基于分数阶滤波的全息阶比解调谱及齿轮早期故障诊断

为提高变速器齿轮早期故障诊断的准确性和可靠性,提出了一种基于分数阶傅里叶变换(fractional Fourier transform, FRFT)滤波的全息阶比解调谱方法。对变速器变转速过程的水平与垂直测点振动包络信号进行分数阶滤波,分离出调制频率分量,再对分离后信号进行全息阶比谱分析,得到调制分量的全息阶比解调谱,并对齿轮早期点蚀故障进行故障诊断。试验结果表明,基于分数阶滤波的全息阶比解调谱,兼具分数阶滤波分离频率变化分量的特点与全息阶比谱融合多维特征的优势,既能有效分离变转速过程的调制分量,隔离其他分量和噪声干扰,又能有效融合两个方向的关键特征信息,有效诊断出单测点单特征方法难以识别的齿轮早期故障。     

FT细化校正阶次全息谱分析方法

针对变转速下阶次全息谱分析精度不高问题,提出FT细化校正阶次全息谱分析方法。用基于三次样条插值的阶次跟踪对转子时域非平稳信号进行等角度重采样获得角域平稳信号;用FT细化校正法精确计算出各阶次幅值及相位信息,由幅值、相位信息求出阶次全息谱参数;据计算结果获得阶次全息谱图。通过仿真及转子实验台信号分析表明,该方法能精确获得阶次全息谱图,且能准确根据FT细化校正阶次全息谱图判断旋转机械转子的故障种类。     

基于频移及谱线编辑的齿轮故障窄带解调分析方法

通过对旋转机械变速运行齿轮箱振动研究,提出基于频移及谱线编辑的齿轮故障窄带解调分析方法。对齿轮箱变速等非稳态信号进行时域同步采样,利用阶比跟踪对时域信号等角度重采样转换为角域准平稳信号,克服转速波动对信号分析产生的频率模糊现象;对角域信号进行同步平均削弱与转速无关的频率成分,提高信噪比;对平均信号进行窄带解调分析,通过对阶比谱自动编辑分离出齿轮故障主要啮合阶比分量后恢复到角域信号,进行幅值解调及基于频移的相位解调,据幅值解调及相位解调波形图提取齿轮故障特征。结果表明,基于频移、谱线编辑的齿轮故障窄带解调分析方法能有效提取齿轮故障特征信息。     

基于瞬时频率估计的自适应Vold-Kalman阶比跟踪研究

结合旋转机械启停阶段振动信号的特点,提出了一种基于Viterbi算法和短时傅里叶变换(STFT-VA)的瞬时频率估计算法,STFT-VA算法在高噪声、临近阶比和交叉阶比情况下有较高的精度.实现了基于STFT-VA算法的自适应Vold-Kalman阶比跟踪(AVKF-OT),和传统的以硬件实现的Vold-Kalman阶比跟踪(VKF-OT)相比,此方法具有无需转速计等硬件、用纯软件的方法实现.实验结果表明,该方法能够在时域中准确地提取幅值和复杂频率变化的阶比,适合于复杂旋转机械振动响应特征提取.     

基于瞬时故障特征频率趋势线和故障特征阶比模板的变转速滚动轴承故障诊断

针对难以从滚动轴承的时频分布中提取瞬时转频分量的问题,本文利用由轴承包络时频谱中提取的瞬时故障特征频率替代传统瞬时转频实现重采样,进而基于故障特征因子与转频阶比边带构造故障特征阶比模板以实现变转速运行模式下滚动轴承故障诊断。其具体算法由以下四个部分组成：首先,联合应用谱峭度滤波算法与短时傅里叶变换得到能够突出瞬时故障特征频率的包络时频谱;其次,提出基于幅值重调的峰值搜索算法对瞬时故障特征趋势线进行提取;再次,以瞬时故障特征频率趋势线为基础对原信号进行故障相角域重采样并得到故障特征阶比谱;最后,根据被监测轴承的故障特征因子构造故障特征阶比模板对滚动轴承的运行状态与故障类别进行判断。仿真算例和应用实例将对该算法的有效性予以证明。     

基于曲线特征分段的多阶FRFT滤波提取齿轮早期故障特征

对于变速器齿轮早期微弱故障特征难以提取的问题,提出了一种基于曲线特征进行分段的多阶分数阶傅里叶变换(Fractional Fourier Transform,FRFT)滤波方法。首先,依据振动信号频率曲线的特征将目标档位的啮合频率曲线分成若干频率近似线性变化的信号段,然后通过计算确定相应信号段的分数阶傅里叶变换的滤波最佳阶次,再逐段进行滤波,从而分离出包含故障特征信息的目标阶比分量,进而进行故障特征提取。通过采用该方法分析变速器变加速工况振动信号,结果表明,基于曲线特征进行分段的多阶FRFT滤波能够有效分离出啮合频率分量,对分离出的分量进行阶次包络解调分析,能准确提取出齿轮微弱故障特征。     

基于EEMD降噪和FFT的转子故障振动分析

针对转子产生故障时的振动信号受噪声干扰大、故障特征不明显这一难题,提出基于集合经验模式分解(EEMD)降噪和傅里叶变换(FFT)的转子振动信号分析方法。首先利用EEMD方法将原始故障信号分解成若干本征模态分量(IMF),然后计算各分量与原始信号之间的相关系数,筛选出有用分量并进行信号重构。最后对重构信号进行傅里叶变换(FFT)得到振动信号的特征频率。数值模拟和实验结果证明该方法的有效性和实用性。     

基于相位差校正法的全息谱研究

针对传统全息谱在噪声干扰下精度降低的问题,提出了一种新的基于相位差校正法的全息谱分析方法。该方法首先对时域信号加窗截断后进行FFT变换,然后引入相位差法校正其频率、幅值和相位,最后合成全息谱图。通过仿真及对柔性转子实验台的振动信号的分析,表明基于相位差校正法的全息谱可以明显提高其分析精度,更加精确而有效地诊断旋转机械的故障。     

基于分数阶聚能带分析的微弱故障特征提取研究

提出了一种分数阶聚能带时频累加谱方法,快速实现长数据的时频分析,突出目标分量,用于提取变速器急加速过程微弱故障特征。根据变速器输入轴转速信号及传动比确定分数阶傅里叶变换（Fractional Fourier Transform, FRFT）最佳阶次,对变速器急加速过程振动信号进行最佳阶次FRFT,根据FRFT模值谱确定聚能带,计算分数阶聚能带时频累加谱,通过对比多组正常和故障数据的分数阶聚能带时频累加谱结果和阶比谱结果,验证该方法的有效性。试验结果表明：根据转速信号能快速、准确确定FRFT最佳阶次;选取聚能带内的FRFT结果进行时频分析,计算量小,分辨率高,分数阶聚能带时频累加谱具有聚焦和局部放大的特点, 能很好地突出目标分量,抑噪噪声,是提取变速器急加速过程信号微弱故障特征的有效方法。     

基于稳健全息阶比谱提取微弱故障特征

提出了一种稳健全息阶比谱方法,用于提取变速器变速过程的微弱故障特征。首先分析了转速波动对传统阶比方法分析精度的影响,构造了基于转速调整的改进阶比方法,对水平与垂直方向加速过程信号的改进阶比谱进行全息分析,构成稳健全息阶比谱,并与单测点改进阶比谱结果对比。试验表明,改进阶比谱能有效抑制转速波动对等角度采样的影响,提高了阶比谱分析精度,有效增强了全息阶比谱的稳健性;相对于任一方向单测点阶比谱,稳健全息阶比谱既能分析变速过程信号,又能融合多点信息,其量化参数能更准确评价诊断对象的技术状态,证明稳健全息阶比谱是一种全面、可靠提取变速过程微弱故障特征的有效方法。     

呼吸性裂纹转子的瞬态振动特性分析

旋转机械转子轴萌生裂纹后,瞬态加速过程中转涡差角时变使裂纹周期性开合,系统发生不同于稳态情况的振动。本文基于中性轴法确定裂纹开合,数值计算了呼吸裂纹引起刚度时变的转子过临界转速的瞬态振动,分析了裂纹大小、方向角和重力对线性加速转子瞬态振动的影响,以及定功率加速瞬态过程中系统振动响应及稳定性。结果发现,瞬态条件下带呼吸裂纹转子系统亚谐波共振并不明显;裂纹越大,过临界转速时瞬态振幅越大;在临界转速附近裂纹瞬时张开会激起很大的振动;定功率加速过程下,若功率不足够提供转子顺利穿过临界转速,则会出现外界扭矩与瞬态振动的能量耦合,大裂纹还可能造成瞬态振动发展成混沌。     

挤压油膜阻尼器同心度及碰摩对转子振动特性的影响

为了探明挤压油膜阻尼器存在不同心度以及碰摩故障时转子系统的振动特性,建立了带挤压油膜阻尼器的转子系统动力学模型,考虑了阻尼器不同心度以及油膜环碰摩故障等因素,并搭建实验器系统进行了实验验证。理论分析与实验结果表明,转子涡动半径越大,阻尼器的安装不同心度对转子振动影响越强;挤压油膜阻尼器不同心度越大,转子振动幅值越小,但非线性振动风险迅速增加;阻尼器偏心比过大时油膜内、外环可能发生碰摩,激起转子反进动固有频率,且振动幅值表现出剧烈波动现象。     

基于KSLPP与RWKNN的旋转机械故障诊断

针对旋转机械高维故障特征集识别精度低的问题,提出基于核监督局部保留投影（Kernel Supervised Locality Preserving Projection, KSLPP）与ReliefF特征加权的K近邻（ReliefF Weighted K-Nearest Neighbor, RWKNN）分类器相结合的维数约简故障诊断方法。该方法首先应用KSLPP提取故障特征集中的非线性信息,同时在降维投影过程中充分利用类别信息,使降维后最小化类内散度,最大化类间分离度;随后,将降维后得到的低维敏感特征集输入RWKNN进行模式识别,RWKNN能够突出不同特征对分类的贡献率,强化敏感特征,弱化不相关特征,提升了分类精度和鲁棒性。最后,通过典型转子实验台的故障特征集验证了该方法的有效性。     

基于谐波窗方法的转子轴心轨迹提纯

轴心轨迹是旋转机械转子振动信号时域分析的重要内容之一,不同的轴心轨迹反映出不同的转子运动状态或故障的基本信息。在深入研究谐波小波盒形频谱特性的基础上,采用了不分层分析的谐波窗方法来提纯轴心轨迹。该方法实现了真正意义上的信号任意频段的任意细化,可以将感兴趣的频段提取出来,然后进行时域重构,就能得到提纯的轴心轨迹。文中对小型转子试验台轴心轨迹的成功提纯验证了该方法的有效性。该方法具备算法简单,易于现场采用等优点,为转子故障信号的分析创造了条件。     

基于信息熵的转子动力特征分析与诊断方法研究

针对转子系统运行过程中的非线性、耦合性、非平稳突变性等复杂特征,提出基于信息熵特征提取方法,将转子系统动力分析与参数识别方法有机结合,分析转子典型故障——裂纹、碰摩及裂纹碰摩耦合等不同状态下响应参量的信息熵特征及变化规律,并构建小波神经网络模型实现转子系统故障状态诊断。通过对转子系统实测信号的分析诊断,验证理论方法的有效性。     

转子系统瞬态不平衡响应的有限元分析

推导了简单Jeffcott转子几何中心运动的解析表达式及转子系统瞬态振动的幅值，详细讨论了转子系统通过临界转速时初始条件引起的瞬态振动、同频振动和伴随自由振动的特性以及阻尼和启动加速度对系统瞬态响应的影响。此外建立了弹性转子系统的有限元模型，通过直接积分法求得系统的瞬态响应．得到系统通过临界转速时的共振幅值，并与试验取得一致的结果。本文的分析对工程中合理地进行转子系统参数设计，考虑共振区的迟滞现象。尽可能错开转子系统固有频率和工作转速频率提供一定的理论参考。     

基于Hilbert振动分解和高阶能量算子的行星齿轮箱故障诊断研究

行星齿轮箱广泛应用于各种机械设备中,其故障诊断问题是近年来的研究热点之一。提出了基于Hilbert振动分解和高阶微分能量算子的故障诊断方法。Hilbert振动分解计算复杂性低,能够将复杂信号分解为单分量,应用该方法对信号进行分解,满足高阶微分能量算子的要求。高阶微分能量算子的时间分辨率高,对信号的瞬态变化具有良好的自适应性,应用该方法检测故障引起的瞬态冲击,估计信号的幅值包络和瞬时频率。对高阶微分能量算子输出以及幅值包络和瞬时频率进行Fourier变换,通过频谱识别特征频率,从而诊断行星齿轮箱故障。分析了行星齿轮箱的仿真信号和实验信号,准确地诊断了太阳轮、行星轮和齿圈的故障,验证了该方法的有效性。     

离心式压缩机转子故障识别的EEMD-PCA方法研究

针对离心式压缩机转子系统振动小,振动信号具有非平稳、非线性和伴随噪声干扰的特点,提出一种总体平均经验模式分解(Ensemble Empirical mode decomposition, EEMD)联合主分量分析(Principal component analysis, PCA)的故障识别方法。该方法以相关分析结合傅立叶变换选择基本模式分量(intrinsic mode function, IMF)为基础,构造了波动变化性指标以定量识别EEMD的噪声幅值参数;进一步获取各运行状态的14种时域振动评价指标并构造标准化特征数据集后,采用PCA降维法得出不同类型故障的振动模式类别。通过对离心式压缩机转子典型故障的振动信号分析,其结果表明该方法能够在解除信号非平稳非线性干扰的基础上,快速独立地提取信号中的主要振动模式,制定表征不同故障类别的特征数据区域,从而有效提高了离心式压缩机的故障识别能力。     

基于EMD-DCS的滚动轴承伪故障特征识别方法

伪故障特征是健康零部件振动信号中具有的故障特征,伪故障特征是由系统内故障零部件引起的。由于滚动轴承伪故障特征与故障特征具有相似性,针对转子-轴承系统中滚动轴承伪故障特征识别问题,提出一种基于经验模式分解(Empirical Mode Decomposition,EMD)和循环平稳度(Degree of Cyclostationarity,DCS)的伪故障特征识别方法。利用滚动轴承健康信号和伪故障信号对比分析基于单通道伪故障信号进行滚动轴承故障诊断的技术难点;建立了考虑滚动轴承打滑率的转子-轴承系统动力学模型;利用时频分析方法和循环平稳分析方法对滚动轴承伪故障特征进行分析;给出了基于EMD-DCS的滚动轴承伪故障特征识别流程;在滚动轴承故障模拟实验台上开展了滚动轴承伪故障特征识别实验。实验结果表明:基于EMD-DCS的滚动轴承伪故障信号识别方法可以有效区分滚动轴承故障特征与伪故障特征。该研究工作对于提高滚动轴承故障诊断准确率、保障设备安全运行具有理论意义和实际应用价值。