随机关一量技术中周期激励的影响及消除方法

本文针对机械系统中通常存在确定性周期激励的事实，论证了周期干扰成分的存在于提取的随机减量特征信号的影响。基于数字滤波技术提出了一种从周期干扰环境中提取随机减量特征信号的简便方法。在回转机械稳定性监测中的应用实例表明本文提出的方法是有效的。     

基于SANC和一维卷积神经网络的齿轮箱轴承故障诊断

近来以深度学习算法为代表的滚动轴承特征智能提取和故障辨识技术被广泛研究,但目前研究大多局限于无强干扰的轴承故障。在齿轮箱存在较强齿轮振动干扰条件下,基于此类算法的轴承故障辨识率将显著降低。为提高在较强齿轮振动信号干扰下齿轮箱轴承故障智能辨识的准确率,提出了一种基于自参考自适应噪声消除技术(SANC)和一维卷积神经网络(1D-CNN)的齿轮箱轴承故障诊断方法。首先利用SANC将齿轮箱振动信号分离为周期性信号分量成分和随机信号分量,抑制齿轮等周期强干扰成分,再通过1D-CNN对包含轴承故障特征的随机信号成分进行智能特征提取和识别,实现在齿轮振动干扰下齿轮箱轴承故障辨识率的提高。通过与不同方法的对比验证了本文所提方法的优势和有效性。     

Teager算子和极坐标级联增强时频特征算法及轴承微弱故障特征提取

提出了一种Teager算子和极坐标级联增强时频特征方法(Cascading enhancement of time-frequency feature based on Teager energy operator and polar diagram,CETFTP),应用于提取轴承早期单一和并发故障微弱特征。首先计算信号的Teager能量算子输出,一级增强冲击信号能量,按有限种可能周期将时间尺度平面上的时频系数累加,映射到极坐标平面,二级增强周期冲击时频特征。对仿真信号和4种工况轴承实测信号进行CETFTP分析,结果表明:CETFTP方法能级联增强周期冲击特征,有效抑制非同周期的其他分量和噪声干扰,更能提取强噪声下的轴承微弱故障特征;CETFTP不仅能有效提取单一故障微弱特征,而且能消除并发故障调制源之间的干扰,逐个提取信号中的多个调制源特征,为轴承并发故障特征提取提供了一条新途径。     

基于周期势函数的自适应二阶欠阻尼随机共振信号增强方法

针对滚动轴承微弱故障振动信号在噪声环境下故障特征难以提取的问题,提出一种基于周期势函数的自适应二阶欠阻尼随机共振信号增强方法。采用粒子群算法对系统参数和阻尼系数的自适应匹配,实现对多个拟增强频段的随机共振,更加适用于工程实际中多故障信号提取。数据库考题检验和工程实验验证表明:1)该方法明显提高了输出信噪比,故障特征频率处主峰突出,边带干扰少,方便故障的机器判读,误判率低;2)随着噪声强度的增加,虽然输出信噪比有所降低,但该方法的检测效果仍优于基于周期势函数的自适应一阶随机共振方法的检测效果;3)该方法对噪声的适应性更强,在噪声环境下对于微弱故障信号的提取有着明显优势。     

梳状滤波器在滚动轴承早期故障诊断中的应用

在滚动轴承的早期故障信号中,由于较强的齿轮啮合频率以及噪声成份的存在,致使故障特征的提取比较困难.应用二阶循环平稳方法可以有效的抑制噪声,提取出信号中的周期成份,但无法排除啮合频率的干扰.提出了构造梳状滤波器滤除啮合频率,然后进行二阶循环平稳分析的滚动轴承早期故障诊断方法,并通过实际工程信号进行了验证.     

基于循环谱分析的鲁棒性滚动轴承故障特征提取方法EI北大核心CSCD

循环平稳分析是滚动轴承故障特征提取的重要方法之一,但在用于滚动轴承故障特征提取时,存在因干扰成分较强而不能有效提取轴承故障特征的问题。为能在干扰环境中有效提取滚动轴承故障信息,基于循环谱分析提出一种鲁棒性滚动轴承故障特征提取方法。首先通过离散随机分离(discrete random separation,DRS)分析分离信号中的周期分量,提取其随机分量;随后用Teager能量算子(Teager energy operator,TEO)提取随机分量的振动能量序列;再对该序列进行快速谱相关(fast spectral correlation,Fast-SC)分析,采用基于能量熵的能量差异系数评价各循环频率(阶次)切片的能量强度;最终经熵加权降低无关干扰成分影响以有效提取故障特征。通过传统的快速谱峭度、快速谱相关和基于总变差去噪的快速谱相关分析方法与该方法对美国智能维护系统中心的滚动轴承振动数据以及实测齿轮箱复合故障试验信号进行对比分析,验证了该方法在滚动轴承故障诊断应用中的优势。     

基于随机共振及图谱理论的齿轮故障特征提取

机车齿轮箱齿轮工作环境恶劣极易出现齿轮损伤。齿轮箱齿根裂纹损伤检测是保证列车安全运行的有效措施。本文提出了一种基于随机共振以及图谱理论相结合的齿根裂纹故障提取方法。基于随机共振以及图谱理论的故障提取方法具体过程如下,首先,运用复Morlet小波梳状滤波器对原始信号进行解调处理;然后,运用图谱理论方法对仿真信号进行处理提取信号中含有的冲击信号成分;最后利用随机共振方法对提取的冲击信号进行处理,达到消除信号中噪声干扰增强信号中冲击成分的目的。运用本文提出方法对仿真数据进行处理,证明了本文提出方法的有效性。     

基于信号子空间的新型盲解卷积方法

解卷积方法已广泛应用于振动信号的故障冲击提取.然而设备运行工况复杂多变、故障特征周期难以准确预知以及随机冲击干扰,使得当前的解卷积方法难以适应工业现场复杂环境下故障冲击增强的需求.针对该问题,提出了一种基于信号子空间的新型盲解卷积方法.该方法通过奇异值分解(SVD)方法将测试信号空间分解,分离各子空间,在此基础上通过稀...     

基于随机共振预处理的振动故障特征提取研究

为有效降低噪声对机械故障特征提取结果干扰,提高故障特征集分类性能,提出基于随机共振(SR)预处理的故障特征提取方法。用随机共振方法对振动信号预处理,提高输出信号信噪比,增强信号频率特性;将随机共振输出信号用于特征集提取。为验证随机共振对信号预处理效果,分别提取基于时域、频域及时频域分析的故障特征集用于故障诊断;用转子试验数据对该方法所取特征集进行检验。结果表明,经随机共振处理后提取的各特征集与原始数据提取的特征集相比,均表现出较好分类性能,且其诊断结果的确定性较原始特征好,有望应用于工程实际。     

大参数条件下弱周期信号的三种随机共振检测方法

小参数弱周期信号的随机共振虽易于发生,但实现大参数条件下弱周期信号的随机共振在机械故障诊断领域更具有实际意义,在一定条件下可通过选用有关文献给出的二次采样法或调制法等随机共振方法来实现.为了掌握上述随机共振方法的应用特点,更好地达到大参数条件下弱周期信号的周期特征检测目的,以某大参数弱周期仿真信号作为对象,分别应用二次采样法、解调法以及作者提出的结构参数自寻优法等3种随机共振方法进行计算分析和提取周期特征,并从应用过程和效果两方面对3种方法进行比较.结果表明,相对于其他两种方法,通过结构参数自寻优法构建的随机共振模型能够较好的检测出大参数弱周期信号的周期特征,具有更好的实用性.     

周期振动载荷下金属橡胶隔振器的仿真研究

针对旋转机械在不平衡工况下的周期振动载荷问题,按照隔振器设计原则,设计适用于旋转机周期振动的金属橡胶隔振器模型,以ZDT-2Y/2W-3旋转振动试验台实际参数为参照,制备金属橡胶试块。最后基于ANSYS发展了在旋转机械振动条件下对于金属橡胶材料采用正交各向异性阻尼参数识别的有限元分析方法,同时依照材料强度的第四强度理论对其评定。结果证明该有限元仿真方法可用于旋转机械不平衡状态下的金属橡胶隔振分析。     

无转速计的旋转机械Vold-Kalman阶比跟踪研究

结合旋转机械升降速阶段振动信号的特点,提出了一种无转速计的旋转机械Vold-Kalman阶比跟踪方法。该方法利用能量重心法对振动信号进行频谱校正,估计瞬时频率,获得参考轴转速信号,再对振动信号进行Vold-Kalman阶比跟踪,提取阶比分量。与需要转速计的经典Vold-Kalman阶比跟踪方法相比,该方法无需鉴相装置,完全用软件方式实现,算法精度高。仿真和应用实例分析结果表明此方法能够在时域中准确地提取幅值和频率变化的阶比分量。     

周期桁架浮筏系统的隔振特性研究

研究了周期结构对桁架浮筏隔振系统振动传递的衰减特性,首先利用有限元方法计算周期桁架浮筏的频响特性,并将其与传统浮筏进行比较。然后,为在隔振系统中评价周期结构浮筏的性能,运用频响函数综合法建立整个系统的振动传递模型,计算频响函数。仿真分析表明：周期桁架浮筏较传统浮筏更有效地抑制振动的传递,当与设备组成一个隔振系统之后,在与浮筏上下层隔振器的共同作用下,整个隔振系统能在一个宽频段内对振动传递产生更好的抑制作用     

Deconvolution of blast vibration signals by wiener filtering

Ground vibration is one of the environmental concerns caused by mine blasts. The signature-hole technique, essentially the convolution of a single-hole signature with an impulse train function representing the timing of the blast, is one method used to predict and control ground vibrations. This method requires measuring a signature waveform from a singular blasting hole, which may be a limitation. Deconvolution of vibration signals, the inverse problem of signature-hole method, is still a frontier issue to solve that limitation in mining engineering. Wiener filtering deconvolution is used to compress the impulse train into a time-lagged spike, so that a normalized single-hole signature can be extracted from the full blast vibration waveform. The proposed methodology gives good results for a case study of mining blast using electronic detonators. Successful deconvolution will eliminate the need for measuring signatures by using all the seismograph information collected routinely in mine operations.     

基于局部均值分解与形态谱的旋转机械故障诊断方法

针对旋转机械不同类型故障会使振动信号具有不同形态特征及振动信号信噪比低等特点,提出基于局部均值分解（Local Mean Decomposition,LMD）与形态谱的旋转机械故障诊断方法。其中的LMD能对旋转机械原始振动信号进行降噪处理,而形态谱则能反映振动信号的形态特征,从而能判断旋转机械的工作状态。将该方法用于转子系统故障诊断,分析结果表明,该方法能有效提取旋转机械故障振动信号的故障特征,能准确识别旋转机械的故障状态。     

Suppression of vibration localization in non-axisymmetric periodic structures

In this paper, mistuned non-axisymmetric periodic structures are considered. In such a structure, vibration localization, which results in large vibrations in some components of the structure, can occur. Such a behavior is due to mistunings in the structure components, small damping, and weak coupling between components. The efficacy of a passive technique (previously proposed by the author for axisymmetric structures) in suppressing vibration localization in mistuned non-axisymmetric periodic structures is examined. The technique is based on adding small components between components of structures. It is first shown numerically that the added components suppress vibration localization in mistuned structures. Then, this conclusion is rigorously proved by using the singular perturbation method. Application of the technique studied in the paper to comb drives of micro electro-mechanical systems (MEMS) is given.     

全矢小波包-包络分析方法及其在齿轮故障诊断中的应用

在旋转机械故障诊断中,针对传统单源信息采集的不全面性,提出了一种基于全矢谱技术的小波包-包络分析方法。首先对同源双通道信息分别采用小波包分解,根据需要选择频段的信息,并对提取的信号进行重构。然后采用全矢Hilbert解调分析方法对重构信号实现包络解调,并与两单源信息的包络解调相比较,说明了仅以单源信息为诊断依据的不足。利用全矢谱技术进行融合的全矢小波包-包络解调技术,不仅继承了小波包-包络分析方法的优势,而且更加全面地反映出了信号的真实性。最后通过仿真信号对其算法的可行性进行了验证,同时又以齿轮的故障振动信号为例,进一步表明了该方法在故障诊断中的有效性。     

一类准周期参激非线性扭振系统的周期簇发

考虑旋转机械中两种频率不同的周期参数激励同时存在对其传动系统的影响,基于拉格朗日方程,建立一类含准周期参激刚度和摩擦阻尼的非线性扭振系统的动力学方程。运用多尺度法对该扭振系统进行求解,得到系统在1/2亚谐波主参数共振下的幅频特性方程和分岔响应方程。在此基础上,研究了当两种周期参激的频率相差较大时非线性扭振系统的周期簇发现象,分析了快变参激和慢变参激对扭振系统的周期簇发的影响。通过数值仿真,给出了产生周期簇发的参数取值区域。在该区域内系统发生静息态与激发态的相互转迁,当快变激励的幅值减小时,激发态区域扩大,簇发的时间延长,通过调节慢变参激幅值会改变系统簇发的类型和轨迹     

旋转机械振动故障诊断理论与技术进展综述

非线性理论、信号处理、知识工程和计算智能等学科的发展,丰富了故障诊断的内容。总结了旋转机械故障机理、征兆提取和诊断推理等方面的一些进展情况。     

基于ICS-LSSVM的包装机械动力机轴承的故障识别

目的针对包装机械设备中动力机轴承的故障诊断识别率低的问题,提出一种基于参数寻优的故障识别方法。方法首先通过主元分析算法对包装设备动力机的振动数据进行主成分特征提取,减少各数据间的相关性,然后采用LSSVM对各类数据样本进行故障识别。为了克服LSSVM惩罚因子和核函数参数易出现局部最优、收敛精度差等问题,提出一种ICS算法优化LSSVM的状态参数,提高包装机械动力机轴承故障诊断的识别率,以实测糖果厂包装机械振动数据为例验证所提方法的有效性。结果实验结果表明,在包装机械动力机轴承故障类别确定的情况下,算法能够高精度地识别各类动力机故障。结论该算法实现了分类器参数的自适应选择,为提高包装机械动力机轴承故障诊断的识别率提供了可靠的方法。