利用LMS的接触疲劳试验机振动信号处理方法

接触疲劳试验机在运行过程中,对外界环境的干扰十分敏感。本文阐述了试验机的原理,并设计了振动信号检测和变换电路,提出一种基于LMS算法的振动信号分析方法,旨在提高振动信号的测量精度,减少微弱环境振动导致的信号波形杂乱,甚至失真。经实际运行,证明了该方法的有效性和实用性,为更好地判断构件失效提供了可靠的实验数据。     

基于多分辨分析的消噪处理的方法研究

采用多分辨分析方法对含噪信号进行处理,能有效的滤除无用信息.同时,将多分辨分析应用于对声波/振动信号的预处理当中,结果表明:该方法能滤除声波信号中的噪声信号,并且能较好地保留原始信号中的突变信号,这对后续的处理工作打下了扎实的基础.     

基于振动法的铣刀破损特征量提取

建立了铣削加工中振信号的检测系统，并介绍了利用振动信号进行铣刀破损试验的整个试验过程。根据试验数据，对切削过程中产生的振动信号进行了分析与处理，提出了能过反映刀具破损的特征量。为后续的刀具破损系统辩识帮好了充分准备。     

滚动轴承振动信号的微机采集和分析系统

本文以286微机为主体建立了振动信号采集和分析系统.系统由信号测量,数据采集,预处理和信号分析几部分组成,能实现幅值域,时域和频域分析.系统的软件有良好的人机界面,使用十分方便.该系统成功地应用于滚动轴承振动信号的采集和统计特性分析,还可以推广应用于其它机械振动信号的采集和分析.     

某型航空发动机转子振动信号盲分离

航空发动机振动信号往往所含成分复杂、有用成分十分微弱,信噪比低,这大大限制了已有诊断方法在早期诊断中的应用.将盲信号处理方法引入到航空发动机振动信号分析,根据振动信号的特征,采取合适的预处理手段,然后应用FastlCA算法进行信号的分离研究,结果验证了盲处理方法的有效性,可以应用于航空发动机振动信号处理和故障诊断领域.     

一种消除振动信号多项式趋势项的方法

文章讨论了振动信号预处理中用最小二乘法消除信号的趋势项，并在MATLAB操作平台上进行算法编程实现，通过对测试得到的原始信号与经趋势项处理后的信号比较，证实所用方法的有效性。     

基于耦合源误差分析的转子振动信号识别方法

转子振动信号实时监测是保障旋转机械健康运行的关键,转子圆度误差和电涡流位移传感器误差的耦合源误差在以往的研究和振动监测中很少考虑,使得转子振动信号有一定的失真,甚至会引起误判。以实际转子为例,提出了圆度误差测量表达式;测量和分析了两种常用电涡流位移传感器的误差,利用傅里叶拟合方法构建了圆度误差和电涡流位移传感器耦合源误差表达式,建立了耦合源误差与转子振动信号之间的映射关系。提出了点-点法、平均值法与最大值法3种转子振动信号识别方法,3种方法都能有效识别转子振动信号,其中点-点法最精确,识别误差占比约20%;平均值法计算简便,识别误差占比约10%;最大值法偏保守,但可有效避免误判,识别误差占比约32%。     

基于Chirplet变换的水轮机非平稳振动信号分析

首先应用调制移频和多采样率转换技术对水轮机过渡过程中的非平稳振动信号进行预处理,然后应用基于Chirplet的自适应信号分解方法和自适应Gauss Chirplet谱图对其进行时频分析。针对旋转机械的振动特点,改进了自适应Chirplet信号分解过程中Chirplet参数优化计算方法。分析结果与其他时频分析方法的对比表明：自适应Gauss Chirplet谱图时频分辨率高,而且没有交叉项干扰,适合于分析非平稳机械振动信号。     

双跨转子轴承系统耦合实验研究

在多功能转子实验台上，对具有双跨度、三个圆柱滑动轴承支撑的多圆盘弹性转子轴承系统不同位置的振动信号进行分析。通过对位移信号的快速FFT变换，分析了系统振动信号的基本特征，研究了双侧转子对中间轴颈振动的影响；用信号能量和信号功率指标分析了转子弹性能的分布。结果表明：中间轴承相对于系统承受最大的振动模值，同时该轴颈的振动信号包容了系统振动的所有信息，反映了双跨间耦合对中间轴承的作用；振动信号的能量和功率指标验证了上述结论。     

智能动平衡仪自动量程的意义及实现

风机动平衡的关键是准确地测得不平衡振动响应的幅值与相位，对转换精度一定的A/D，振动信号在不发生截顶失真的情况下，其大小越接近A/D满量程，捕捉到的波峰位置就越准确，相应测得的幅值和相位也就越准确。为了对不同大小的振动信号进行精确的测量，动平衡仪采用自动量程来实现对振动信号的放大或衰减。本文以开发成功的智能化整机动平衡仪为例，详细介绍了智能动平衡仪中自动量程的意义及实现。     

利用改进的EMD方法进行高速转子振动信号分析

弹用涡扇发动机整机振动信号中经常包含着非线性和非平稳的高速转子振动信号成份。近年来采用一些新的信号处理方法来分析这些振动信号是国内外研究的热点,其中经验模态分解(EMD)方法颇具研究和应用前景。但是EMD方法往往在第一阶内在模函数(IMF)中包含着宽频信号,因而得不出单一成份信号。本文利用小波分析方法对待分析的振动信号进行预处理,把信号分解成一系列的窄带信号,然后应用EMD方法使得各阶IMF均为单一成份信号。该改进的EMD方法用来分析某型弹用涡扇发动机整机振动信号,从中得出了一些有益结论。     

基于EMD和HT的旋转机械振动信号时频分析

把一列时间序列数据通过经验模态分解(Empirical Mode Decomposition，简称EMD)成本征模函数组(Intrinsic Mode Function．简称IMF)．然后经希尔伯特变换(Hilbert Transformation，简称HT)获得频谱的信号时频分析新方法引入到旋转机械振动信号处理领域。介绍了该方法的理论和算法。首先．采用调频调幅仿真信号对该方法进行仿真验证；其次．把一实测的旋转机械油膜涡动故障振动信号进行了基于EMD和HT的时频分析。仿真和实测信号的分析结果说明．用基于EMD和HT方法对旋转机械的振动信号进行时频分析是有效的。     

基于经验模态分解的旋转机械振动信号滤波技术研究

把经验模态分解方法引入了旋转机械振动信号滤波领域,详细地解释了这种方法及其算法。通过对一个带高频毛刺干扰的振动信号的经验模态分解与本征模函数的组合,演示了基于经验模态分解的振动信号滤波的方法。把振动信号滤波前后的波形进行了比较,发现基于经验模态分解的信号滤波方法对振动信号滤波有较好的效果。     

基于EMD和支持向量机的柴油机故障诊断

为了解决传统小波或小波包变换方法对柴油机振动信号频率分辨率不高、易受邻近谐波分量间交叠影响的缺陷,提出了一种基于经验模态分解和支持向量机的故障诊断方法。该方法首先对振动信号进行经验模态分解,分别提取能量最大的几个基本模式分量的小波包特征;然后采用支持向量机在每个独立的特征子集中进行训练,并按该子集对应的基本模式分量的能量权重进行加权融合。试验中将该方法应用于6135型柴油机的故障诊断,结果表明,针对每个基本模式分量分别进行故障分析是可行的,能够对6135型柴油机常见故障模式进行准确识别。     

Variable cosine windowing of intrinsic mode functions: Application to gear fault diagnosis

Gear pair is used for speed reduction or increasing torque and/or to change the direction of rotation. Gears are considered critical element in various mechanical systems. When gears are in use, the multi component vibration signals are generated. These vibration signals can be captured by mounting accelerometers at suitable locations. Vibration signal analysis is very effective tool in finding gear fault at early stage. The methods based on empirical mode decomposition (EMD) have been used for gear fault diagnosis in mechanical systems. The EMD method decomposes an original signal into different frequency-bands in time domain, known as intrinsic mode functions (IMFs). A serious problem in application of EMD is boundary distortion of IMFs. While doing statistical analysis of IMFs, boundary distortion may provide high values of statistical indicator (e.g. kurtosis, S_r, S_α), even if fault is not present. Several extension-based methods are employed to eliminate the boundary distortion problem. Extension-based methods cannot completely eliminate the boundary distortion, especially when the low-frequency component of the analyzed signal is weak. Recently, cosine window-based method has been proposed by which the boundary distortion can be controlled in boundaries of the signal and the middle component of it can be exactly decomposed into IMFs. The cosine window-based method works only for a particular IMF depending on the size of window. Since, in EMD process, the boundary distortion of successive IMFs increases, a variable cosine window is proposed in this paper to address the increasing boundary distortion problem. In the proposed method boundary distortion problem is minimized by using variable cosine window for all IMFs. The simulation and experimental results for three statistical indicators viz. kurtosis, S_r, S_α show that the proposed method based on variable cosine window is a powerful and reliable technique for fault diagnosis.     

Source separation of diesel engine vibration based on the empirical mode decomposition and independent component analysis

Vibration signals from diesel engine contain many different components mainly caused by combustion and mechanism operations,several blind source separation techniques are available for decomposing the signal into its components in the case of multichannel measurements,such as independent component analysis(ICA).However,the source separation of vibration signal from single-channel is impossible.In order to study the source separation from single-channel signal for the purpose of source extraction,the combination method of empirical mode decomposition(EMD) and ICA is proposed in diesel engine signal processing.The performance of the described methods of EMD-wavelet and EMD-ICA in vibration signal application is compared,and the results show that EMD-ICA method outperforms the other,and overcomes the drawback of ICA in the case of single-channel measurement.The independent source signal components can be separated and identified effectively from one-channel measurement by EMD-ICA.Hence,EMD-ICA improves the extraction and identification abilities of source signals from diesel engine vibration measurements.     

EMD方法在消除桥梁振动信号局部强干扰中的应用

在进行桥梁的健康监测和状态评估时,外界环境的影响常常会在采集的振动信号中形成局部强干扰,导致分析结果的严重失真。为解决这一问题,文中基于经验模态分解(empirical mode decomposition,EMD),提出一种信号强干扰的消除方法。首先利用EMD把一个时间序列的信号分解成不同时间尺度的本征模函数(intnnsic mode function,IMF)和残余项,然后采用合适的带通滤波器对前几个IMF进行滤波,在存在强干扰的区段,用滤波后的数据代替滤波前的数据,并使后几个IMF在相应区段的幅值为零,最后将所有的IMF及趋势项重新进行叠加,即得到消除强干扰后的信号,将该信号再次进行EMD分解,可得到一系列新的IMF,它与未消除干扰时信号的分解结果有显著差别。通过对实测南京桥有对讲机干扰的应变信号进行分析,结果表明该方法可行、有效。     

一种非平稳转速下不平衡信号提取方法

针对动平衡测量中实际存在的转速波动问题,提出一种基于经验模态分解(empirical mode decomposition,简称EMD)和瞬时频率估计的不平衡信号提取方法。与传统的平稳信号分析方法不同,该方法采用3次样条插值法从键相信号中获取转子的瞬时频率,由瞬时频率构造不平衡信号,进而采用最小二乘法(least square method,简称LSM)辨识出不平衡信号的幅值和相位。为提高幅值和相位估计的精度,采用EMD算法对振动信号进行滤波处理后,再从中抽取数据样本。仿真和实验结果表明,该方法能够有效克服转速波动和干扰信号对不平衡信号提取精度的不利影响,提高不平衡量测量精度和稳定性,非常适合于工程应用。     

EMD与二阶循环平稳分析在电动机轴承故障诊断中的应用

研究了故障轴承振动机理、二阶循环平稳分析的解调性能、对噪声的免疫性能及其局限性。首次提出利用EMD分解项的快速Fourier变换(FFT)进行信号重构的消噪方法,并用仿真证实了其自适应消噪性能。试验分析过程中,在已有的循环平稳分析基础上,用改进的方法,即自相关单切片(SCA)和谱相关集合切片(SCD)的综合分析法,来分析EMD消噪后的试验信号。结果表明:EMD消噪可有效应用于非平稳的轴承故障信号处理;改进后的循环分析法的运算量小,抗干扰能力强;两者结合能实现轴承早期故障的快速有效诊断。