基于差分振子的轴承早期故障可视化检测

运用实验的方法得出了差分振子检测的上下限频率,振子检测的上限频率只要满足采样定理即可.振子的下限检测频率与采样频率有关,在采样频率一定的条件下,振子的下限检测频率大约为采样频率的1/650,当采样频率过高时,不论振子相图收敛于极点还是极环都呈现出饼形.利用差分振子相图变化的特点,对现场数据进行分析,发现了设备故障从无到有的相图变化,为设备状态检测提供了一种方法.     

微弱信号的差分振子检测方法

在分析了差分振子基本原理的基础上,重点在理论上分析了噪声对差分振子输出相图的影响,推导了相图大小与有效信号幅值之间的线性比例关系,弥补了差分振子不能检测信号幅值的缺点,阐明了系统参数对差分振子检测性能的影响.理论分析、仿真实验及工程实践表明,该方法简单稳健,实时性好,具有良好的抗噪性能,能有效检测强噪声背景下的微弱故障信号,可实现机电设备早期故障的可视化检测.     

基于不变矩的微弱信号检测方法

由于混沌振子从混沌状态转变到大尺度周期状态时其相图的对称性将发生较大变化,提出应用Hu氏不变矩对混沌振子相图的状态进行描述,通过不变矩-策动力关系曲线确定混沌振子相图处于大尺度周期状态的左临界阈值,根据混沌振子混沌状态和大尺度周期状态下不变矩的差异实现混沌振子相图的自动识别。对仿真和工程实测信号进行了分析,结果表明,不变矩值能够准确识别混沌振子相图的状态,并具有良好的抗噪能力。     

差分振子检测器输出特性研究及应用

差分振子是一种周期信号检测方法,但在强噪声干扰下其相图会变模糊。为了解决这一问题,通过差分振子的数学模型求得了差分振子相图收敛时间与参数 的关系,利用该关系绘制出改进的差分振子相图,弥补了强噪声背景差分振子相图模糊不清的缺憾,同时给出了改进的差分振子系统参数的设置原则。理论分析、数值仿真及实验验证均表明该方法相比传统差分振子检测方法能取得更好的效果,可实现机电设备早期故障可视化检测。     

滚动轴承声发射特征的单分类方法及其应用

提出基于支持向量数据描述(SVDD)的滚动轴承声发射特征的单分类智能诊断方法,适用于故障监测和诊断中缺少故障样本的情况。首先利用谐波小波优良的频域盒形特性,将滚动轴承声发射信号分解到相互独立互不重叠的若干频带内,然后求取主要频带内信号的能量并归一化处理,进而将归一化能量特征作为特征向量输入SVDD分类器中进行故障识别和分类。试验表明,该方法只需要正常轴承声发射特征作为学习样本,不需要其他非目标样本即可实现故障轴承的识别,与支持向量机分类方法比较具有更高的准确率。     

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。