应用小波包和Hilbert分析的轴承故障特征提取方法

利用小波包理论的基本原理,对滚动轴承的故障信号进行了处理,实测信号经小波包分解和重构后,应用Hilbert变换进行包络解调和细化频谱分析,得出故障信号所对应的频谱。试验结果证明,对滚动轴承的非平稳信号进行小波包的Hilbert变换和细化频谱分析,并进行故障诊断是行之有效的,这为旋转机械的故障诊断提供了新的参考,具有重要的实际工程应用价值。     

基于小波包能量谱和包络分析细化的轴承故障诊断

提出了一种将小波包能量法和细化包络分析相结合的滚动轴承故障诊断方法。首先利用小波包变换将滚动轴承振动信号分解到独立的频段上,计算出不同频率段的能量,根据频段能量的变化情况,确定滚动轴承故障所在频段。重构故障频段信号。然后应用Hilbert变换对重构信号实现包络解调,提取故障特征频率。最后为了进一步提高包络谱的分辨率,采用线性调频Z变换细化频谱。实际的滚动轴承实验数据的处理和分析结果表明,该方法在滚动轴承故障诊断中是有效的。     

基于小波包变换的滚动轴承故障诊断

针对故障轴承振动信号能量集中与调制的特点,提出了一种基于小波包能量法与Hilbert变换的滚动轴承故障诊断方法。使用小波包变换对振动信号进行分解、重构及能量计算,并应用Hilbert变换对能量集中频段的重构信号进行解调和频谱分析,提取故障特征频率。同时针对诊断过程中故障特征参数依靠人工计算的问题,提出故障特征参数自动提取方法。实际的滚动轴承实验数据的处理和分析结果表明,该诊断方法能够准确、快速地识别滚动轴承表面损伤的故障模式。     

小波包神经网络在轴承故障模式识别中的应用

基于不同点蚀模式的轴承振动信号的频域能量分布差异性,提出了基于小波包正交分解和BP神经网络的轴承点蚀故障模式识别技术。对轴承振动信号进行小波包正交四层分解,实现了信号空间完整拆分的同时得到了第四层由低频到高频的小波包分解系数,再分别进行单支重构得到各频段的成分。利用信号各频段的能量组成特征矢量作为神经网络的输入样本,对BP神经网络进行训练,获得模式识别网络;再用新数据进行网络的检验,结果证明网络的性能良好。     

基于连续小波变换的滚动轴承外圈故障检测

提出了用连续小波变换与傅里叶变换相结合进行轴承外圈故障识别的新方法。先通过Morlet连续小波变换对故障轴承信号进行不同尺度的分解．再对其获得的小波系数进行快速傅里叶变换来识别故障特征频率。然后对不同信号做小波系数能量谱进行对比。优点在于能够在强噪声背景下较为精确的识别外圈故障。实际测试验证了新方法的正确性。     

基于小波包分析的电动机轴承故障诊断

比较详细地阐述了电动机滚动轴承异常产生的机械振动机理,得出了几种常见故障的频率表现.结合实验数据,对所测得的振动信号进行小波包分解,对特定的频率段与正常信号相应的能量进行比对,确定出故障频率,从而准确找出电动机的故障所属.     

基于小波包分解的交流腐蚀信号时频表征方法

建立了基于小波包分解的腐蚀信号时频表征方法,讨论了分解序列与子频带频率递增顺序的不一致性,及小波包的选择对表征结果的影响.结果表明该方法能有效地表达交流腐蚀信号的非线性特征,可作为交流腐蚀研究的基本表征方法.     

支持向量机和小波包分析下的轴承故障诊断

简要介绍了支持向量机和小波包分析理论,在此基础上提出将故障信号经小波包分解后各子频带信号能量与信号总能量之比作为故障特征并构造特征向量作为SVM分类器的输入,实现故障状态的诊断。设计实验进行验证,在转子实验台上测得滚动轴承各种状态下的振动信号,经小波包分解后计算各子频带相对能量作为实验数据。将数据分为训练样本较多和训练样本较少两组数据集,分别使用四种不同核函数和一对一与一对多两种算法进行故障状态分类计算,以了解其对SVM分类性能的影响,最后与BP神经网络分类结果比较,对比SVM分类器与传统故障诊断方法的优缺点。     

基于EMD分解与小波包的滚动轴承故障诊断

针对滚动轴承故障信号分析中的问题,提出了将Hilbert-Huang变换和小波包分析相结合的滚动轴承故障诊断新方法,实测信号分析表明,该方法能有效地对滚动轴承故障信号进行检测.     

轴承早期故障的小波包-自回归谱诊断法

叙述了小波、小波包理论,详细导出了小波包-自回归谱(WT-AR)的计算方法。将小波包和自回归模型结合起来,在机械故障诊断中实现了不同频道范围内,不同零部件故障信息分离和提取。并以挖掘机提升系统齿轮箱为例,说明该方法适用于轴承早期故障的诊断。     

应用小波包和包络分析的滚动轴承故障诊断

提出了一种基于小波包分析、频带能量分析和包络分析相结合的滚动轴承故障诊断方法.首先利用小波包将滚动轴承振动信号分解到不同的节点上.然后求出各频率段的能量,根据频带能量的变化情况,找出滚动轴承的故障所在的频带.最后对故障频带的重构信号做包络谱,将谱峰处的频率同滚动轴承的故障特征频率进行对比分析,诊断出滚动轴承的故障.通过对试验中采集到的滚动轴承振动信号进行分析,证明了该方法在滚动轴承故障诊断中的有效性.     

滚动轴承振动与噪声的相关性解析

通过对滚动轴承振动与噪声关系的深入分析,阐明了轴承振动与噪声之间的本质相关性和主要差异性———控制轴承振动可以控制轴承噪声,但目前测量轴承振动的方法却不能完全反映轴承噪声,同时还介绍了轴承噪声寿命的估算方法,指出了轴承振动与噪声的主流技术发展方向。     

滚动轴承振动与噪声关系的实验研究

以实验为基础，研究6201—2RZ轴承振动与噪声的关系。借助数理统计理论，对实验数据进行了较全面的统计处理。数据处理结果表明，振动加速度有效值和噪声声压级的统计关系不明显；仅从低频、中频或高频的单个频段考虑，在各个频段里，速度有效值对噪声声压级的影响不具有统计相关性；若综合考虑三个频段，则速度有效值和噪声声压级具有一定的统计相关性，但由于所得到的回归方程的标准偏差比较大，因此用振动来描述和控制噪声的可靠性就比较差。为此，对于所研究的滚动轴承来说，不宜用振动代替噪声。     

基于小波分析的滚动轴承故障诊断方法的研究

介绍了小波分析的基本理论,并将小波分析应用于轴承的故障诊断。通过对实验数据的分析和处理,提取出了故障特征,并准确地对故障进行了定位。这种方法取得了良好的诊断效果,适合于滚动轴承的故障诊断。     

S0910型滚动轴承振动测量仪改造的噪声测量仪

对S0910型滚动轴承振动测量仪进行改造,使之成为一种能现场测量滚动轴承噪声的测量仪.详细阐述了对S0910滚动轴承振动测量仪的机械系统和电器系统的改造,重点介绍了隔声系统的结构和作用,最后用改造的噪声测量仪进行滚动轴承噪声测量试验,证明该噪声测量仪有一定的现场测量轴承噪声的能力,但测量范围和精度有待进一步提高.     

小波变换在滚动轴承故障分析中的应用

采用离散小波变换对滚动轴承进行故障诊断,通过对测试到的故障轴承的振动速度信号进行分析,分别绘出故障信号的频谱图,对结果进行分析比较表明,离散小波分析技术在滚动轴承内圈及滚动体故障特征频率提取方面有较大的优越性。     

动车组油泵轴承异音的分析与研究

对某新型平台动车组牵引变压器油泵轴承异音进行了原因分析,最终通过对故障轴承的能谱分析,确定故障原因,并提出了新的组装工艺及油泵封闭装配室降尘量监测优化方案。     

基于小波包最优熵与RVM的滚动轴承故障诊断方法

为解决滚动轴承振动信号信噪比低和故障分类准确性不高的问题,提出了小波包最优熵和相关向量机相结合的故障诊断方法。首先采用小波包对采集到的信号进行信噪分离,寻找分解后信号的最优小波包节点熵;然后提取最优节点能量作为训练样本,对相关向量机的多故障分类器进行训练,实现轴承的智能诊断。试验表明,该方法可简单有效地分离噪声,并具有良好的分类能力,可以很好地应用于轴承故障诊断。     

基于小波分析的FastICA联合降噪方法在滚动轴承故障诊断中的应用研究

采用小波分析方法进行振动信号降噪存在选取参数依靠经验的问题,采用独立分量分析（ICA）方法进行振动信号降噪存在欠定问题,为了避免小波降噪以及ICA方法单独使用的缺点,提出了将小波降噪分析和基于负熵的FastICA独立分量分析相结合来处理滚动轴承含噪振动信号的方法。首先对原始信号进行小波降噪处理,然后将处理后的信号与原始信号组成FastICA的输入矩阵,进行FastICA降噪处理,最后利用滚动轴承振动信号对该方法进行有效性验证。实验分析表明：该方法增大了振动信号的峭度值,达到了滚动轴承振动信号降噪的目的。     

轴承异常声检测错判和漏判原因分析与对策

依据JB/T 10187—2000和JB/T 7047—2006中给定的有效值限值和峰值限值检测判定轴承静音等级时,存在理论上的错判和漏判,在分析、比较的基础上指出,采用峰值同有效值之比(波峰因数)或峰值同有效值之差可以有效地避免这种错判和漏判。