干扰,能更清晰准确地提取出故障频率特征.利用传统的谱相关分析方法、本文方法和共振解调三种方法对仿真信号、低速重载试验台的滚动轴承外圈故障信号进行分析,证明了本文方法的有效性.      

迭代生成微分方程分解方法研究

针对实际振动信号中多分量分离问题,在生成微分方程解调技术的基础上,提出一种新的迭代分解方法.首先采用生成微分方程(generating differential equation,GDE),估计初始振动信号的瞬时频率和幅值包络,然后对瞬时频率通过低通滤波分离出第一个频率,基于此频率对原始信号通过高通滤波器后提取的成分作为第一个分量,最后用初始信号减去第一个分量的余值作为下一次迭代的初始值,迭代同样的步骤分析分解直到获取所有信号分量,以低于能量比阈值作为迭代终止条件.本方法不需要先验信息.通过仿真信号验证并与传统方法进行对比分析,证明了方法的有效性.通过实测轴承试验信号的故障分析,证明了方法的实用性.      

改进希尔伯特黄变换理论在配电网故障选线中的应用与研究

将一种新的非线性、非平稳信号处理方法-改进HHT(Hilbert-Huang Transform)方法应用于配电网故障选线中.改进HHT方法可以从非平稳的故障信号中准确地提取丰富的系统故障暂态信息.通过对故障后各线路零序电流特征分析,进而利用HHT提取零序电流高频分量幅值、频率和相位等信息,比较幅值和相位实现正确选线.理论分析和大量的ATP仿真结果表明:基于改进HHT的选线方法可以准确、可靠地实现中性点经消弧线圈接地配电网单相接地故障选线.     

iBA软件在轧机AGC系统中的应用

针对轧机的靠零故障、厚差异常等问题,采用iBA analyzer对实时记录数据予以分析,实现故障原因的快速判断。同时,运用iBA analyzer FFT分析功能,实现射频电缆带特定频率下公差信号幅值的判定。     

基于格结构的三带小波构造及在图像融合中的应用

提出了一种构造具有正交性、对称性、紧支性以及较高消失矩的三带尺度滤波器与小波滤波器的方法.首先,通过设置尺度滤波器消失矩并转移尺度滤波器的对称性性质,有效地减少了构造尺度滤波器过程中未知量的个数以及计算推导过程的复杂度.在此基础上,利用格结构理论,给出了对具有仿酉特性的多相位矩阵的一种分解方法,并利用这种分解求出了冲击响应长度为9、消失矩为3以及响应长度为15、消失矩分别为3和4的小波滤波器.最后,把所求得的小波滤波器应用到多聚焦图像的融合中.实验结果表明,利用具有上述性质的三带小波进行图像融合可以得到比利用二带小波进行融合更好的效果.      

基于集合经验模式分解和交叉能量算子的滚动轴承故障诊断

振动信号的周期性冲击及其重复频率是滚动轴承故障诊断的关键.本文提出了一种基于集合经验模式分解和交叉能量算子提取滚动轴承故障特征的方法.首先,应用集合经验模式分解方法将振动信号分解为本征模式函数以满足交叉能量算子对信号单分量的要求.然后根据相关程度和峭度从本征模式函数中选取敏感分量,计算敏感分量和原始信号的瞬时交叉能量及其傅里叶频谱.最后根据交叉能量的频谱结构和特征频率识别轴承故障.通过分析滚动轴承故障仿真信号和实验测试信号,诊断了滚动轴承元件故障,验证了该方法的有效性.     

形态分量分析在滚动轴承故障诊断中的应用

滚动轴承局部故障振动信号中的周期性冲击是识别故障的关键特征.形态分量分析在由多种形态原子组成的过完备字典基础上提取信号中的不同形态成分,基于这种思想提出了一种基于新型过完备复合字典的形态分量分析方法.依据滚动轴承故障振动信号中分量间的形态差异性,改进字典后该方法可以更具针对性地提取出包含故障特征的冲击分量,配合包络谱分析准确提取故障特征频率,诊断滚动轴承局部故障.对比基于快速谱峭度法的轴承故障诊断方法,该方法可以避免人为选择共振带产生的不准确性和非最优问题,提高了故障诊断效果.通过轴承仿真信号和故障实验信号分析验证了该方法的有效性.      

基于频谱分析方法的微型电机故障检测

振动响应测量在电机的缺陷检测中是十分重要和有效的技术。当电机发生故障而产生撞击时。产生短期脉冲,使转子轴承系统发生激振。利用时域和频域两种振动测量方法可对电机进行状态监测,即对振动信号进行频谱分析。因此,设计了电机故障检测实验台,进行了基于频谱分析方法的电机故障检测,正确诊断出电机故障。对旋转机械振动检测和故障分析有借鉴和参考作用。     

TRT机组碰摩振动原因分析

转静碰摩是旋转机机的常见故障。文章分析了高炉煤气余压发电系统即TRT机组的振动情况,应用旋转机械状态监测与故障诊断系统分析了振动产生的原因,提出了治理措施,解决了振动问题。     

基于周期势系统随机共振的轴承故障诊断

提出基于普通变尺度和周期势自适应随机共振理论,检测噪声背景下轴承滚动体的故障特征.在具体实施过程中,首先用普通变尺度的方法满足随机共振中小参数的条件,然后用随机权重粒子群优化算法作为自适应随机共振参数寻优的优化算法,同时用改进的信噪比作为评价指标.噪声背景下含轴承滚动体故障的实验信号经过普通变尺度下的自适应随机共振处理和优化后,微弱的故障特征可以有效的提取出来.将普通变尺度下的双稳态自适应随机共振和周期势自适应随机共振进行了对比,结果表明周期势自适应随机共振比双稳态自适应随机共振能进一步提高信噪比,并且比双稳态自适应随机共振迭代次数少,用时短.这说明提出的基于普通变尺度和周期势系统自适应随机共振的轴承滚动体故障诊断方法具有优越性,尤其是在工程实际中,故障监测所需的数据量大,计算时间长,如能较早的预警,可以提高诊断效率并减少不必要的损失.因此,这种轴承滚动体故障诊断方法对提高机械设备故障诊断效率具有参考价值.      

小波分析在旋转机械故障诊断中的应用现状及展望

小波分析在旋转机械故障诊断领域已有广泛应用。介绍了小波分析的发展及研究现状,阐明了小波分析的基本理论及其特点,详细讨论了小波在旋转机械振动信号去噪中的应用,最后提出一些有待解决的问题及展望。     

基于空洞卷积神经网络与注意力机制GRU的滚动轴承故障诊断

针对传统故障诊断方法需要人工提取特征的不足,以及大数据下滚动轴承故障振动信号自适应特征提取与智能诊断问题,利用空洞卷积神经网络(DCNN)可以在不增加计算量的基础上兼顾不同尺度空间特征的能力、门控循环单元(GRU)善于从动态变化的序列数据中学习到时间上的关联性的能力,提出了一种将DCNN、注意力机制和GRU多路径融合的端到端故障诊断方法。首先利用DCNN从原始数据中自动提取时序信号特征,然后将注意力机制(Attention)的GRU通路和DCNN通路进行融合,最后将提取到的特征融合之后送入分类层进行分类。试验结果表明,所提方法的诊断准确率平均为98.75%,高于比较方法,更加适用于滚动轴承故障诊断。     

转子动平衡测试实验平台的一种实现方法

汽轮机发电机组是一种高速旋转机械 ,其振动的大小是机组安装、检修和运行等技术管理水平高低的一个重要标志。本文介绍了一种测试汽轮机动平衡的实验平台设计 ,该实验平台是基于VC ++6 .0的编程环境 ,将VC ++6 .0用于实验平台的开发 ,以VC ++6 .0对话框作为参数输入、实验结果输出和帮助界面。同时利用OpenGL开发了一个Active控件以实现汽轮机转子的转动。     

基于多域流形的行星齿轮箱局部故障识别

行星齿轮箱振动信号包含多种频率成分和噪声干扰，频谱具有复杂的边带结构，容易对故障识别造成误导甚至引起错判.在不同故障状态下，行星齿轮箱振动信号的多域特征量将偏离正常范围且偏离程度不同，根据这一特点，提取振动信号的时域、频域特征参量用于故障识别.为了避免传统分析方法中负频率及虚假模态问题，增强对噪声干扰的鲁棒性，采用局部均值分解法将信号自适应地分解为单分量之和，提取时频域单分量瞬时幅值能量.针对多域特征空间构造过程中出现的高维及非线性问题，采用流形学习对数据进行降维处理.提出基于改进的虚假近邻点的本征维数估计及最优k邻域确定方法，并通过等距映射对多域特征空间进行降维分析.对于行星齿轮箱实验信号，根据样本流形特征聚类结果，分别识别出了太阳轮、行星轮和齿圈的局部故障，从而验证了上述方法的有效性.      

A Study of the Equipment Fault Diagnosing Method Based on EMD and Holo-spectrum

We first introduce the empirical mode decomposition (EMD) and holo-spectrum analysis.Then we decom- pose the vibration signal of the equipment by EMD, re-organize the signal closely associated with the original sig- nal, eliminate the noise signal better, and analyze the holographic re-signal spectrum, which makes the amplitude, frequency and phase combine completely, reflecting the equipment vibration morphology fully.Particularly applying a two-dimensional holo-spectrum can obtain the direction of rotation order harmonic, size, shape, and the relation- ship between order harmonic generation rotor vibrations, and so on.The traditional signal processing methods can not eliminate noise well.We apply this method to the rotor vibration signal of fault diagnosis, eliminate noise and reflect the equipment vibration characteristics well.