Hilbert变换在齿轮故障诊断中的应用

阐述Hilbert变换的定义及解调原理。工程应用的结果表明,利用Hilbert技术从复杂的振动信号中解调故障的调制信息,进而判断出故障齿轮的部位,是一种可靠的故障诊断方法。     

平方解调分析在低速重载齿轮故障诊断中的应用

阐述了齿轮振动信号的调制原理,讨论了平方解调的定义及解调原理。应用平方解调分析技术对齿轮振动信号进行了幅值解调分析。工程应用研究结果表明,针对齿轮振动信号的调制现象,利用平方解调技术能从复杂的振动信号中解调出故障齿轮的调制信息,进而判断出故障齿轮的部位,是一种可靠的故障诊断方法。     

基于Hilbert解包络及倒频谱分析的齿轮箱断齿故障诊断研究

由于传统的时域分析和傅里叶变换无法有效地提取故障特征,采用Hilbert解包络对具有调制现象和冲击现象的齿轮故障信号进行解调分析,同时运用倒频谱分析方法对齿轮箱振动异常信号进行提取和分离,获取了异常振动产生的周期性故障信号。结果表明倒频谱分析与Hilbert解包络分析相结合是齿轮箱故障检测的一种有效的诊断方法。     

基于Hilbert变换的低速重载齿轮故障诊断研究

对齿轮运动特性进行了分析,阐述了齿轮振动信号的调制原理,指出了齿轮箱低频故障信息容易被强噪声淹没的实际问题,提出了利用Hilbert技术对低速轴齿轮故障特征进行有针对性提取的观点。实例证明,Hilbert技术是一种行之有效的齿轮低频故障特征提取技术。     

基于Hilbert变换的滚动轴承故障诊断

滚动轴承是工业应用系统中的重要部件,其引发的故障是引起机器设备失效的重要原因。Hilbert变换基于滚动轴承故障引发的高频固有振动,提取包络信号。通过包络信号进行频谱分析从而提取滚动轴承的故障特征信息。通过采集内圈故障、外圈故障的滚动轴承振动信号,采用Hilbert变换对轴承的振动信号进行了分析,验证了Hilbert包络解调技术在滚动轴承故障诊断中的有效性。     

小波分析和Hilbert谱分析在故障诊断中应用

为了能有效地识别滚动轴承故障信号的非平稳和调制特点,提出了一种基于小波分析和Hilbert谱分析的滚动轴承故障诊断的新方法。使用小波分析对包含故障信息的信号进行分解、重构。进一步应用Hilbert变换进行解调和细化频谱分析。结果表明,小波分析和Hilbert变换的联合能够有效地提取故障特征频率并判断故障类型,非常适合滚动轴承的故障诊断。     

基于希尔伯特变换和小波包节点能量法的齿轮箱故障诊断研究

故障齿轮箱的振动信号中可能包含周期性的振幅和相位调制信号,在齿轮箱故障诊断中,解调成为一个重要的问题。在分析了齿轮振动信号的基础上,提出了一种基于希尔伯特变换和小波包节点能量法的故障诊断方法。通过一个包含调幅调相信息的仿真信号进行了验证,结果表明该方法能够有效提取调制信号,比使用小波包变换更有效。     

基于无量纲指标与小波变换的轴承故障诊断研究

鉴于滚动轴承在运转过程中能够产生冲击振动信号,将无量纲指标、小波变换与Hilbert包络分析相结合,实现对滚动轴承的故障诊断。将采集到的滚动轴承振动信号进行裕度指标、峭度指标等无量纲指标分析,来定性判断轴承是否存在故障,通过小波变换减小白噪声等干扰信号的影响,通过Hilbert包络谱解调分析,获取能够反映故障频率的振动信号。实例表明,该方法能够简单有效地实现滚动轴承的故障判断。     

平行及行星齿轮箱局部故障诊断方法

平行齿轮箱及行星齿轮箱是机械设备的重要传动部件,也是故障频发部件。基于实验分析,对比研究平行齿轮箱和行星齿轮箱局部故障的特征提取方法。应用Compact-RIO采集齿轮箱的实时振动信号,运用共振解调技术,成功提取平行齿轮箱齿轮断齿故障的特征频率。对于行星齿轮断齿故障,其振动传递路径复杂,信号非平稳、非线性程度严重,共振解调技术提取不到其故障特征频率。对此,应用EEMD技术对故障信号进行分解,避免了传统的EMD技术带来的模式混叠,成功提取故障的特征频率。     

基于同态滤波的低速重载齿轮故障诊断研究

对低速重载齿轮特性进行了分析，阐述了齿轮振动信号的调制原理，针对低速重载齿轮箱低频故障信息容易被强噪声淹没的实际问题，提出了利用同态滤波技术对低速轴齿轮故障特征进行提取的方法.研究表明，同态滤波技术是一种行之有效的齿轮低频故障特征提取技术.     

基于Hilbert-Huang变换的齿轮箱故障诊断

针对齿轮箱故障振动信号的非平稳特征,提出一种基于Hilbert-Huang变换的齿轮箱故障诊断方法。使用Hilbert变换求重构信号的包络,采用EMD方法将包络信号分解为若干个IMF分量,再对IMF分量进行FFT变换,实现在频域的分析,得到故障特征信号。依据IMF分量的频谱图和时域信号的边际谱图,判别齿轮箱的故障类型。实验证明是一种有效地处理齿轮箱故障诊断方法。     

EMD与能量算子解调在提升机齿轮箱故障诊断中的应用

提升机齿轮减速箱一旦发生故障,其振动信号表现出强烈的非平稳性,表现为复杂的调制现象,因强烈的噪声干扰,给故障特征提取带来了困难。介绍了基于经验模态分解(Empirical Mode Decomposition, EMD)与Teager-Kaiser能量算子（Teager-Kaiser Energy Operator,TKEO）解调相结合的提升机齿轮箱故障诊断方法,该方法结合了EMD自适应滤波和Teager-Kaiser能量算子非线性故障特征提取的优点。EMD方法可将齿轮箱振动信号分解成若干个局部频率从高到低不同频段的IMFs（Intrinsic Mode Functions）,各个IMF突出了原始信号的某些局部特征,再对相对高频段且含有齿轮啮合频率及谐频的IMFs进行能量算子解调,成功提取了提升机齿轮箱中间轴旋转频率fr2的故障特征频率,诊断出了提升机齿轮箱中间轴上齿轮Z2和Z3的点蚀故障。分析结果表明,该方法能有效诊断出提升机齿轮箱的故障。     

连续小波变换在齿轮故障诊断中的应用

提出了将连续小波变换用于提取信号中隐含特征的方法,并将该方法应用于故障齿轮振动信号的特征识别。数值仿真结果表明,信号的连续小波变换能有效地反映出冲击特征信号；实验表明,采用连续小波变换可以对断齿振动信号的故障特征进行有效地识别。     

希尔伯特黄变换在轴承故障诊断中的应用

针对滚动轴承故障振动信号的非平稳特性,提出了基于希尔伯特黄变换的滚动轴承故障诊断方法。该方法是把一列时间序列数据通过经验模态分解,获得有限数目的固有模态函数,经过希尔伯特变换获得信号的时频谱—希尔伯特谱,利用由希尔伯特谱反映出来的物理信息对滚动轴承进行故障诊断。     

小波变换在齿轮故障诊断中的应用

在分析小波变换理论和齿轮振动信号特点的基础上,提出用小波分析法提取齿轮故障特征。齿轮振动信号具有非平稳性,并且受各种噪声干扰,小波分析法具有处理非平稳信号的突出优点。在MATLAB环境中,建立了齿轮振动仿真信号,采用小波函数对受噪声污染的信号进行软阖值消噪处理,通过功率谱分析提取特征频率。仿真表明,该方法可有效抑制噪声,提取特征频率,从而为齿轮故障诊断提供依据。