冲击载荷识别中的相干修正

本文分析了在频域法冲击载荷识别中,测量噪声对识别精度的影响;从理论上论证了相干修正可有效地抑制响应信号的测量噪声,从而提高识别精度;给出了可用于工程实际的相干修正技术方法,并通过实验验证了相干修正对提高识别精度的有效性.     

阶次跟踪在齿轮磨损中的应用

研究旋转机械在变速过程中振动信号的分析方法。在利用B＆K3560多分析仪对齿轮箱加速时测得的振动信号进行时域采样的基础上,利用样条插值算法进行角域重采样得到等角度分布的采样点,并对其进行阶次跟踪分析。结果显示出阶次跟踪分析法在处理转速变化信号时的优越性：能够有效地避免传统频谱方法所无法解决的“频率模糊”现象,对齿轮箱的早期故障有一定的识别能力。该方法是对传统的频谱分析法的有力补充,具有很广阔的应用前景。     

变速箱故障声压信号的小波包分解与诊断

针对变速箱故障声压信号的非平稳时变特点,给出了小波包分析处理变速箱故障声压信号的原理和方法,并分析了一个变速箱齿根裂纹故障的诊断实例.实验结果表明,该方法在变速箱声学诊断中是有效可行的,在其它机械的声学诊断中也具有一定的参考价值.     

计算阶次分析中的采样率设置准则

针对旋转机械状态监测和故障诊断领域常用的计算阶次分析方法,分析了角域采样率准则,给出了计算公式;计算阶次分析实验中存在2次采样:时域采样和角域重采样.转速变化的影响使得1种采样相对另1种采样必然为变采样率的采样.变带宽跟踪抗混滤波难以实现,为此分析总结了只用1次定带宽抗混滤波——时域抗混滤波的采样率设置方法:时域采样率应根据最大转速来设置,否则会采样不足;角域重采样率则应根据最小转速来确定,否则会产生阶次混迭.     

基于小波分析的发动机气门漏气故障诊断研究

对发动机气门漏气声学特性及其振动诊断机理进行了研究 ,在模拟实验的基础上对测取的燃爆段缸盖振动信号进行小波变换 ,比较了三种工况下各尺度小波分解信号能量与总能量之比 ,验证了理论研究的正确性。提取高频带内能量与总能量之比作为特征参数 ,有效地诊断了发动机气门漏气故障。     

Hilbert-Huang变换在行星齿轮箱故障诊断中的应用

提出了一种基于Hilbert-Huang变换的行星齿轮箱轴承故障诊断的新方法,叙述了该方法的基本原理.测量了行星齿轮箱轴承的故障振动信号,并用经验模态分解方法将振动信号分解成不同特征时间尺度的固有模态函数,然后对固有模态函数进行边际谱和能量谱分析,就可识别齿轮箱轴承的故障部位和类型.齿轮箱轴承故障振动实验信号的研究结果表明:该方法能有效地识别轴承的故障.     

加热对牛乳蛋白过敏原的影响

对牛乳中主要过敏原β-乳球蛋白、α-乳白蛋白和酪蛋白进行了介绍,分析了在加热过程中牛乳过敏原的物理变化和化学改性,详细论述了加热对牛乳过敏原抗原性的影响及作用机理.     

基于角域同步平均技术的内燃机失火故障诊断

在利用缸盖振动信号诊断内燃机失火故障时,由于发动机工作背景噪声复杂,必须消除信号中的非周期分量和随机干扰,保留与发动机工作循环有关的周期分量。为了解决时域同步平均方法在转速波动时振动信号存在的不同步问题,提出了以旋转角度信号作为同步触发基准的角域同步平均技术,对内燃机缸盖振动加速度信号进行了处理,有效地削弱了随机噪声的干扰。分析了缸盖振动信号中不同激励源产生的响应分量与发动机失火故障的关系,利用缸盖振动加速度信号中的各个瞬态冲击响应更加易于识别,能有效地对内燃机失火故障进行诊断。     

Hilbert-Huang变换在齿轮裂纹故障诊断中的应用

提出一种基于Hilbert-Huang变换的齿轮裂纹故障诊断的新方法。Hilbert-Huang变换是先把时间序列信号,用经验模态分解方法分解成不同特征时间尺度的固有模态函数,然后经过Hilbert变换获得信号时频分布的一种信号处理新方法,将Hilbert-Huang变换应用于齿轮箱中齿轮故障诊断的研究。齿轮故障实验信号的研究结果表明,Hilbert-Huang变换时频分析方法能有效诊断齿轮的齿根裂纹故障。     

自适应二代小波变换在振动信号降噪中的应用

小波分析技术已成功应用于振动信号的降噪处理。第二代小波变换是一种比Mallat算法更为有效的算法。文中介绍第二代小波变换的基本理论和特点,提出基于二代小波的线性适应性信号分解算法和尺度适应性信号分解算法,并将其应用于对含噪的齿轮箱振动信号进行降噪处理。结果证明,与其他降噪方法相比,使用线性适应性二代小波降噪后的信号具有最佳的信噪比和最低的重构误差。