基于伪Wigner-Ville分布与小波变换的滚动轴承故障诊断

针对滚动轴承故障信号非平稳、非高斯的特点,提出了基于伪Wigner-Ville分布及小波变换的滚动轴承内、外圈故障诊断方法。在研究滚动轴承故障诊断机理,伪Wigner-Ville分布及小波变换理论的基础上,利用这两种方法对内圈、外圈故障的滚动轴承的振动信号进行了分析,提取了故障特征频率。结果表明,小波变换能够比伪Wigner-Ville分布更有效地提取轴承故障的特征信息,提高轴承故障诊断率。     

基于Wigner-Ville分布的烟气轮机机械故障诊断研究

烟机机械故障信号往往是非平稳的,联合时频分布是机械故障信号分析的有力工具,Wigner-Ville分布是一种真正意义上的时频分析方法,结合Wigner-Ville分布的基本特点以及其分析方法与思想重点针对烟机机械故障非平稳信号分析的一些问题进行讨论,同时将运用三维Wigner分布图对其机械故障进行分析.     

基于Wigner-Ville分布和nilbert变换相结合的降噪解调法及应用研究

提出采用Wigner-Ville分布(WVD)和Hilbert变换相结合的办法。首先指出调制信号WVD中零频处的交叉项包含有原信号的所有调制信息；然后，从理论上分析了它抵消平稳随机过程中与信号不相关的加性随机噪声的机理；最后对其进行Hilbert变换，求得解调结果。仿真和实验数据分析证明，该方法与直接解调法相比，噪声影响大幅减小，故障信息得以凸现。     

基于小波包变换的滚动轴承故障诊断

针对故障轴承振动信号能量集中与调制的特点,提出了一种基于小波包能量法与Hilbert变换的滚动轴承故障诊断方法。使用小波包变换对振动信号进行分解、重构及能量计算,并应用Hilbert变换对能量集中频段的重构信号进行解调和频谱分析,提取故障特征频率。同时针对诊断过程中故障特征参数依靠人工计算的问题,提出故障特征参数自动提取方法。实际的滚动轴承实验数据的处理和分析结果表明,该诊断方法能够准确、快速地识别滚动轴承表面损伤的故障模式。     

时频图像Hough变换在滚动轴承故障诊断中的应用

为提高时频分析技术在设备故障诊断中的实用性,研究了时频图像处理的滚动轴承故障诊断技术。采用Hough变换对表征信号的Wigner-Ville时频分布进行分析,以提高时频谱表征非平稳信号的可靠性,特别对线性调频信号分析具有较好的实用性。以实验室的滚动轴承在不同状态下的状态识别为例,验证了时频图像Hough变换准确识别滚动轴承故障的有效性。     

基于神经网络与小波变换的滚动轴承故障诊断

神经网络是一种具有非线性映射能力强以及自学习、自组织、自适应等优点的智能方法,非常适合于滚动轴承的故障诊断。针对滚动轴承是机械设备重要的易损零件之一,大约有30%的故障是由轴承损坏引起的,提出了基于神经网络的滚动轴承故障诊断方法。以滚动轴承小波分解后的能量信息作为特征,通过神经网络作为分类器对滚动轴承故障进行识别、诊断。实验表明,该方法对于滚动轴承的故障诊断具有良好的效果和应用价值,并可方便地推广到其他类似的诊断领域。     

基于Wigner-Ville分布和Hilbert变换相结合的降噪解调法及应用研究

提出采用Wigner-Ville分布(WVD)和Hilbert变换相结合的办法。首先指出调制信 号WVD中零频处的交叉项包含有原信号的所有调制信息;然后,从理论上分析了它抵消平稳随机 过程中与信号不相关的加性随机噪声的机理;最后对其进行Hilbert变换,求得解调结果。仿真和 实验数据分析证明,该方法与直接解调法相比,噪声影响大幅减小,故障信息得以凸现。     

现代信号分析在滚动轴承故障诊断中的应用

滚动轴承是各种机电设备中的重要部件,其主要特点是其寿命的随机性较大,且它的好坏直接影响到设备的正常运行。因而掌握轴承运行的工作状态以及故障的形成和发展是目前机械故障诊断领域中研究的重要内容之一。利用轴承的随机振动信号对其工作状态进行诊断是目前最常用的方法。分析的方法主要有时域法和频域法。而传统的基于Fourier分析的方法其时间和频率这两个变量依Heisenberg测不准原理是互斥的,因此传统的功率谱分析是针对平稳随机信号而言的。滚动轴承的故障振动信号为典型的非平稳信号,而非平稳信号需要用现代信号分析的方法来处理。利用现代信号分析理论从线性时频分析(小波减噪变换)、非线性时频分析(伪Wigner-Ville时频分布)和高阶谱(三阶谱)三方面对滚动轴承故障信号特征进行提取加以研究。研究结果表明,小波减噪方法在微弱信号检测方面具有较强的能力;伪Wigner-Ville时频分布图能有效地建立故障信息图谱,直观性更强;高阶谱可以很好的检测出非高斯故障信号的信息。     

基于小波变换的滚动轴承内圈故障诊断

利用小波变换将滚动轴承故障振动加速度信号分解到不同尺度,对包含有故障特征频率的小波系数进行Hirbert变换解调,最后对解调后的信号进行频谱分析获取轴承故障特征信息.实例分析表明,利用小波变换进行滚动轴承内圈故障诊断具有良好的诊断效果.     

基于小波变换的滚动轴承故障诊断

针对滚动体轴承故障诊断的故障频率获取问题,利用小波变换对故障轴承采集的数据进行故障特征频率提取分析。首先根据Harr小波理论,给出基于Harr小波的信号分解与重构算法;然后根据轴承元件之间滚动接触的速度关系建立的方程,求得滚动轴承的特征频率;最后以西储大学的6203-2RS JEM SKF深沟球轴承作为研究对象,对轴承的外圈、滚动体和内圈进行故障诊断,利用MATLAB编写小波变换程序并进行仿真分析。仿真结果表明:利用小波变换可以准确的判断滚动轴承的故障振动信号,得出与轴承理论上特征频率相对应的频率点。     

伪Wigner-Ville分布在电机轴承故障诊断中的应用

机械系统故障信号往往是非平稳的,Wigner-Ville分布可从时域特征与频域特征的结合途径揭示非平稳信号的构成本质[1],但该分布存在交叉项的问题,影响了诊断的准确性.本文利用伪Wigner-Ville(PWD)分布的故障诊断方法,可以有效地解决Wigner-Ville分布存在的问题,提高了故障诊断的准确性.     

小波变换在滚动轴承故障诊断中的应用

采用小波变换能够快速有效地对滚动轴承振动信号进行带通滤波。通过选用多尺度的小波变换,能较好地分离出所要分析的高频固有振动信号,然后对高频振动信号进行包络分析,从包络谱图中提取故障特征频率分量,就能诊断出滚动轴承故障发生在哪个元件上。实验结果表明,这种诊断方法是有效的。     

基于Gabor变换降噪和盲信号分离的轴承故障诊断方法

针对轴承故障信号往往淹没在强烈的系统噪声中导致故障特征难以提取的情况,提出了一种基于Gabor变换降噪和盲信号分离的故障诊断方法。该方法利用Gabor变换对时频信号的优良分辨率和盲信号分离技术的优势,先对非平稳信号进行降噪,再通过盲信号分离技术对降噪后的信号进行分离,提取出故障频率。实验结果表明,该方法能有效地诊断出轴承故障特征。     

基于小波分析和Hilbert变换的滚动轴承故障诊断

针对滚动轴承故障信号的非平稳和调制特点,使用小波分析对包含故障信息的信号进行分解、重构.应用Hilbert变换进行解调和细化频谱分析,提取了故障特征频率,判断轴承故障模式.小波分析和希尔伯特(Hilbert)变换结合对滚动轴承局部损伤故障的检测是有效的.     

基于同步挤压提取变换的滚动轴承故障诊断研究

滚动轴承是大型机械设备的重要部件,起着非常重要的作用.当轴承发生故障时,如不及时修复或更换,将严重影响设备的寿命.时频分析方法是一种非常有效的故障特征提取工具,已得到广泛的应用;同时,时频分布的能量聚集性影响故障特征提取效果,因此,一种能量更加集中的时频分析方法对机械信号处理与故障诊断起着至关重要的作用.提出了一种全新...     

连续小波变换在滚动轴承故障诊断中的应用

采用连续小波分析的方法对滚动轴承振动和速度信号进行处理,提取滚动轴承故障特征。通过对滚轴承在正常、内圈剥落、外圈剥落及滚动体落情况下的振动加速度信号进行分析,验证了这种方法的有效性。     

基于时频分布的行星齿轮箱滚动轴承故障诊断研究

齿轮箱滚动轴承缺陷的两个主要特征不仅与频率有关,而且与时间有着密切的关系.如果单从时域或者频域分析滚动轴承的故障信号,很难获得故障信号的特征全貌.使用时间和频率的联合函数来表示信号,将联合时频分析引入滚动轴承的故障诊断,进行信号分析,会更符合实际.文中结合实例对行星齿轮箱滚动轴承的各种振动信号进行分析,结果表明,通过对信号作伪Wigner-Ville分布(pseudo-Wigner-Ville distribution,PWD),能形象、直观地反映出轴承故障的时-频域信息,而且对故障信息具有较强的判别能力,得到比较理想的诊断结果,为机械振动的非平稳时变信号的分析提供了方便可行的手段.     

小波变换与EMD分析在滚动轴承故障诊断中的应用

针对滚动轴承故障信号的非平稳和调制特点,将小波变换与一种新的信号分析方法EMD(经验模态分解)相结合用于滚动轴承故障诊断。该方法首先利用小波分析技术对检测的信号进行分解,并对含有故障特征的信号进行重构。然后对重构信号进行EMD分解,选取能够反映故障特征的IMF分量进行边际谱分析,得出滚动轴承故障信号对应的频谱,由此确定轴承的故障模式。实验研究结果表明该方法正确有效。     

基于分数阶傅里叶变换的滚动轴承故障诊断

分数阶傅里叶变换作为傅里叶变换的扩展,它在傅里叶变换的基础上增加了一个新的优点,它在诊断滚动轴承故障时,可以使不稳定的轴承故障信号的时频特性更好的展示出来。再通过分析故障信号的时频特性,从而得出滚动轴承故障是外圈故障、内圈故障还是滚动体故障,并分析其故障程度。     

基于ICA和小波变换的滚动轴承故障诊断方法研究

提出了结合独立分量分析(ICA)和小波变换进行滚动轴承故障诊断的方法。在设计的系统平台上,首先对冲击脉冲信号进行预处理,使信号较好地满足独立分量分析的前提条件。然后,应用独立分量快速算法分离故障轴承的冲击脉冲信号,通过小波快速算法完成信号重构,实现滚动轴承故障的识别。实验结果表明,利用独立分量分析方法提取的故障状态特征向量与小波快速算法相结合可以有效、准确地识别滚动轴承的故障信号。