基于改进EMD与谱峭度的滚动轴承故障特征提取

针对滚动轴承故障信号的调制特点和其需要依靠经验来选择共振高频带的缺点,提出一种改进经验模态分解(EMD)与谱峭度法结合的滚动轴承故障诊断方法。首先,通过EMD将滚动轴承故障信号分解为若干固有模态函数(IMF);然后通过互信息、峭度、互相关性剔除虚假IMF分量,重构故障信号;最后利用谱峭度设计最优带通滤波器,并对滤波后的信号进行包络解调分析,提取滚动轴承故障特征。滚动轴承故障实验信号分析结果表明,改进EMD与谱峭度方法能有效提取滚动轴承故障特征,且比传统包络分析方法更具优势。     

基于改进EMD和谱峭度法滚动轴承故障特征提取

针对滚动轴承故障信号的强背景噪声特点,提出一种基于改进经验模态分解(empirical mode decomposition,简称EMD)与谱峭度法的滚动轴承故障特征提取方法.首先,利用EMD方法对原故障信号进行分解,得到若干平稳固有模态分量(intrinsic mode function,简称IMF);然后,采用灰色关联度与互信息相结合方法剔除传统EMD分解结果中存在的虚假分量;最后,运用谱峭度法和包络解调方法对真实IMF分量进行分析,提取故障特征频率.通过对实际滚动轴承故障信号的应用表明,该方法可有效地提取滚动轴承故障特征,且能够取得比传统包络解调分析更好的效果.     

轴承故障检测的EEMD-RA-KU方法研究

利用滚动轴承故障信号呈现出的冲击特征,提出一种捕捉冲击特征的EEMD-RA-KU轴承故障诊断新方法。将故障信号进行EEMD(ensemble empirical mode decomposition)分解得到的IMF(intrinsic mode function)分量,利用相关分析RA(relative analysis)、峭度KU(kurtosis)联合选择IMF,并利用谱峭度确定滤波器参数对选出的IMF重构信号进行滤波,对滤波后的信号进行包络分析,利用包络谱检测轴承故障。结果表明,该方法能在强噪声背景下提取出轴承的故障特征。     

IEWT和FSK在齿轮与滚动轴承故障诊断中的应用

改进的经验小波变换方法(improved empirical wavelet transform,简称IEWT)是一种新的自适应性信号处理方法,将这种方法和快速谱峭度(fast spectral kurtosis,简称FSK)相结合,进行齿轮与滚动轴承的故障诊断。首先,采用IEWT对信号进行分解,筛选出故障特征最为明显的2个分量并重构信号;其次,对重构信号进行快速谱峭度滤波;最后,对滤波后的信号进行包络谱分析,提取出信号的故障特征。分析齿轮断齿及滚动轴承故障信号,与直接包络谱和基于EMD经验模态分解(empirical mode decomposition,简称EMD)方法的FSK滤波包络谱分析方法相比可知,采用IEWT处理后再进行FSK滤波的信号进行包络谱分析更具有区分性,可有效识别齿轮和滚动轴承的故障特征。     

基于EMD和信息熵的滚动轴承故障诊断

提出了一种基于EMD和信息熵的滚动轴承故障诊断方法。利用EMD将滚动轴承振动信号分解为多个IMF分量,计算各个IMF分量的信息熵,设定有效的熵阈值来取舍IMF分量,利用保留的IMF分量重构信号,并对重构信号进行Hilbert包络谱分析,提取滚动轴承故障特征频率。对实测滚动轴承振动信号分析表明,该方法能有效提取滚动轴承的故障特征频率。     

基于EEMD奇异值熵的滚动轴承故障诊断方法

为充分利用振动信号进行故障辨识,提出一种基于集合经验模态分解(ensemble empirical mode decomposition,简称EEMD)奇异值熵判据的滚动轴承故障诊断方法。首先,对滚动轴承的振动信号进行EEMD分解获得若干个本征模态函数(intrinsic mode function,简称IMF),并根据一种IMF分量故障信息含量的评价指标(即峭度、均方差和欧氏距离)选出能够表征原始信号状态的分量进行信号重构;其次,利用奇异值分解技术对重构信号进行处理,结合信息熵算法求取其奇异值熵;最后,利用奇异值熵的大小判断滚动轴承的故障类别。用美国西储大学滚动轴承振动信号对所述方法进行验证的结果表明,相比传统的EMD奇异值熵故障诊断方法,本方法能够清晰的划分出滚动轴承不同工作状态的类别特征区间,而且具有更高的故障诊断精度。     

基于EMD和峭度的Hilbert包络解调在滚动轴承故障诊断中的应用分析

针对直接运用快速傅里叶变换（FFT）无法有效提取具有非线性非平稳特性的滚动轴承振动信号故障特征频率的问题,提出了一种基于经验模式分解和峭度指标的Hilbert包络解调方法.首先对滚动轴承的振动信号进行了经验模式分解（EMD）,得到了包含轴承故障特征信息的各阶本征模态函数（IMF）,再计算各阶IMF的峭度值,选取了峭度值较大的几阶IMF分量重构信号,并对重构信号进行了Hilbert包络解调分析,从而获得了滚动轴承的准确故障特征信息.分别对仿真模拟信号和实际滚动轴承发生内圈故障的振动信号进行了分析,清晰地得到了故障特征频率.研究结果表明,利用融合EMD、峭度系数和Hilbert包络解调的诊断方法能够快速、准确地提取滚动轴承的故障特征频率,从而可以对滚动轴承进行有效地故障诊断.     

改进WMRA在滚动轴承故障诊断研究中的应用

针对滚动轴承初期故障诊断时故障特征信号微弱,且传统的包络谱分析方法需要预先依靠经验确定出分析频段的问题,提出了基于经验模态分解(EMD)和改进的小波多分辨率分析(WMRA)的诊断方法。首先通过对滚动轴承故障振动信号进行EMD分解,利用峭度系数和振动固有频率特征参数对分解后的本征模态函数(IMF)分量进行了分类,筛选出了最佳IMF分量,然后通过希尔伯特变换(HT)计算得到了所选IMF分量的包络信号,最后利用改进后的WMRA对包络信号进行了重构,所得到的包络谱明显地突出了故障特征频率。实验结果表明:相比单独的EMD或传统的WMRA,该方法有效地提高了信号分析的准确性。     

CEEMDAN辅助快速谱峭度图算法的轴承故障诊断

针对滚动轴承的振动信号受到强噪声污染故障特征提取困难的问题,提出一种结合完整集成经验模态分解(CEEMDAN)辅助快速谱峭度图算法(Fast Kurtogram)的轴承故障诊断方法,首先将信号通过CEEMDAN分解为多个模态分量(IMF)及余量,计算出各个IMF分量的峭度值,并利用峭度值对分量信号进行重构;然后利用快速谱峭度图算法对重构信号进行处理,可以得到良好的故障带宽与中心频率。实测数据表明,该方法能够有效检测出轴承内圈故障。     

基于EEMD和快速谱峭度的滚动轴承故障诊断研究

从经验模态分解(EMD)中得到的本征模态函数(IMF)存在模态混合现象,并且其末端效应影响分解效果,针对这一问题,以西安交通大学XJTU-SY滚动轴承中的振动数据为例,对其外圈振动的正常数据和失效数据分别进行了对比研究。首先,采用集合经验模态(EEMD)分别对正常和失效轴承的振动信号进行了分解,得到了各阶IMF分量;然后,通过峭度准则选择关键的IMF分量进行了信号重构,计算了重构的信号快速谱峭度,根据快速谱峭度得出的中心频率和带宽为依据,对重构信号进行了带通滤波处理;最后,对包络谱进行了对比分析,获得了滚动轴承的准确故障特征信息。研究结果表明:通过EEMD分解和快速谱峭度得出滤波后的重构信号降噪效果明显,可以得到良好的故障带宽和中心频率;该方法能有效测出XJTU-SY滚动轴承出现外圈故障时的振动频率。     

基于模态扩展技术的天线阵面形变重构

文中通过扩展实验模态,利用模态法思想进行形变重构,使用局部对应（Local Correspondence, LC）原理进行重构数值仿真和实验验证。该方法首先通过实验模态测试获得有限个测点的位移模态振型数据,根据实物建立较为准确的有限元模型并提取其模态数据。然后利用LC 原理选择最优的有限元位移模态振型簇对所测实验模态逐阶进行扩展。最后利用扩展后的实验模态进行重构。该方法与系统等效缩减展开过程（System Equivalent Reduction Expansion Process, SEREP）法、模态法的重构结果对比表明,该方法能够显著降低实验模态测试误差对重构精度的影响,并在有限元模型较为准确的情况下提升重构精度。     

基于应变指标的微弱损伤识别的实验方法

针对位移指标对微弱损伤不敏感的特点,研究了基于应变模态的损伤识别方法。该指标从应变模态参数识别着手,获得低阶应变模态振型,构造应变模态差,达到了结构微弱损伤的识别目的。通过与位移指标对比,实验表明该指标能通过应变模态振型和应变模态差准确识别微弱损伤的位置和损伤的程度。     

桁架结构有限元及试验模态分析

在ABAQUS软件中分别用梁单元和壳单元建立了桁架有限元模型,并利用有限元模态分析得到其低阶固有频率和振型。同时采用锤激法对中间节臂架进行了试验模态分析,利用LMS PolyMAX分析方法对试验结果进行了处理,并与有限元模态分析结果比较。结果表明:两种简化模型的有限元模态分析与试验结果相吻合,频率误差均在10%以内,验证了有限元模型的正确性和可靠性,确保了臂架系统有限元分析的准确性。     

传输线耦合下的差分对共模特性分析

基于差分信号奇模和偶模特性,分析和研究了传输线耦合对差分传输线的影响,研究表明由于传输线间的边缘场耦合,差分传输线的特性阻抗和传输时延均发生改变,从而引发阻抗不连续和信号错位,并最终导致共模噪声和EMI等信号完整性问题。传输线与差分传输线的耦合距离越小,耦合电容的不对称性就越大,引发的共模噪声也就越大。最后通过频域和时域实验验证了共模特性理论分析,实验结果表明,传输线与差分传输线间的两倍线宽间距将有效减小传输线与差分传输线耦合的差异,从而降低共模噪声和阻抗不连续以提高信号传输质量。     

GEARBOX FAULTDIAGNOSIS BASED ON EMPIRICAL MODE DECOMPOSITION

Time synchronous averaging of vibration data is a fundament technique for gearbox diagnosis. Currently, this technique relies on hardware tachometer to give phase synchronous information. Empirical mode decomposition (HMD) is introduced to replace time synchronous averaging of gearbox vibration signal. With it, any complicated dataset can be decomposed into a finite and often small number of intrinsic mode functions (IMF). The key problem is how to assure that vibration signals deduced by gear defects could be sifted out by HMD. The characteristic vibration signals of gear defects are proved IMFs, which makes it possible to utilize EMD for the diagnosis of gearbox faults. The method is validated by data from recordings of the vibration of a single-stage spiral bevel gearbox with fatigue pitting. The results show EMD is powerful to extract characteristic information from noisy vibration signals.     

有限缓冲的推动式和拉动式系统在生产计划中的互补应用

从企业的实际运作出发，设计了一种以合理的库存为有限缓冲，在具有装配和机加工工序的汽车发动机厂内，将MRPⅡ／JIT的思维及控制方法互补应用于制定各阶段生产计划和物料拉动计划。     

鲹科和鲔科仿鱼机器人自主游动机理的分析与比较

采用计算流体力学方法对自主游动的仿鱼机器人进行数值模拟,给定相同的物理模型,将鱼体分别按照鲹科模式和鲔科模式运动学进行游动,提取两种模式的力能学和流场结构信息.通过比较二者的收敛速度、推进力和侧向力、功率消耗和推进效率、流场结构的差异,归纳出提高仿鱼机器人游动性能的影响因素.结果表明,鲹科模式中的"波动鱼尾"和鲔科模式中的"摆动鱼尾"在自主游动中起到了极为可观的作用;鲹科模式具有良好的综合游动性能,只有在合理的参数范围内,鲔科模式的游动性能才会较鲹科更为占优;对于鲔科模式而言,欲获得理想的收敛速度和推进效率,应优先选择合理的最大击水角度,再依据快速和高效的不同目标适当调整相位差.研究结果对于理解鲹科和鲔科仿鱼机器人的自主游动机理、开发新型仿鱼机器人具有重要意义.     

基于应变模态的简支梁桥损伤位置识别研究

本文以简支梁桥为研究对象,利用ANSYS软件对其进行损伤模拟。获取了简支梁在两种工况下,不同损伤程度的1—3阶应变模态及应变模态差曲线。对比相应的位移模态曲线,发现应变模态和应变模态差指标,对于损伤位置的识别是有效并且敏感的。     

多跨度连续桥梁动态响应的研究

根据哈密顿原理，提出了应用插值振型函数法，研究多跨连续梁在移动荷载作用下车桥耦合振动的动态响应问题。在具体的算例中，给出了三跨等截面连续梁在不同速度的移动荷载作用下的数值结果。算例分析表明，该方法具有很好的收敛性和很高的精度。     

现场电测仪表的干扰分析及防护

分析影响电测仪表及装置正常工作的各种因素及耦合方式，并针对性的提出了防护措施。