基于高斯混合模型的转子碰摩声发射识别方法

基于模态声发射和窄带信号理论,给出描述多模态特征的声发射信号(Acoustic emission,AE)的表达式,提出基于倒谱系数和分形维相结合作为特征参数的高斯混合模型(Gaussian mixture model,GMM)的碰摩声发射识别方法.该识别模型对碰摩声发射信号中不同模态波的特征矢量所具有的概率密度函数进行建模,将这些特征矢量进行聚类,每一类均作为一个多维高斯分布函数,以每一类的均值、协方差矩阵和出现的概率作为每种模态波的训练模板,识别时将待测碰摩声发射信号的特征矢量代入每个模板,采用最大比合并的方法对高斯模型似然概率进行加权得到总似然概率,当该值大于设定的门限,即可判定存在碰摩声发射.在转子试验台上获得碰摩AE信号,根据AE信号在传播过程中的波型并结合其分形曲线进行分类,由此确定GMM的模型输入类型;然后对所有测试数据叠加不同信噪比的高斯白噪声和非平稳噪声,再利用上述模型进行识别.试验结果表明,该模型具有较高的识别率,并具有较好的抗噪声能力.     

基于声发射信号的蜗轮磨损程度在线监测

为实现对蜗轮蜗杆减速器工作过程中蜗轮磨损程度的精确监测,利用多通道声发射检测仪器对不同磨损程度的蜗轮声发射信号进行在线采集。采用小波分析方法对信号进行去噪处理,提取声发射特征信号值,根据最小模糊熵优化模型构造出不同磨损程度蜗轮的模糊隶属度函数。采用ANFIS多维模糊神经网络实现多通道声发射信号的决策融合,提高了蜗轮磨损程度识别结果的准确性。通过对随机磨损程度的蜗轮进行实际验证,实验结果验证了系统的有效性和可靠性。     

转子碰摩严重程度量化检测方法研究

基于分形理论、熵理论及小波变换方法,提出用关联维数和小波能量谱熵对转子系统不同碰摩程度进行量化检测的方法。首先,利用转子碰摩模型仿真了不同碰摩程度下的振动信号,并计算了信号的关联维数和小波能量谱熵,研究了关联维数和小波能量谱熵随转子不同碰摩程度的变化规律,发现这两种特征量与转子碰摩程度之间存在良好的相关性,表明其可以作为转子碰摩程度量化检测的重要特征量。最后,利用ZT-3多功能转子实验器,模拟了不同碰摩状态的振动信号,对该方法进行实验验证。结果表明:关联维数和小波能量谱熵对转子碰摩严重程度量化检测的有效性。     

旋转机械碰摩声发射信号的分形特征分析算法研究

本文针对盒维和关联维运算复杂度高、Katz维的精度不高的特点,提出了一种基于波形的分形维计算方法,介绍了分形维算法的推导过程.实验数据是在转子实验台上采集的碰摩声发射信号,通过在该信号上叠加高斯白噪声和非平稳噪声来获得模拟的强噪声污染的声发射信号,然后将分形维算法对该信号进行有效声发射信号识别.理论分析和实验结果表明:该算法具有更强区分噪声和声发射信号的能力,无论在复杂度、精确度还是在抗噪性能方面均优于现有的分维算法,能够在强噪声环境下反映碰摩声发射的发生,为碰摩声发射的特征识别与分析提供了一条新的途径.     

基于声发射技术的滚动轴承故障检测

利用声发射传感器、PCI-2声发射数据采集卡和AEwin软件系统建立滚动轴承故障检测试验台,进行轴承故障诊断。利用能量分析法对采集的声发射(AE)信号进行初步故障诊断,对自相关处理后的声发射信号进行FFT变换得到频域信号,并采用模糊识别法中的"择近原则",通过建立隶属函数和贴近度函数来识别轴承的故障类型。     

基于小波尺度谱的转子系统碰摩声发射特性

针对转子系统动静件间发生碰摩时会引起弹性应变而产生声发射,进而可利用声发射来辨识和诊断碰摩故障的特点,首先对碰摩声发射和碰摩振动信号进行了试验对照研究,讨论基于声发射的碰摩辨识别方法的独特优越性.然后,着重对碰摩声发射的特性进行了试验研究,并借助于小波尺度谱优越的时频分析性能,利用小波尺度谱对碰摩声发射的时频特性、传播特性和频散特性等进行了详细分析.分析结果显示小波尺度谱非常适合碰摩声发射这种频率丰富、非平稳和非线性的多模态波,是模态声发射分析的有力方法.     

基于经验模态分解与支持向量机的旋转机械碰摩故障识别方法研究

碰摩故障是旋转机械常见的故障.本文以双盘悬臂转子-轴承系统的碰摩故障为例,提出基于经验模态分解和支持向量机的碰摩故障识别方法.首先对信号进行经验模态分解,得到多个固有模态函数之和,然后对每一个固有模态函数分量进行奇异值分解,得到矩阵的奇异值,将其作为信号的状态特征向量,利用支持向量机方法对多种碰摩故障进行分类,同时进行故障识别.试验结果表明,该方法的识别率明显优于传统的BP神经网络和RBF神经网络分类器,且鲁棒性好.     

基于云理论与LS-SVM的刀具磨损识别方法

针对刀具磨损过程中产生声发射信号的不确定性以及神经网络学习算法收敛速度慢、易陷入局部极小值、对特征要求较高等问题,提出了基于云理论和最小二乘支持向量机的刀具磨损状态识别方法。首先,对声发射信号进行小波包分解与重构,滤除干扰频段对求取特征参数的影响;其次,对重构后的信号利用逆向云算法提取云特征参数:期望、熵、超熵,分析刀具磨损声发射信号的云特性及磨损状态与云特征参数之间的关系;最后,将云特征参数组成特征向量送入最小二乘支持向量机进行识别。研究结果表明:所提取的特征可以很好地反映刀具的磨损状态,云-支持向量机方法可以有效地实现刀具磨损状态的识别,与传统神经网络识别方法相比具有更高的识别率,识别率达到96.67%。     

基于倒频谱分析的航空发动机转静碰摩部位识别

提出基于倒频谱分析的航空发动机碰摩部位识别方法,利用倒频谱分析方法,从机匣振动加速度信号中分离出传递路径特征,该特征反映从碰摩点到机匣测点的传递路径信息,因此,不同的碰摩部位将具有不同的传递特征信息,并以此提取出20个碰摩部位识别特征。利用航空发动机转子试验器模拟大量不同部位的碰摩试验,对不同碰摩部位的试验样本进行特征分析,表明相同碰摩部位的特征一致性,以及不同碰摩部位的特征差异性,利用最近邻分类方法,进行碰摩部位识别,识别率达到100%,充分验证了方法的有效性。     

用声发射技术与小波包分解确定转子系统的碰摩位置

提出了一种确定多盘转子系统碰摩位置的方法。这种方法基于声发射传感器的采样数据，并用小波包分解对数据作进一步处理，然后用互相关的方法得到结果。声发射方法经常用来发现缺陷并确定缺陷的位置，但是由于转子系统的碰摩是一种非常复杂的情况，所以很难利用通常的方法来确定碰摩位置。首先用小波包将信号分解到不同的频段上，然后再对分解后的信号分别用互相关方法，并进行比较相关系数来确定碰摩点位置。文中给出了仿真信号与试验数据的处理结果。     

Face Rub-Impact Monitoring of a Dry Gas Seal Using Acoustic Emission

Face rub-impact of a dry gas seal was investigated using acoustic emission (AE) technology. A force applicator was designed and mounted on the seal test rig to provide controlled misalignment and thus induce rub-impact of the seal faces. Two types of AE sensor were mounted at different positions on the seal. For the PICO AE sensor mounted directly on the seal ring, the root mean square (RMS) of the original AE signal was sensitive to face rub-impact of the seal. When force was applied, the AE RMS of the PICO sensor gave a distinct periodic waveform with a period consistent with the rotational period above an initial noise signal. The magnitude and shape of the waveform changed as the applied force increased. For the R15α AE sensor mounted on the housing of the seal, no obvious changes could be found from the RMS of the original AE signal synchronously obtained during loading. Two kinds of signal processing methods were tried to eliminate noise. After band-pass filtering, the RMS of the AE signals of the R15α sensor indicated face rub-impact when the misalignment was relatively large. The empirical mode decomposition method using masking signals was found to be more effective than band-pass filtering in eliminating the noise but took much more computational time. The results indicate that the AE technology is a potentially effective tool in monitoring and investigating face rub-impact of dry gas seals.     

EMD方法在转子局部碰摩故障诊断中的应用

针对转子系统局部碰摩故障振动信号的特征，将经验模态分解方法（Empirical Mode Decomposition，简称EMD）应用于转子局部碰摩故障诊断中。采用EMD方法对转子振动信号进行分解，实现碰摩、背景和噪声信号分离，从而提取转子系统局部碰摩振动信号的故障特征。试验分析结果表明，对具有局部碰摩故障的转子振动信号进行EMD分解得到的基本模式分量（IMF）具有明显的调幅特性，而其他状态下的转子振动信号经过EMD分解后得到的IMF分量没有明显的调幅特性。因此，EMD方法可以有效地应用于转子系统局部碰摩故障诊断中。     

基于特征参数和功率谱分析的液压滑阀内漏声发射检测实验研究

内泄漏直接影响液压系统的工作效率，常用的检测方法主观性强、效率低。以5组通径16 mm的三位四通换向滑阀为研究对象，设计并搭建了液压滑阀内泄漏声发射检测实验台。对比声发射信号的幅值域参数大小和响应时间，确定了最佳测量点。结合实验数据，找到了压力、间隙高度对幅值域特征参数的影响规律。运用AR功率谱提取信号的特征频率，发现滑阀内漏的声发射信号基频为40 kHz，泄漏量越大，特征频率越向低频方向偏移；特征频率呈现倍频的关系，内漏滑阀的功率谱曲线有小幅波动，正常滑阀功率谱曲线光滑。所得实验数据和结论对构建滑阀内漏诊断数据库具有重要意义。     

双转子-支承-机匣耦合系统碰摩振动响应分析及试验验证

以某型航空发动机双转子试验器为研究对象,采用Newmark-β数值积分方法求解系统的动力学响应,在考虑高低压转子中介轴承的耦合和机匣的弹性变形及其运动的基础上,建立了碰摩故障双转子-支承-机匣耦合系统动力学模型,理论分析了转速、转子偏心量和碰摩刚度对转子系统动力学特性的影响并进行了相关试验。研究结果表明：发生碰摩故障时,转子和机匣测点频谱分析图中会出现转子的倍频和组合频率,可将其作为判断系统发生局部碰摩的特征信号;随着转子偏心量和碰摩刚度的增大,碰摩幅值响应愈加明显,碰摩程度亦愈加严重;机匣测点振动量值存在衰减,后续理论建模过程中应考虑传递过程的衰减。本研究结论可为碰摩故障机理的探究和碰摩故障的诊断提供参考。     

12MnNiVR钢拉伸过程声发射信号特征分析

对大型常压储罐材料12MnNiVR钢拉伸过程中声发射信号的幅值、振铃计数、撞击计数和能量等常规特征参数进行了分析。在此基础上,对拉伸过程不同阶段典型声发射信号的时域波形、频谱、希尔伯特时频分布等进行了波形分析。结果表明,声发射信号的特征参数和波形分析能反映不同拉伸过程变形特征,可用于拉伸过程的表征。     

频带能量特征法在声发射刀具磨损监测系统中的应用

基于对声发射(AE)信号特点的分析和小波包分解理论对不平稳信号特征提取的优势,提出一种利用AE信号的能量变化来监测刀具磨损状态的方法。该方法利用db8小波基对AE信号进行5层小波包分解,将分解后各频带上的能量值作为特征参数,并组成特征向量。分别提取在新刀和刀具磨损状态下的特征向量,根据其变化即可判别刀具磨损的程度。试验结果验证了该方法在刀具磨损判析中的可用性。     

基于声发射技术的点接触润滑状态研究

为研究点接触在部分弹流润滑条件下的润滑状态,使用球盘式摩擦磨损试验机进行试验,利用声发射技术监测不同工况下的润滑状态,并分析在不同工况下声发射信号特征参数的变化规律。结果表明:声发射信号特征参数计数、能量、信号强度对润滑状态的改变非常敏感,都随滑动速度的增加而减小,随载荷的增加而增加且在变化规律上几乎一致;利用声发射技术能够表征边界润滑向部分弹流润滑的过渡状态。     

A new iterative near-field coherent subspace method for rub-impact fault localization using AE technique

Acoustic emission (AE) localization is an important method to detect defects in bearing of rotatory machine for faults maintenance. However, only the faults near the sensor array can be detected due to severe attenuation in the recorded AE signals. Therefore, we propose a highly reliable new Iterative near-field Coherent subspace method (IN-CSM) for multiple rub-impact faults localization. The proposed approach contains four improved processes: Modal plate wave theory (MPWT) analysis for the multi-modes decomposition and group velocity revision; Discrete wavelet transform (DWT) for the useful narrow band extraction; Near field Multiple signal classification (N-MUSIC) method for the preliminary position estimations; the IN-CSM algorithm for the multiple coherent sources separation and the precise localizations. The simulations based on N-MUSIC and IN-CSM methods were compared by rubbing teston the test rig of rotation machinery. The results indicate that the proposed method can effectively locate multiple coherent rubbing faults at once. Thus, it is an effective analysis tool for rub-impact fault detection.     

Using a probabilistic model to estimate the reliability of locating acoustic emission sources

A probabilistic model for estimating the error in determining the coordinates of acoustic emission (AE) sources based on experimental data is considered. A spherical indentor was pressed in a test object to obtain a large number of AE signals. Processing of signal parameters has made it possible to reveal the dependence of the likelihood of determining the coordinate with a prescribed accuracy on the maximum amplitude and AE-signal rise time. The possibility for choosing the method of detection of the AE-signal time of arrival at receivers depending on the signal parameters has also been examined.