LMD及马氏距离敏感阈值的滚动轴承故障诊断

针对滚动轴承非平稳性的振动信号,提出了基于局部均值分解(Local Mean Decomposition,LMD)及马氏距离敏感阈值的滚动轴承故障诊断方法。首先,对振动信号进行LMD分解,获得一系列乘积函数(Production Function,PF),有的PF分量包含的故障信息多,有的包含的少,为此采用K-L散度法提取出主要PF分量;计算主要PF分量的时域参数指标,将其组合成特征向量,根据马氏距离提出马氏距离敏感阈值来表征不同的故障状态,取多组正常信号的特征向量均值作为标准特征向量,计算未知特征向量与标准特征向量的马氏距离敏感阈值,从而对其故障状态进行识别。试验结果表明,在不同转速下,该方法能够有效的对滚动轴承故障进行识别,且效果较EMD方法好。     

基于STM32的焊缝底片数字化仪硬件设计

针对焊缝缺陷X射线实时自动检测技术普遍存在误检高的问题,研制了焊缝缺陷X射线实时自动检测系统,提出了工业胶片智能检测系统中采集和控制的同步问题的研究方法,设计了步进电机的控制方法与光电编码器采集方法,采用Cortex—M3内核的STM32进行步进电机速度的采集与电机速度PID控制,同时,步进电机带动夹持机构使胶片相对CCD运动,线阵CCD开始采集图像。只要CCD的线频率与扫描机构的运动速度同步,就可以采集到没有畸变的图像,运用LMD18245全桥电机驱动器等器件以及设计所需的相关软件的使用。在此基础上,对系统进行设计、编程和调试,该系统在压力管道焊缝缺陷实时自动检测中验证了其正确性和有效性。     

基于LMD和模型匹配的家电负荷识别算法

家电负荷识别是智能用电的重要环节,传统侵入式负荷监测具有成本高、安装维护复杂的缺点,因此以非侵入式负荷监测为基础研究家电负荷识别算法。结合系统辨识的基本原理和方法,以稳态电流、稳态电压为特征,提出一种基于局部平均分解(LMD)和模型匹配的家电负荷识别算法。通过预先获取用电网络中各负荷的稳态数据,构建线性和非线性模型库。利用LMD算法将混合信号分解为单个负荷的用电数据,通过预筛选确定分离数据所属模型库,根据模型匹配原则进行负荷识别。仿真结果表明,所提算法可以准确识别出各负荷的运行状态,运算效率高,并能有效应对用电网络中有新负荷加入的情况。     

基于FPGA和LMD18200的步进电机控制系统

提出了一种控制步进电机的设计方法,结合MCU、FPGA和增量型编码器构成了一个完整的运动控制平台。系统由总线接口单元、闭环控制单元、PWM脉宽调制单元和LMD18200驱动单元组成。实践表明,利用LMD18200驱动逻辑能够使步进电机高效稳定地运行,有效降低了电机运行中的噪声和起动、停止时的振动,使用效果好于大部分常规步进电机驱动方法。     

局域能量逐层提取的LMD模态混叠抑制方法

提出了一种基于局域能量逐层提取的局域均值分解（Local Mean Decomposition,LMD）模态混叠抑制方法。对待分析信号利用LMD得到一系列乘积函数（Product Function,PF）,对各PF的能量进行积分,根据积分比值确定模态混叠导致的能量泄漏程度,并从具有模态混叠的高阶PF中移除下一阶PF的成分构成新的PF,从原始信号中减去新的PF得到新的待处理信号,继续执行LMD,直到所有PF频率成分各自独立,从而实现对模态混叠的抑制。仿真结果表明：算法可以有效抑制小频率比混合信号导致的模态混叠,在实际工程上具有一定推广应用价值。     

改进LMD和LS-SVM在小电流接地故障选线中的应用

提出一种改进的局部均值分解(LMD)和最小二乘支持向量机(LS-SVM)相结合的小电流接地故障选线新方法。针对LMD存在端点效应的缺陷,提出了一种最小平方距离相关的改进算法,对端点效应进行了有效的抑制;LS-SVM在SVM基础上,用二次损失函数代替不敏感损失函数,用等式约束代替不等式约束,降低了计算复杂度。与径向基神经网络(RBF)方法的分类效果对比,验证了LS-SVM在非线性模式识别方面的优势。实验表明该方法能够很好地选出故障线路,为小电流接地故障选线提供了一种有效的新方法。     

基于LMD自适应多尺度形态学和Teager能量算子方法在轴承故障诊断中的应用

为了从故障轴承信号中提取包含故障信号的特征频率,提出了基于LMD自适应多尺度形态学和Teager能量算子解调的方法。首先,采用LMD将目标信号分解成有限个PF（Product function,PF）分量,分别对其进行多尺度形态学滤波,利用峭度准则优化形态学结构元素尺度,自适应寻求最优解,最后用Teager能量算子计算各PF分量的瞬时幅值,通过瞬时Teager能量的Fourier频谱识别轴承的故障特征频率。为了验证理论的正确性,进行了数字仿真实验和轴承故障模拟实验,并与EMD形态学和包络解调方法进行了比较,结果表明该算法明显优于其他两种方法,对滚动轴承外圈、内圈和滚子故障的检测精度更高,能够清晰地提取出故障信号的频率特征。     

LMD时频分析方法的端点效应在旋转机械故障诊断中的影响

为评估局域均值分解(LMD)受端点效应影响的程度,提出了一种基于能量的端点效应评价指标,并将LMD的端点效应与经验模态分解(EMD)的端点效应进行了比较。因包络线的定义方法不同,LMD在端点附近未定义的包络线较短,端点效应的程度也较轻。提出的端点效应镜像延拓抑制方法经仿真证明效果良好。将LMD应用于提取转子裂纹的故障特征,可获得满意的实验结果。     

局域均值分解方法在机械故障诊断中的应用

局域均值分解(Local Mean Decomposition,LMD)是近年来出现的一种新的时频分析方法。介绍局域均值分解的定义、基本算法。仿真验证LMD方法的有效性,结果表明LMD计算所得的瞬时频率均有物理意义,能更好地反映实际系统的状态。将该方法应用到轴承故障诊断中,实验证明该方法是有效的。     

随机共振消噪和局域均值分解在轴承故障诊断中的应用

针对实际机械故障诊断中强噪声背景下难以提取故障特征的情况,提出了一种基于随机共振消噪(SR)和局域均值分解(LMD)的轴承故障诊断方法。首先,将轴承振动信号进行随机共振消噪,利用噪声增强振动信号的信噪比;然后,将消噪的信号再进行LMD分解,通过求取乘积函数(PF)幅值谱从而发现轴承故障频率。实验结果表明,该方法可以提高信噪比,实现微弱信号的检测,可有效地应用于轴承的故障诊断。
