随机共振降噪下的齿轮微弱故障特征提取

针对强背景噪声下的齿轮微弱故障特征提取问题,提出了一种将级联单稳随机共振与经验模式分解(EMD)-Teager能量算子解调方法相结合的特征提取方法。首先对含噪故障信号进行随机共振输出,降噪后再进行经验模式分解,分解得到具有不同特征时间尺度的固有模态函数(IMFs),最后通过Teager能量算子解调方法求取每个有效IMF分量的幅频信息,从而提取齿轮微弱故障特征。仿真分析和实际测试结果均表明,通过随机共振降噪后,该方法能有效检测出齿轮局部损伤故障特征频率。     

双频信号作用下的单稳随机共振数值研究

在振动共振的基础上,研究了非线性单稳随机共振系统在高、低两种不同频率作用下的动力学特性,分析得出高频信号可以使系统产生分岔,而低频信号幅值及单稳系统非对称参数是系统跃迁阈值的影响因素,调节高、低频信号参数可改变势垒高度,诱发单稳随机共振效应。理论分析和数值仿真结果表明,在绝热近似条件下,单稳随机共振系统输出信号的信噪比及功率谱均呈非单调变化,同时通过级联后单稳系统输出的效果更佳,冲击信号仿真分析表明该类型随机共振系统有利于工程实际。     

基于EEMD和变尺度随机共振的轴承故障诊断

提出了一种基于集合平均经验模式分解(EEMD)和变尺度随机共振(STSR)的滚动轴承故障提取方法.首先通过EEMD对含噪振动信号进行自适应抗混分解,得到不同频带的本征模态函数(IMF);然后将不同频带的IMF作为双稳系统的输入,通过变步长数值算法和调节非线性双稳系统的结构参数来提取微弱低频故障特征信号;最后运用切片双谱对双稳系统的输出进行后处理.仿真分析验证了STSR的特性,通过对强噪声背景下的滚动轴承实测信号分析表明,该方法充分利用高斯白噪声,能有效提取滚动轴承微弱故障特征.     

基于随机共振和BBS/ICA的轴承故障诊断

提出了一种基于变尺度级联单稳随机共振和盲源分离/独立分量分析(BBS/ICA)相结合的轴承故障诊断方法.首先,通过高频信号控制下的变尺度单稳随机共振将信号所含的噪声能量转化为信号能量,再用BSS/ICA分离残余噪声.理论分析及仿真结果表明:该方法能利用噪声来增强信号频率特征,使得大参数信号能从系统中获得更多能量,又能消除噪声,从而实现故障的有效诊断.试验台模拟了滚动轴承内圈及外圈故障,验证了该方法的有效性.