基于小波包分析的滚珠丝杠状态监测

为了研究丝杠在不同寿命下的运行状态,准确判断出丝杠的性能退化程度,提出了一种基于小波包分析的丝杠运行状态监测方法。以丝杠性能退化试验平台为研究对象,安装三向加速度传感器,来采集丝杠的振动信号。通过对振动信号的进行小波包变换,采用能量谱筛选出包含丝杠状态信息的频率带,再从这些频率带中通过时域、频域分析的方法提取出敏感特征,最后运用机器学习的方法对特征进行分类,以达到监测丝杠运行状态的目的。试验结果表明通过该方法可以有效监测丝杠状态,平均识别准确率达到了95%以上。     

基于AR模型和谱熵的自适应小波包络检测

针对传统故障诊断的包络问题,提出了一种基于自回归（auto regressive,AR）模型和谱熵的自适应复解析小波包络检测方法。通过AR模型从数据内在规律性上剔除机械振动信号中可线性预测的平稳成分,提取共振衰减的非平稳成分,在不同频带下进行复解析小波包络,结合谱熵在频域内与通带滤波的相关性选定最佳包络。仿真和试验数据分析结果表明,该方法能有效地提取故障特征频率,较传统方法自适应性更强,鲁棒性更高,包络效果更好,在工程应用中具有良好的前景。