基于改进EMD和滑动峰态算法的滚动轴承故障特征提取

针对滚动轴承故障特征往往被强背景噪声淹没的特点,提出一种基于改进经验模态分解(Empirical Mode Decomposition,EMD)与滑动峰态算法的滚动轴承故障特征提取方法。首先利用EMD方法分解原故障信号得到一组平稳固有模态分量(Intrinsic Mode Function,IMF)。然后采用互信息和广义相关系数筛选法消除传统EMD分解结果中虚假分量,并运用滑动峰态算法对真实IMF分量处理得到滑动峰态时间序列。最后计算滑动峰态序列频谱提取故障特征频率。滚动轴承的实例研究结果表明：该方法能够有效提取滚动轴承故障特征,可以取得比直接滑动峰态算法和传统包络解调分析更好的效果。     

基于EEMD和自相关函数峰态系数的轴承故障诊断方法

针对滚动轴承故障冲击信号周期性强且易被强烈的背景噪声所淹没的特点,提出了基于EEMD和自相关函数峰态系数的轴承故障诊断方法。首先,对采集到的复杂振动信号进行EEMD分解,根据自相关函数峰态系数和峭度准则重构IMF分量以突出故障特征信息;然后,利用谱峭度自动确定带通滤波器的最佳中心频率和带宽;最后,将滤波后的信号进行包络解调分析并与理论故障特征频率对比。通过轴承故障的仿真和实验研究,验证了该方法的有效性和可行性。     

双稳系统处理微弱冲击信号的研究

双稳系统是研究随机共振的基础。在机械故障诊断中,应用双稳系统的随机共振可以提取淹没在强噪声中的故障信号。首先研究了脉冲信号通过双稳系统的响应,提出了设定迭代初值的脉冲信号检测方法。然后通过分析滚动轴承故障,验证了用双稳系统的随机共振处理含冲击故障信号的实用性。     

一种基于改进的傅立叶变换的弱故障信号特征提取新方法研究

弱信号特征提取一直是故障诊断领域的难点,文章结合传统傅立叶变换,提出一种将时间序列变换为频域,再从频域转换到时域的复数域,并对该复数域进行幅值计算的方法对弱信号进行特征提取。通过仿真计算发现该方法突出了信号的局部特征信息,不仅能对夹杂在信号中的微弱冲击成分进行较好的再现,而且也能在强背景噪声环境下提取微弱故障信息。最后通过齿轮齿面接触型故障实验验证了该方法的有效性。     

基于声发射信号的滚动轴承外圈疲劳剥落故障双冲击特征提取

疲劳剥落是引起滚动轴承失效的主要原因。跟振动信号一样,当滚道出现疲劳剥落故障时滚动体在进入和退出剥落区时的声发射信号也存在对应的两类不同冲击特征,称为双冲击现象。对双冲击特征的提取可实现双冲击间隔的有效测量。声发射信号具有对早期故障敏感、不易受噪声干扰等优点。采用将两类特征分离处理的方法,将声发射信号中两类冲击特征分为两部分,通过AR模型和最小熵解卷积滤波增强故障特征信号,和基于复Morlet小波的谱峭度图算法提取优化解调频带对应的包络信号,对包络信号相加并进行双冲击间隔测量。实验研究表明,该方法能够有效地分离出滚动轴承外圈疲劳剥落故障声发射信号中的双冲击特征。     

基于冲击时频原子的匹配追踪信号分解及机械故障特征提取技术

介绍一种用于匹配追踪信号分解的时频原子——冲击时频原子，它既可以匹配信号中的稳态正弦成分，也可以匹配信号中冲击成分，从而准确有效地获得设备的冲击故障特征和信息，并结合遗传算法以提高计算速度及实用性。计算机仿真结果证实了该方法的准确性，最后将该方法应用于转子实验台的冲击信号特征提取中，证明了该方法的工程实用性和有效性。     

水石流冲击信号能量分布试验研究

泥石流冲击谱是泥石流固液两相介质运动特性的综合表征,探索泥石流冲击信号的能量大小及其分布特性是合理确定泥石流冲击荷载的关键环节。运用自行研制的试验模型,实施了15种试验工况的泥石流冲击试验,获取了85 000多个测试数据。依据固相比为0.16、粒径组为0.8～1.5 cm水石流冲击测试结果,运用db8小波基变换对试验结果进行8层小波分解,得到频率范围分别为0～0.195Hz,0.195～0.391 Hz,0.391～0.781 Hz,0.781～1.562 5 Hz,1.563～3.125 Hz,3.125～6.25 Hz,6.25～12.5 Hz,12.5～25 Hz和25～50 Hz共九个频率段的冲击信号,据此揭示了不同频段冲击信号能量分布规律。从低频段至中高频段水石流冲击能量非线性衰减,90%以上的冲击能量分布在小于0.195 Hz的低频部分;水石流在中高频段的冲击能量总体呈衰减分布,但在频段三和频段六出现较显著峰值,表明水石流也存在一定阵流现象;水石流中固相粒径越小,低频段至高频段的冲击能量衰减速度越慢。研究成果可为进一步实施泥石流冲击荷载精细实验研究提供一定科学依据。     

基于共振峰的超声空化声发射信号分析

摘 要：为了简单有效地提取超声空化时频信息而估计空化强度,提出了应用基于全极点线性预测编码模型的共振峰分析方法进行分析,并使用其分析了19kHz超声作用下的空化场的声发射信号。将共振峰分析结果与常用的频谱分析和短时傅利叶分析结果进行了对比,发现共振峰分析方法更能从超声空化声发射信号的中提取出简单但关键的时频信息来。采用共振峰方法的分析结果表明,可以利用空化声发射的共振峰参数如基频频率和相对高频共振峰的幅值来分别反映超声空化的非线性振荡和瞬态空化,进而估计超声空化的强度。     

双自适应小波局部极大模方法及其在信号特征提取中的应用

将小波分析中的局部极大模方法采用双自适应提升算法进行改进,用于机械故障冲击信号特征的提取,获取了信号时域和频域冲击特征。将该方法应用于滚动轴承微弱冲击特征的提取,并将原始信号直接进行包络分析、原始信号极大模包络分析、经典小波分析方法、第二代小波的细节信号方法进行了对比。结果表明,双自适应局部极大模方法可以更有效的提取信号中的冲击特征,对小波分解层数极不敏感,表现出了很好的鲁棒性。新方法为进一步实施冲击型故障的诊断工作提供新的思路。     

基于连续小波系数非线性流形学习的冲击特征提取方法

为了提取机械设备故障引发的冲击成分,提出了一种基于连续小波系数非线性流形学习的冲击故障特征提取方法。首先,基于小波熵方法优化出最优的Morlet小波波形参数,实现与冲击特征成分的最佳匹配,获取包含冲击特征信息的最优小波系数矩阵。其次,采用局部切空间排列算法对最优小波系数矩阵进行非线性约简,并基于峭度指标最大化原则,确定出特征空间中的有效低维嵌入,从而提取出最优的冲击故障特征。最后,通过仿真数据和工程实际的应用对比分析,表明该方法采用了局部线性化和全局排列的思想,与线性奇异值分解方法相比,不仅在时域上提取出峭度更大的微弱冲击特征成分,而且在频谱中还提取出了相应的低频故障特征。     

一种弱故障特征信号的提取方法及其应用研究

由S变换推导出的时序分解算法可以将一个任意的初始时间序列变换成一组突出时间序列局部信息的二维时间序列，该时序分解的可逆性表明了它可用于时域信号的滤波与特征提取。希尔伯特变换可有效地对时域信号进行解调，其实质是对原始信号作一次特殊的滤波。综合前述两种变换的优点，提出了结合希尔伯特变换及时序分解的弱故障特征信号提取算法，采用数值仿真实验及齿轮故障诊断进行了验证，结果表明，此种方法能有效地提取混在强背景信号中的弱故障特征信号。     

基于峭度准则EEMD及改进形态滤波方法的轴承故障诊断

针对轴承故障成分常以周期性冲击成分出现在振动信号中,而冲击响应成分常被强大噪声淹没,造成轴承故障特征提取困难等问题,将集成经验模态分解(EEMD)与改进形态滤波方法相结合,在本征模态函数(IMF)及形态学结构元素(SE)选取时均以峭度准则为依据,对筛选出的IMF分量进行信号重构后,再进行基于峭度准则的改进形态滤波方法处理。结果表明,该方法可避免共振解调中中心频率及滤波频带选取,自适应性较好;通过对实际滚动轴承内外圈故障分析,该方法可清晰准确提取到故障特征信息,噪声抑制效果好,可用于轴承故障精确诊断。     

基于MMSE和谱峭度的滚动轴承故障诊断方法

共振解调作为滚动轴承常用的故障诊断方法,存在带通滤波器参数难以确定的缺点,针对此缺点以及滚动轴承早期故障信号信噪比低的问题,结合最小均方误差估计方法(MMSE)和基于谱峭度的共振解调方法,并将其应用于滚动轴承早期微弱故障诊断中。首先用MMSE方法抑制白噪声来提高信噪比,然后利用谱峭度自适应确定最优带通滤波器参数,最后对带通滤波后的信号进行能量算子解调谱分析,得出诊断结果。数字仿真信号和实验信号验证了该方法的有效性。     

基于功率谱密度的路面评价与特征参数提取

介绍了道路路面数据测量系统的构成和数据预处理方法。针对测量的海量道路路面数据,阐述了路面数据的功率谱密度分析与传统的功率谱分析的差异,解读了GB/T7031-2005中的倍频程滤波和路面分级方法,提出了基于拟合直线的斜率截距路面特征参数提取方法和基于功率谱密度曲线的路面分级百分比例特征参数提取方法。在介绍路面评价和特征参数提取方法的基础上,使用真实的路面测量数据作为例子,充分显示了这两种路面特征参数提取方法的效果。实例分析结果表明,使用这两种路面特征参数提取方法来评价和分析道路路面数据,计算过程快捷方便,处理效果简单明显,可在道路路面数据的特征参数提取及其它工程振动信号的统计分析中推广应用。     

一种提取系统脉冲响应函数的高效的去噪算法

针对锤击激励方式不适用于工业机器人操作臂动态性能测试的情况,根据Duharm a l积分理论,利用系统输入矩阵的上三角形的特殊结构,并结合时域平均技术,导出了具有抗噪性能的高效的求取系统脉冲响应函数的平均递推算法。研究了算法对适合于机器人操作臂测试的阶跃激励方式的适用性,对算法的误差进行了分析。在二自由度动力学模型上进行仿真,与传统的时域解矩阵方法比较,平均递推算法在效率及降噪效果上具有明显的优越性。悬臂梁实验表明,平均递推算法能够获得与锤击法比较一致的结果。     

基于峭度原则的EEMD-MCKD的柔性薄壁轴承故障特征提取

谐波减速器用柔性薄壁轴承运行过程中因内圈长、短轴交替产生周期性冲击成分.当柔性薄壁轴承发生故障后,这种正常的周期性冲击成分和因故障引起的冲击叠加在一起,使得其故障特征提取难度很大.针对这一特点,提出基于峭度原则的EEMD-MCKD的柔性薄壁轴承故障特征提取方法.首先使用集成经验模态分解算法(EEMD)对信号进行预处理,...     

基于MCKD和重分配小波尺度谱的旋转机械复合故障诊断研究

针对强噪声环境下旋转机械复合故障信号难于提取与分离的问题,提出了基于最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)和重分配小波尺度谱的旋转机械故障诊断方法。机械信号中存在的噪声会降低重分配小波尺度谱的时频分布可读性,故先要对信号进行MCKD降噪,同时从振动信号中分离出各个故障成分,然后进行Hilbert变换得到包络成分,最后再对包络成分进行重分配小波尺度谱分析,根据尺度图中冲击成分的周期诊断转机械复合故障,算法仿真和应用实例验证了该方法的有效性。     

A combined preprocessing method for UHF PD detection based on kurtosis features

Abstract

Ultra-high-frequency (UHF) partial discharge (PD) detection has been proved as a powerful tool to evaluate the status of electrical equipment. Unfortunately, on-site UHF detection suffers from intensive noise interference and great computational burden, which have long been the key bottleneck for its wide utilization in the field environments. In order to provide more valuable information for subsequent processing like PD location, pattern recognition, or severity assessment, a combined preprocessing method for UHF PD detection is proposed in this paper. This scheme integrates a novel Ensemble Empirical Mode Decomposition-based signal reconstruction method and a kurtosis-based pulse window extraction method. To demonstrate the effectiveness of the presented technique, both simulated and laboratory measured PD data are obtained and further tested. Results reveal that this preprocessing method can accurately detect and extract the PD pulse from raw data, which may lessen the computational burden for any further processing. In addition, more accurate and reliable feature information can be retained.     

基于混沌弱信号检测的轧机故障诊断研究

为检测强噪声背景下轧机的转子和齿轮故障,给出了一种Duffing方程检测微弱信号的算法.设计加入待检信号后的混沌振子方程,检测出转子发生早期碰摩以及齿轮偏心和单齿缺陷故障.故障诊断实验可以证明利用Duffing振子的间歇混沌现象对强噪声背景中轧机故障的微弱特征信号进行检测的有效性,与相关函数法比较,证明此方法的优越性.