相关分析在机械振动信号处理中的应用

信号的消噪处理和信号源识别是振动分析中的两个重要问题.首先介绍了相关性在信号滤波方面的应用,分析对比了相关性在消噪方面的应用范围、优点和不足,重点介绍了三重相关和多重相关的方法和研究发展情况;其次介绍了相关分析在振源和噪声源识别中的两种应用方法,着重介绍了偏相干方法的发展、应用、要注意的问题以及有待研究的问题;最后总结了相关分析在振动消噪和噪声源识别上的优缺点,指出了相关分析在振动信号处理中应用的发展趋势.     

混合特征驱动的滚动轴承智能故障诊断方法

针对采用传统特征指标进行故障诊断准确率较低的问题,提出了一种基于混合标度律特征和改进支持向量机的滚动轴承智能故障诊断方法。首先,利用超阶分析得到指示故障的标度律指标,并将其与常规特征指标相结合构造混合特征指标矩阵,提升特征指标对故障的区分度。其次,采用支持向量机(support vector machines, SVM)对构造的混合特征矩阵进行分类,利用粒子群优化算法对SVM中重要参数进行优化。最后,利用滚动轴承试验台对提出的滚动轴承智能故障诊断方法进行验证。结果表明,与常规特征相比,利用构造混合特征指标得到的训练准确率提高了13%,测试准确率提高了23%。所提方法不仅能识别不同故障类型,而且能对同一故障不同损伤程度进行识别,有望进一步实现滚动轴承故障定量诊断。     

数字信号处理中加窗问题的综述

随着国家工业化和机械化的发展,故障诊断成为了热点问题。故障诊断中对信号进行处理至关重要,而加窗是信号处理中常见的手段。概括了经典窗函数的特点及工程应用,总结了卷积窗、自乘法窗、时频窗、谐波窗等此类新型窗函数的性质,对加窗的原理及影响、加窗幅值修正的问题进行较为详细的探讨。通过对比分析,可以发现新型窗函数在经典窗函数的基础上进一步发展和优化。与传统的窗函数相比,新型窗函数的性能更加优越,在工程实践中应用的范围更广。     

电机的听阈不悦噪声的诊断

针对国产电机听觉上感到噪声偏高的问题 ,选择某型号电机进行了噪声测试 ,采用对数自功率谱、倒频谱和小波分析等方法进行了分析 ,找出了人的听阈不悦的几个高谱峰位置。通过与理论计算结果进行对比分析 ,进一步找出了产生该频阈谱峰的几个原因 ,提出了避免产生该频阈谱峰的改进措施     

自主移动机器人局部路径规划综述

自主移动机器人技术是近年来的研究热点,而路径规划技术是自主移动机器人技术研究中的一个重要内容。讨论了自主移动机器人路径规划技术的分类和研究局部路径规划的重要性;分析了局部路径规划技术的发展现状;指出了局部路径规划各种方法的优点与不足;对局部路径规划技术今后的发展方向做出了展望。     

航空发动机双转子系统相关性的单传感器识别

探寻子系统激励之间的相关性对研究系统振动响应的准确性具有一定的影响。将运动状态复杂的系统看作一个由多子系统组成,有利于分析各子系统间的相关性,基于这一概念对某型双转子航空发动机建立了双转子激励源振动网络模型,利用基于峭度的单通道盲源分离技术,对该双转子航空发动机的实测振动信号进行了单传感器信号识别。试验结果显示低压转子信号中含有高、低压转子基频的线性组合,分别为ω_1+ω_2和ω_1+2ω_2。验证了高、低压双转子激励间具有相关性,并通过各自的振动特征识别出主振动源。     

信号源识别的相干函数法

实际工程中所采集的多个信号往往不满足独立性，而且独立信号源的个数也常常是未知的，针对此问题，提出一种基于相干函数分析的振动信号源识别方法。该方法可用于独立、非独立以及未知独立的信号源识别。对于检测到的振动信号，用虚相干函数中的虚输入矩阵确定信号源独立个数，并以此判断信号源是否独立。对于非独立信号源，提出一种优先级排序的滤波器法。在进行优先级排序后，用重相干函数检测是否有重要信号源被遗漏，然后分别用常相干函数和偏相干函数对独立信号源和非独立信号源进行识别。随机信号的仿真试验说明，基于相干函数分析的振动信号源识别方法对信号源的识别具有满意的效果。     

基于有限元法的汽车排气消声器性能分析

为有效降低某汽车的排气噪声,以其消声器为研究对象,运用有限元前处理软件Hypermesh建立了消声器流场与声场模型,基于有限体积法分析了消声器内部流场特征,获得声场计算的温度、流速等边界条件,运用LMS．Sysnoise计算消声器声学性能,分析了传递损失频率特性,为该消声器的改进与优化设计提供了依据。     

振动信号处理方法综述

振动信号处理方法一直以来是研究的热点,对设备振动监测和故障诊断都至关重要.近年来,振动信号的处理方法得到了快速发展,但仍需不断改进和完善.对近年来的文献进行了分类总结,分别对传统方法中的幅值域分析法、傅里叶变换、相关分析和现代方法中的Wigner-Ville分布、谱分析、小波分析、盲源分离、Hilbert-Huang变换及高阶统计量分析的发展、特点以及应用进行了概述和对比分析,最后作出了总结与展望.     

非完备数据集下的标准自学习数据增强滚动轴承故障诊断方法

滚动轴承的智能故障诊断是设备安全、高效运行的重要保障。然而,非平稳的运行工况使采集到的训练数据集呈现不完备的特点,导致基于数据驱动的模型仅能从中学习到极为有限的诊断知识,致使诊断准确率大幅下降。针对此问题,以生成扰动样本扩充原始数据集的完备性为目的,提出了标准自学习数据增强故障诊断方法。该方法包含标准自学习和数据增强两个训练步骤,将一维卷积神经网络的训练过程看作模型自学习出评判扰动样本的标准,基于此标准,采用样本参数化与模型数据化方法生成扰动样本。两步骤交叉进行,不仅能生成扰动数据、增强数据集完备性,同时能获得非平稳工况下的故障诊断模型。此外,通过研究不同数据生成次序的样本差异,发现所提方法在生成数据时,通过数据生成距离与方向的随机性叠加,保证了生成样本的多样性。实验结果表明所提方法在不完备的训练数据集下对非平稳工况样本的诊断具有有效性和优越性。