Hilbert-Huang变换及其在旋转机械故障诊断中的应用

旋转机械故障诊断的核心是信号处理技术，特别是现代数字信号处理技术的出现和发展，使旋转机械故障诊断技术步入了新的阶段。在实际应用中，大部分信号都是非平稳的，如剥落、摩擦、松动、裂纹、断裂、油膜振荡、喘振、旋转失速、冲击等故障导致的信号。对这类信号进行准确地分析和处理，无疑是旋转机械故障诊断成功与否的关键所在。     

基于神经网络的混合智能故障诊断技术研究

目前 ,故障诊断的关键是寻找一种使诊断结果更为有效的方法。神经网络作为一种新兴的故障诊断方法 ,越来越受到人们的关注。对于复杂的系统 ,单一的传统神经网络很难给出理想的结果。对神经网络与其他诊断方式融合的混合智能技术 ,即神经网络与专家系统、模糊控制、小波分析和遗传算法的结合以及集成神经网络等在故障诊断中的应用进行了综述     

基于SSD和Teager能量算子的滚动轴承故障诊断方法

针对滚动轴承早期故障冲击信号较难提取的问题,提出基于奇异谱分解(singular spectrum decomposition,SSD)和Teager能量算子的滚动轴承故障诊断方法。首先,利用SSD分解振动信号得到一组不同频带分布的奇异谱分量(singular spectrum component,SSC);其次,根据峭度准则选取最佳SSC分量,利用Teager能量算子计算该分量的瞬时能量信号并对其进行傅里叶分析,从而得到信号的Teager能量谱;最后,根据能量谱图提取故障特征频率。将该方法运用到仿真信号和滚动轴承实测信号中,并和包络谱、EMD及EEMD方法进行对比分析,结果表明,该方法能有效解调故障特征信息,准确识别轴承故障类型,诊断效果更佳。     

混合传递路径分析(TPA)方法的准确性验证

分析了混合TPA的计算方法,即将传统TPA方法,与有限元模型仿真计算所得传递函数相结合,以达到减少计算工作量、缩短实验周期。论文针对某车型传动系统扭振引起的车内轰鸣问题,搭建混合传递路径分析模型,在准确识别副车架与车身耦结合处载荷力的基础上,确认贡献量较大的传递路径,并将各传递路径对目标点的声压贡献量进行矢量叠加,拟合出车内目标点声压谱图。分析得到的目标点噪声情况与试验测得结果能够很好的吻合,重现了问题频段的频谱特征,证明了混合TPA方法的准确性。     

谐波分解结合自互补Top-Hat变换的轴承微弱故障特征提取方法

针对轴承早期故障特征微弱,极易被背景噪声淹没而不能及时检测的问题,本文提出了基于谐波分解和自互补Top-Hat变换的轴承微弱故障特征提取方法。首先,通过改进广义谐波小波函数,使得信号分解后子带个数和带宽范围不受二进制分解方式的限制,并在此基础上应用谱峭度图方法确定信号中故障特征相对集中的最优频带;然后,对最优频带信号进行多尺度自互补Top-Hat变换,抑制背景噪声的干扰,突出微弱的故障冲击特征,并引入故障特征能量比的方法自适应确定最优结构元素的尺度;最后,通过包络解调提取出轴承微弱的故障特征。对仿真信号和实测轴承全寿命数据分析的结果表明,该方法能较为有效检测出轴承微弱的故障特征,具有较高的工程应用价值。     

自适应MED结合EMD诊断滚动轴承早期故障

针对最小熵解卷积(MED)降噪效果受滤波器长度影响问题,提出一种利用步长迭代算法和包络谱熵检验准则的自适应MED降噪方法,并结合经验模态分解(EMD)提取滚动轴承微弱故障特征。首先利用自适应MED降噪方法对原信号进行最优降噪处理,然后通过EMD将降噪信号分解为若干个本征模函数(IMF)分量,再选取峭度值最大的IMF进行包络谱分析,根据包络谱中故障特征频率实现故障诊断。仿真信号和实测信号分析结果表明其优于基于EMD的包络解调方法。     

某引进型600MW超临界汽轮发电机组振动故障分析与处理

某引进型600 MW超临界汽轮机组在大修后,在首次启动过程机组振动异常。通过详细分析其振动特征,确定引起机组振动的主要原因是发生了动静碰磨。通过对调整升速率和延长暖机时间以及合理调整运行参数,机组的振动得到改善并成功启动。     

基于数学形态变换的转子故障特征提取方法

基于非线性数学形态变换提出旋转机械故障特征提取的新方法.由数学形态变换构成的形态滤波器可以有效地提取出信号的边缘轮廓以及形状特征,通过选取不同长度的形态结构元素,采用组合形态滤波器将旋转机械故障信号分解到不同频带上,故障信号被分解成基频成分、故障成分及高频噪声三部分,在分解过程中,信号长度没有减少,没有信息的丢失;将分解得到的故障成分单独提取出来进行分析,可以更准确描述故障特征;对实际碰摩故障信号进行形态学分解后,提取出故障成分,采用Hilbert-Huang变换(Hilbert-Huang transform,HHT)对分解前后的信号进行对比分析,验证了方法的有效性,表明基于形态变换的信号特征提取可以更准确刻画故障的非平稳特性,提高了分析效果,并具有计算简单、快速的优点.     

HHT的LabVIEW实现及在振动信号中的应用

采用一种新的固有模态函数(intrinsic mode function,简称IMF)筛选停止条件代替目前常用的筛选停止条件,根据希尔伯特-黄变换(Hilbert-Huang transform,简称HHT)原理开发出LabVIEW的HHT模块.利用仿真信号对不同筛选条件进行对比,并利用开发的模块对转子试验台实测的振动数据进行分析.结果表明,基于新的筛选条件开发的模块更具合理性,能够对信号进行正确分析,满足振动测试分析的任务要求.     

基于LabVIEW的虚拟振动信号分析模块的设计

以LabVIEW集成开发环境为平台,开发出新型振动信号分析模块,并以自相关和自功率谱为例,介绍了该模块时域和频域分析功能的实现过程,经仿真信号实验,得出的结果符合理论要求.