利用吉布斯现象识别微弱振动脉冲

周期信号与时域脉冲序列的频谱特点有明显差别,前者能量主要集中在一定的频段,后者能量分布较宽;二者傅立叶分解的余项收敛速度也有所不同.利用吉布斯现象所反映出的信号分析中的截断及误差原理,可以将经过调制的微弱脉冲的测量问题,给以比较好的解决.通过评价经过较强载波信号调制的微弱脉冲信号的高阶余项,可以对脉冲序列在高频范围内的能量优势给以获取、识别和评价.试验证明,该系统的技术参数满足机械系统特定脉冲故障分析的需求.文中所述的原理、测量和数据处理方法,对复杂机械中轴承的早期故障诊断具有非常重要的意义.     

轮毂轴承耐久性试验方法若干问题的研究

针对轮毂轴承耐久性试验方法中的若干问题进行了研究,通过对轮毂轴承中心线和轮胎受力中心线的偏移量的研究,得出轮毂轴承模拟试验载荷加载位置的确定方法;针对轮毂轴承内圈或外圈旋转对轮毂轴承寿命影响的研究,得到轮毂轴承旋转方式在试验台上的实现方法;还对轮毂轴承失效的监控方法进行了讨论,提出耐久性试验中利用峭度值来判断轮毂轴承是否失效是有效实用的方法。     

几个机械状态监测特征量的特性研究

本文深入分析了机械状态监测中常用的几个特征量：峭度系数、重心频率、均方频率和频率方差的特性,指出峭度系数虽然对信号中的突变成分很敏感,但当突变发生的频度增加时,峭度系数值反而下降;而重心频率、均方频率和频率方差近似由自相关系数决定,也即它们的信息都包含在自相关系数中,可用时域公式快速计算。     

一种基于量子神经网络的模拟电路故障诊断方法

针对模拟电路中部分故障类别发生重叠的特点, 提出了一种基于量子神经网络算法的模拟电路故障诊断方法。在被测电路输出端采集时域响应信号, 计算其峭度和熵, 作为特征量, 并应用量子神经网络算法对模拟电路的各个不同的故障类别进行辨别。实验结果表明, 构建的神经网络具有简单的网络结构, 且故障诊断正确率较 高, 达到9 9. 6 2%。     

基于变分模态分解改进方法的滚动轴承故障特征提取

针对滚动轴承早期故障振动信号信噪比低、故障特征提取困难的问题,提出了基 于多相关-变分模态分解(MC-VMD)的滚动轴承故障诊断方法。首先对多加速度传感器采集到的 信号进行多相关处理以突出故障信号特征;然后通过VMD 自适应地将信号分解成多个本征模 态分量(IMFs),运用谱峭度法和包络解调对相关峭度较大的分量进行分析;最后通过包络谱识 别出滚动轴承的工作状态和故障类型。将该方法应用到滚动轴承故障实例数据中,实验结果表 明,该方法可有效提取滚动轴承故障特征频率信息。     

铁路非高斯随机振动的数字模拟与包装件响应分析

目的研究铁路振动环境的非高斯特性,并分析包装件在非高斯随机振动环境条件下的响应情况。方法结合离散傅里叶变换与EARPG(1)模型,模拟了铁路随机振动信号。根据采集的数据的PSD曲线计算幅值,利用EARPG(1)模型生成了具有尖峰特征的模拟信号,计算了相位并进行了相位整体平移,根据幅值和相位,合成了所需的非高斯随机振动信号。将包装件简化为单自由度系统,分析了包装件在非高斯振动条件下的响应情况。结果铁路随机振动的峭度大于3,偏斜度为0,属于对称超高斯随机振动,提出的模型可准确模拟出铁路振动的非高斯特性,峭度和偏斜度的误差均小于3%,包装系统的固有频率、阻尼比、激励峭度对系统的响应的峭度、均方根均有较大的影响。结论通过合理地选择包装系统的固有频率和阻尼比,可有效减小系统的响应峭度和均方根,提高包装系统的可靠性。     

基于符号-最小平均峭度的自适应谱线增强器

从误差信号峭度的性质和误差符号(SE)算法的特点出发,提出了基于符号一最小平均峭度(Sign-LMK)的自适应谱线增强算法。该谱线增强器的结构与基于LMS算法的自适应谱线增强器(ALE)相同,但它是用误差峭度的符号和输入信号作为权向量的更新因子的。仿真结果表明具有计算量小、抑制非高斯噪声和增强谱线性能强、收敛后均方误差小等优点。     

CEEMDAN和盲源分离在轴承复合故障诊断中的应用

滚动轴承的复合故障信号中往往含有多个特征信息及背景噪声,为更高效实现故障信息的提取,提出一种基于具有自适应白噪声的完备集成经验模态分解（CEEMDAN）和盲源分离的滚动轴承复合故障特征提取方法。对实验所获取的故障数据进行CEEMDAN分解,得出一组固有模态函数（IMF）,利用加权峭度因子选取其中有效IMF重构信号,再将重构的信号进行BSS分离。对分离出的信号做解调包络分析,从其解调谱中提取故障信号的特征频率。结果证明了此方法可以有效地分离轴承的内外圈故障,使故障特征更易被提取。     

多轴平稳非高斯随机振动试验控制方法

多轴向平稳非高斯随机振动控制试验能够对指定响应信号的时、频域特征进行同时控制。提出了一种快速生成具有指定功率谱密度、斜度和峭度的平稳非高斯随机振动信号的方法。通过频率采样方法将目标功率谱密度设计成滤波器,利用非线性变换方法获取非高斯随机信号,再将此信号经过设计的滤波器以获得满足要求的非高斯随机信号。该方法简单、快速并克服了传统非线性变换方法的缺点。进一步将此方法应用于三轴向平稳非高斯随机振动试验中,给出了三轴向非高斯随机振动控制的闭环均衡步骤,此方法能够同时对信号的功率谱自谱、相干系数、相位差以及斜度和峭度进行解耦控制。进行了三轴向平稳非高斯随机振动控制试验,三个方向上加速度信号的功率谱密度、斜度和峭度控制效果均令人满意,满足工程应用要求。     

基于谱峭度的不确定性振源监测方法

强噪声环境下实现不确定性振源的监测对于机械和建筑结构的诊断和维护工作有着重要的实际工程意义。通过介绍一种在信号频域应用峭度参数进行未知振源检测的新方法,即谱峭度方法,并经过实测试验对该方法的特点进行分析,提出在检测不确定性振源的同时对其在频域定位的方法。采用实测数据验证方法的有效性,并取得很好的效果。