差分振子相图的自动识别与应用

通过仿真实验证明了差分振子相图的大小和待检测信号的幅值的大小之间的关系。在相同的参数条件下,差分振子的相图越大,则待检测信号的幅值越大。因此,在参数相同的条件下,对于不同的差分振子相图进行比较,可以得到待检测信号幅值间的大小关系。针对差分振子相图的特点给出了差分振子识别的新方法,可以快速识别差分振子是收敛于极环还是极点。最后,通过工程数据的分析成功的发现了设备故障的发生发展的劣化过程,并对差分振子的相图进行识别,取得了理想的效果。     

并联基追踪稀疏分解在齿轮箱弱故障诊断中的应用

为了提取齿轮箱振动信号淹没在强背景噪声中的早期微弱冲击故障信息,先利用不同长度的窗函数的短时傅里叶变换对信号进行稀疏分解,得出初始分解系数,再利用并联基追踪对处理得到的系数进行优化处理,最后对得到的系数进行重构,分别得到信号的持续振荡成分及故障冲击成分,进一步对故障冲击成分分析得出诊断结果。仿真信号分析及应用实例分析结果表明了算法的可行性及有效性,为强噪声环境下的机械故障信号提取提供了一种新的思路。     

遗传算法采用进化方向算子的几种策略

提出了采用实数编码情况下应用进化方向算子的几种策略，包括单亲进化方向算子、双亲进化方向算子以及无轮盘赌选择的双亲进化方向算子策略，并进行了数值仿真。仿真结果表明，灵活使用方向进化算子以及遗传操作可大大提高遗传算法的全局搜索能力。     

多小波自适应阈值降噪在故障诊断中的应用

为了提取淹没在强背景噪声下的微弱故障信息,引入多小波自适应阈值降噪方法实现滚动轴承的信号去噪,并结合包络解调提取故障特征.多小波具有多个尺度函数和小波函数,具备单小波无法同时满足的对称性、正交性、紧支性和高阶消失矩等优良特性,可匹配信号中的不同特征信息.基于轴承外圈点蚀故障的仿真信号,分别利用GHM多小波和Db2小波对其进行降噪处理.通过信噪比的定量分析表明,相比单小波而言,多小波的降噪优势明显.针对滚动轴承的微点蚀实验信号和现场实采集的工程数据,多小波自适应阈值技术比单小波方法具有更好的降噪效果,且更易于提取出滚动轴承的早期故障信息.     

改进MBCV法在滚动轴承故障诊断中的应用EI北大核心CSCD

针对传统最大类间方差法(Maximum Between‑Class Variance,MBCV)在分离轴承故障信号过程中存在的分割阈值适应性差、分离效果不佳的问题,提出一种基于MBCV动态阈值曲线的滚动轴承故障诊断方法。该方法通过MBCV法获得频谱均分子区间的各分割阈值,然后高阶拟合各部分阈值进而获得动态阈值曲线,再通过调整优化频谱分段数量并以分离信号与原信号之间的均方根误差最小化为目标确定最优阈值曲线;依据最优动态阈值曲线将信号频谱分割为高、低两部分,对低幅值部分进行傅里叶逆变换及平方包络谱分析进而诊断故障。此方法能有效消除强干扰成分,最大化提取轴承故障特征。实验分析结果表明,相比于传统MBCV法,该方法提取的故障特征更加明显。     

基于变尺度Lempel‑Ziv的滚动轴承损伤程度评估方法EI北大核心CSCD

针对传统Lemple‐Ziv复杂度(Lempel‐Ziv complexity,LZC)计算过程中,二值化处理时会改变原序列的动力学特征以及计算效率较低的问题,结合轴承故障冲击特征,提出复合字典匹配追踪算法(compound dictionary matching pursuit algorithm,CDMP)与变尺度Lempel‐Ziv复杂度(variable scale Lempel‐Ziv complexity,VLZC)分析相结合的滚动轴承内外圈损伤程度评估方法。采用CDMP对原信号进行重构,检测信号周期性冲击成分;根据冲击幅值将重构信号分为轴承故障冲击区和冲击衰减区,对信号冲击进行变尺度二值化处理后,将冲击作为迭代基本元素,采用遍历查找法计算其VLZC指标;根据3σ原则给出内外圈不同损伤程度的VLZC取值区间,引入BP神经网络对其损伤程度进行智能分类。结果表明,该方法能有效降噪,保留信号周期性冲击特征,抑制非冲击成分,提高迭代计算效率,实现滚动轴承内外圈损伤程度的评估。