共查询到20条相似文献,搜索用时 359 毫秒
1.
2.
将1.5维谱分析和Teager能量算子相结合,提出了1.5维能量谱的分析方法,并针对滚动轴承故障诊断问题,从提高故障信号信噪比的角度出发,提出基于EEMD降噪和1.5维能量谱的故障诊断新方法。该方法首先对故障信号进行聚合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)运算,得到一组本征模态函数(Intrinsic Mode Function,IMF)分量后运用相关系数-峭度准则对其进行筛选,并利用筛选出的IMF分量重构信号,最后计算重构信号的1.5维能量谱,从而获得轴承故障特征频率信息。利用该方法对滚动轴承内圈故障的模拟数据以及实测数据分别进行分析,诊断结果令人满意。 相似文献
3.
针对滚动轴承振动信号的非平稳特性和现实中难以获得大量典型故障样本的实际情况,提出基于集合经验模态分解(EEMD)能量熵和最小二乘支持向量机(LS-SVM)的滚动轴承故障诊断方法。首先通过EEMD分解将非平稳的原始振动信号分解成若干个平稳的固有模态函数(IMF);滚动轴承同一部位发生不同严重程度的故障时,在不同频带内的信号能量值会发生改变,因此可通过计算振动信号的EEMD能量熵判断发生故障的严重程度;从包含主要故障信息的IMF分量中提取的能量特征作为输入来建立支持向量机,判断滚动轴承的技术状态和故障严重程度,并选用不同核函数对诊断效果进行分析比较。实验结果表明,该方法能有效地应用于滚动轴承的故障诊断。 相似文献
4.
针对旋转机械前期故障信号微弱、易被噪声淹没、故障特征难以提取的问题,提出一种聚合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和独立成分分析(Independent Component Analysis,ICA)相结合的故障特征提取方法。首先,运用EEMD理论将振动信号分解为一系列的固有模态函数(Intrinsic Mode Function,IMF),然后根据相关系数和均方根准则选取含有原始信号多的IMF分量构造观测信号,引入虚拟噪声通道;最后,通过FastICA算法将噪声与故障特征信号进行分离,并对分离出的有用信号进行频谱分析,突显故障频率。通过仿真信号验证所提出方法的有效性,并将其应用于轴承的内外圈故障识别,与传统的EEMD-WTD降噪方法对比,结果表明:所提出的方法能提取出清晰微弱故障特征信号,对低频噪声的抑制效果明显优于EEMD-WTD方法。 相似文献
5.
《噪声与振动控制》2020,(4)
针对行星齿轮箱振动信号故障特征提取困难、幅值和频率调制明显等问题,提出一种基于集合经验模态分解(EEMD)和Teager能量算子的行星齿轮箱故障特征提取方法。新方法首先利用EEMD分解样本信号得到若干本证模量函数(IMF),计算各IMF与原始信号的相关系数和欧式距离,筛选出能够表征原始信号特征的分量。其次,计算筛选后各IMF分量的Teager能量算子,将计算结果进行信号重构。最后,提取重构信号模糊熵及其对应概率密度函数的波形指标,作为基本特征参数进行故障诊断。将所提方法应用于行星齿轮箱实验数据分析,并与常用特征提取方法对比,结果表明:所提出的新方法不仅能有效区分行星齿轮箱故障类型和程度,且识别率优于所对比的方法。 相似文献
6.
《噪声与振动控制》2015,(1)
机械故障的声发射信号中往往掺杂着各种干扰和噪声,为解决这一问题,提出了小波变换、集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和马氏距离相结合的滚动轴承故障诊断方法;首次将马氏距离引入到轴承声发射信号的故障诊断中。该方法首先对故障轴承的声发射信号进行小波去噪处理,再对去噪后的信号进行EEMD分解,将其分解为多个固有模式函数(简称IMF)。其次采用马氏距离的方法消除EEMD分解结果中的虚假分量,提取能够反映轴承故障特征的IMF分量,突出高频共振成分。最后,通过瞬时Teager能量的Fourier频谱识别轴承故障的特征频率。仿真信号和滚动轴承外圈声发射信号的实例分析表明:此方法能很好地去除混杂在轴承声发射信号中的噪声,准确地识别出轴承故障的部位。 相似文献
7.
在实际工况下,轴承的早期故障信号与强噪声信号相比属于微弱信号,而轴承的早期故障特征从强噪声环境中提取出来一直是故障诊断课题的一大难点。基于上述问题,提出一种基于MS(Mask Signal)和EEMD(Ensemble Empirical Mode Decomposition)方法的滚动轴承微弱故障提取方法。由于EEMD方法在噪声背景下分解出的IMF分量存在模态混叠现象,很难辨别故障频率的真伪,所以引入掩膜信号法对分解出的IMF分量进行处理,抑制虚假频率,将故障频率提取出来。通过将掩膜信号法与EEMD方法相结合的方式,对存在噪声的故障信号进行处理,提取出故障特征。 相似文献
8.
为解决总体平均经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)中虚假IMF分量过多问题,提出了一种基于频率截止的EEMD方法。该方法采用一种新的IMF筛分终止条件--以信号自身的最小频率为EMD分解IMF分量的截止频率;然后将基于频率截止的IMF筛分终止条件引入EEMD分解。通过仿真和实测信号分析,并与EMD、EEMD分解结果比较得到,运用频率截止的EEMD方法不仅有效减少了虚假IMF分量的产生,使得分解的目的性更加明确,而且保证了EEMD分解出的IMF分量的完备性,更好地抑制了模态混叠现象。 相似文献
9.
《振动工程学报》2020,(2)
针对滚动轴承早期故障特征提取困难的问题,提出了将集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和优化的频带熵(OFBE)相结合的轴承故障特征提取方法。针对EEMD的多个本征模态分量(Intrinsic Mode Function,IMF),如何选出更能反映故障特征的敏感IMF的问题,提出一种基于频带熵的敏感IMF的选取方法。首先,对原始振动信号进行EEMD分解,获得一系列IMFs;然后,对原信号和各个IMF分量求频带熵,在熵值最小处设计带通滤波器带宽作为特征频带,比较各个IMF的特征频带与原信号熵最小值所处频带之间的从属关系,进而选出反映故障特征的敏感IMF。由于背景噪声的影响,从选取的IMF中难以准确地得到故障频率。因此,利用FBE在选取IMF的基础上设计的带通滤波器,并提出利用包络峭度最大值原则优化带宽,然后对其进行带通滤波,并进行包络功率谱分析以提取故障特征频率。将该方法应用到轴承仿真数据和实际数据中,能够实现轴承故障特征的精确诊断,证明了该方法的有效性和优势。 相似文献
10.
11.
排气消声器的声学特性研究及其优化设计 总被引:1,自引:0,他引:1
为提高某发动机消声器的消声量,文章依据传递矩阵法对该消声器进行结构的优化改进,取得了令人满意的效果。文章依据推导得出的改进后的传递矩阵公式,对某发动机消声器及其改进模型进行建模,对其内部声学问题进行了理论研究和分析,分析结果表明:改进方案三的消声器结构可有效增加声波的反射,增大声能的损耗,使传递损失提高15dB,验证了改进后消声器消声性能的改善情况。 相似文献
12.
13.
传统的消声器声学性能计算和实验测量都是在消声器进出口管道作为平面波声场的条件下进行,当进出口管道内出现有高阶模态激发的三维声场时,这些计算方法和实验测量方法就不再适用。由此,采用消声器进出口管道内加径向隔板的方法来计算消声器的声学性能,当原来管道声场中出现高阶模态时,仍然可以用平面波方法计算消声器的传递损失。应用该方法对进气滤清消声器进行传递损失数值计算,在原来进出口管道的平面波声场范围内,计算结果与传统方法计算结果均接近实验的测量结果,验证了该方法预测消声器声学性能的可行性。进而在所设计的消声器中频声学性能实验测试台架上,用声波分解法对阻性消声器进行传递损失测试,实验测量结果和有限元仿真结果也吻合良好。 相似文献
14.
15.
16.
传统的消声器传声损失测量通常是在单末端边界条件下,将消声器上、下游侧作为2个独立声学系统,分别测量上游侧入射功率和下游侧透射功率,进而计算确定其传声损失,该方法未能完全考虑消声器下游侧末端反射波对上游侧的耦合效应,限制了传声损失的测量精度.因此,为了完整计及下游侧末端反射波对上游侧的耦合,提出了基于传递函数的4传声器位置、双末端边界条件传声损失测量方法.并给出了提高传递函数测量精度的传递函数修正算法.在此基础上,对典型扩张式消声器进行了传声损失测量分析,实验结果与理论分析具有良好一致性. 相似文献
17.
18.
19.
20.
针对某些传递损失较大的消声器,现有白噪声测试设备的单一噪声源发生器无法满足消声量的测试需求。通过采用低频和中频两种声源发生器,利用过渡管道与测试管道垂直连接的方式,实现了两种声源组合发声对消声器声学性能的测试。为了解决过渡管道与组合声源系统连接处声阻抗变化,导致输出的噪声信号频谱特性随机波动的问题,提出了一种噪声信号的修正方法。该方法基于四传感器法测量过渡管道声阻抗,根据过渡管道传递矩阵,以随机白噪声为激励源输出的管口噪声作为输出声压信号,得到组合声源系统的输入声压信号,实现了对组合声源系统声音信号的补偿。实验结果表明,与传统均衡器调节方法相比,该方法能够在较宽的测试频率范围内输出平稳的声压信号;其次,利用修正前后的声学信号对扩张腔的传递损失进行测量,修正后得到的测试曲线与理论值吻合度较高,证明了该方法的可行性。 相似文献