基于转速自适应多阶FRFT滤波提取瞬变工况齿轮微弱故障特征

提出了一种基于转速信号自适应分段的多阶FRFT滤波方法,并应用于提取瞬变工况下变速器齿轮微弱故障特征。首先,根据设定的振动信号频率曲线曲率阈值将目标档位啮合频率时频曲线自适应分为若干段,使得每段内的信号频率近似线性变化;然后,在各分段内进行最小二乘拟合确定相应的FRFT最佳阶次,并在各段信号的最佳分数阶域进行滤波,实现基于转速自适应分段的多阶FRFT滤波。采用该方法分析实测变速器瞬变工况振动信号。结果表明,基于转速信号自适应分段确定多阶FRFT的最佳阶次,准确、快速、自适应性好;多阶FRFT滤波能够有效分离出瞬变工况下的啮合频率分量,隔离其他干扰;对分离出的啮合频率分量进行阶次包络解调分析,能有效提取出齿轮微弱故障特征。     

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。     

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。     

基于广义解调时频分析和瞬时频率计算的阶次谱方法在齿轮故障诊断中的应用

针对齿轮启停过程中故障振动信号的调频特性,提出了基于广义解调时频分析和瞬时频率计算的阶次谱方法,并将其应用于齿轮瞬态信号的分析。广义解调时频分析是一种新的时频分析方法,它可以将多分量的信号分解为若干个瞬时频率具有物理意义的单分量信号,每个单分量信号可以是调幅-调频信号,因此非常适合处理多分量的调幅-调频信号。而当齿轮发生故障时,其启停过程中的振动信号就表现为多分量的调幅-调频特征。在基于广义解调时频分析和瞬时频率计算的阶次谱方法中,首先采用广义解调时频分析方法将齿轮瞬态信号分解为若干个单分量信号,然后计算各个分量的瞬时频率,再对其瞬时频率信号进行重采样,最后对重采样信号进行频谱分析得到阶次谱,从而提取齿轮振动信号的故障特征,判断齿轮的工作状态。仿真信号和实验信号的分析结果表明了该方法的有效性。     

迭代广义解调齿轮信号分离的变转速滚动轴承故障诊断

变转速工作模式下齿轮啮合会掩盖故障轴承冲击特征,使得轴承故障特征信息微弱,针对变转速工作模式下齿轮啮合对轴承信号干扰的问题,提出了迭代广义解调齿轮信号分离的变转速滚动轴承的故障诊断方法。首先采用峰值搜索算法从包络时频谱中提取峰值啮合倍频(Instantaneous Dominant Meshing Multiply,IDMM),通过IDMM趋势线构造各广义解调函数的相位函数;其次利用迭代广义解调算法(Iterative Generalized Demodulation,IGD)分离出齿轮啮合频率及倍频信号,对剩余信号采用谱峭度算法确定由故障轴承引起的高频共振滤波参数并进行带通滤波;最后,以提取的IDMM趋势线作为轴承转频,对滤波结果进行角域重采样,根据阶次谱对滚动轴承运行状态予以判断。仿真信号和实测信号的处理结果证明该方法在无转速计设备的情况下能有效的实现变转速滚动轴承的故障诊断。     

迭代广义解调齿轮信号分离的变转速滚动轴承故障诊断EI北大核心CSCD

变转速工作模式下齿轮啮合会掩盖故障轴承冲击特征,使得轴承故障特征信息微弱,针对变转速工作模式下齿轮啮合对轴承信号干扰的问题,提出了迭代广义解调齿轮信号分离的变转速滚动轴承的故障诊断方法。首先采用峰值搜索算法从包络时频谱中提取峰值啮合倍频(Instantaneous Dominant Meshing Multiply,IDMM),通过IDMM趋势线构造各广义解调函数的相位函数;其次利用迭代广义解调算法(Iterative Generalized Demodulation,IGD)分离出齿轮啮合频率及倍频信号,对剩余信号采用谱峭度算法确定由故障轴承引起的高频共振滤波参数并进行带通滤波;最后,以提取的IDMM趋势线作为轴承转频,对滤波结果进行角域重采样,根据阶次谱对滚动轴承运行状态予以判断。仿真信号和实测信号的处理结果证明该方法在无转速计设备的情况下能有效的实现变转速滚动轴承的故障诊断。     

基于改进EMD与形态滤波的齿轮故障特征提取

针对齿轮故障特征往往被强背景噪声淹没的问题,提出一种改进EMD与形态滤波相结合的齿轮故障特征提取新方法。首先采用开－闭、闭－开级联而成的组合形态滤波器对原始故障信号进行消噪处理,然后通过EMD方法将包含在齿轮故障信号中的各个频率族信号分离,再采用互信息方法消除传统EMD分解结果中包含的虚假分量,最后利用分解得到的各阶固有模态函数为单一分量调制信号的特点,通过差值形态滤波的方式对分量信号进行解调以提取故障特征。齿轮故障实验信号的研究结果表明：该方法可有效的提取齿轮故障特征信息并抑制噪声,而且能够取得比传统包络解调分析更好的效果。     

基于多时频曲线提取广义特征的变转速轴承故障诊断

变转速工况下的滚动轴承故障振动信号呈现时变非平稳、故障特征信息微弱、被噪声淹没的特点,使其故障诊断变得困难。广义解调算法作为典型的非平稳信号处理方法,可有效处理时变非平稳故障信号。由于广义解调变换中相位函数的确定需要额外安装转速计,且迭代解调变换过程导致频谱混叠,容易造成故障的漏诊或误诊。为此提出了一种新的基于多时频曲线提取广义特征的变转速滚动轴承故障诊断方法。首先,利用快速谱峭度算法计算最优带通滤波参数,并对原始振动信号进行滤波。对滤波后的共振带信号进行短时傅立叶变换(short-time Fourier transform, STFT)获取时频图,采用多时频曲线提取算法(multiple time-frequency curve extraction, MTFCE)提取瞬时故障特征频率(instantaneous fault characteristic frequency, IFCF)和瞬时转频(instantaneous shaft rotational frequency, ISRF),拟合IFCFs和ISRF曲线的多项式方程。其次,基于假设思想,利用广义解调理论定义了变转速...     

基于Vold-Kalman广义解调的变转速轴承和齿轮复合故障诊断

现有的以谱峭度为核心的滤波算法无法同时分离提取由轴承和齿轮故障激起的高频共振带。针对该问题,该研究舍弃以共振带提取为核心的诊断思路,直接提取、重置和定量表达时变非平稳的故障特征成分,提出了基于Vold-Kalman广义解调的变转速滚动轴承和齿轮复合故障诊断策略。该策略的核心是利用Vold-Kalman滤波从原始信号的包络中提取时变非平稳的轴承和齿轮故障特征成分;通过广义解调变换(GDT)将上述提取的时变非平稳故障特征成分进行平稳化重置;利用快速傅里叶变换(FFT)对上述重置的故障特征成分进行定量表达;通过频率谱中峰值与理论频率点的对比完成故障点定位。其中用于提取、重置和识别故障特征成分的频率函数、相位函数和频率点可由转频方程和机械结构参数计算。仿真和实测信号的分析结果表明所提算法无需共振带选取和角域重采样即可完成变转速轴承和齿轮复合故障特征的提取。另外,与传统带通滤波方法的对比进一步表明该算法去除无关项干扰、突出故障特征成分的优越性。     

基于FRFT的改进多尺度线调频基稀疏信号分解方法

针对全局搜索基函数计算量大的问题,提出了基于分数阶傅里叶变换(Fractional Fourier Transform,FR-FT)确定基函数的改进多尺度线调频基稀疏信号分解方法。通过解析信号的FRFT消除实信号FRFT结果中的对称项,两级搜索FRFT幅度谱确定信号的最佳基函数,检验该方法的计算效率和抗噪性能,并采用该方法分解频率呈曲线变化的多分量非平稳信号。试验结果表明:对解析信号进行FRFT能有效消除实信号FRFT结果中的对称项;基于FRFT确定基函数速度快、精度高、抗噪能力强,与频偏大小、频率变化快慢无关,不需先验知识,有效克服了全局搜索方法计算量过大的问题;基于FRFT的改进多尺度线调频基稀疏信号分解方法能快速、准确地分解频率呈曲线变化的多分量信号,适合于旋转机械瞬变工况下非平稳信号的瞬时频率估计与目标分量隔离分析。     

集成TEO解调和随机共振的行星齿轮箱早期故障诊断方法

针对行星齿轮箱早期微弱故障难以诊断的问题,提出一种结合Teager能量算子(TEO)解调和随机共振增强输出的方法以实现故障特征提取。首先,对行星齿轮箱振动信号进行经验模式分解(EMD)并选取包含故障信息的分量信号,使用TEO解调运算获得分量信号的解调信号。其次,为满足随机共振系统的小参数条件,将解调信号做适当压缩处理并进行频率二次采样。再次,以定义的随机共振系统输出信噪比为适应度函数,采用粒子群算法优化随机共振系统的结构参数,进而重构随机共振系统以实现信号、噪声以及非线性系统的最佳匹配。最后,将信号重新输入参数优化后的随机共振系统实现故障特征的增强提取。仿真和实验均表明:该方法获取了随机共振系统的大信噪比输出,实现了强噪声下微弱故障特征的准确和高效提取,是一种行之有效的行星齿轮箱早期微弱故障诊断方法。     

基于ASTFA和SDEO解调的行星齿轮箱故障诊断方法

针对行星齿轮箱故障信号的调制特点,提出基于自适应最稀疏时频分析(Adaptive and Sparsest TimeFrequency Analysis,ASTFA)和对称差分能量算子(Symmetric Difference Energy Operator,SDEO)相结合的解调方法,用于提取故障信号的瞬时幅值和瞬时频率信息。采用ASTFA方法分解行星齿轮箱故障信号,得到若干个单分量信号,采用SDEO进行解调,得到各单分量信号的瞬时幅值和瞬时频率,并计算得到包络谱。采用该方法分析行星齿轮箱故障仿真信号和故障实际信号,结果表明,该方法能准确地提取故障特征,实现行星齿轮箱故障诊断。     

基于广义解调时频分析的包络阶次谱在齿轮故障诊断中的应用

提出了基于广义解调时频分析的包络阶次谱方法,并将它应用于齿轮瞬态信号的分析.广义解调时频分析是一种新的时频分析方法,它可以将多分量的信号分解为若干个具有物理意义的单分量信号的瞬时频率,每个单分量信号可以是调幅-调频信号,因此非常适合处理多分量的调幅-调频信号.而当齿轮发生故障时,其启停过程中的振动信号恰巧表现为多分量的调幅-调频特征,在基于广义解调时频分析的包络阶次谱方法中,首先采用广义解调时频分析方法将多分量的齿轮振动信号分解为若干个单分量信号,其次对各个单分量信号进行包络分析,然后对包络信号进行角域重采样,最后对重采样后的信号进行频谱分析,得到包络阶次谱,从而判断齿轮的工作状态.采用该方法分别对仿真和实验信号进行了分析,结果表明了该方法的有效性.     

基于包络S变换时频图像提取齿轮故障特征

齿轮故障振动信号中调幅和调频现象同时存在,其频谱包括以啮合频率及其谐波为载频,齿轮所在轴转频及其谐波为调制频率产生的调制边频带。针对齿轮故障振动信号特征提取困难的问题,提出一种基于包络分析和S变换时频图像相结合的故障特征提取方法。通过变速器齿轮故障模拟实验,采集齿轮正常、轻微磨损和严重磨损时的稳态振动信号,对其进行Hilbert变换得到信号的包络,然后对包络信号进行S变换,得到包络的时频图像的等高线灰度图像,计算图像的灰度共生矩阵及其统计特征量,提取齿轮故障特征。试验结果表明：该方法能有效提取齿轮故障特征。     

级联双稳随机共振和基于hermite插值的局部均值分解方法在齿轮故障诊断中应用

针对于弱信号在齿轮故障中难以提取问题,提出了一种基于级联双稳随机共振 (Cascaded Bistable Stochastic Resonance,简称CBSR)降噪和局部均值分解（Local Mean Decomposition,简称LMD）齿轮故障的诊断方法。随机共振可有效削弱信号中的噪声,利用噪声增强故障信号的微弱特征;LMD方法可自适应将复杂信号分解为若干个具有一定物理意义上PF分量之和,适合处理多分量调幅调频信号。首先将振动信号进行CBSR消噪处理,然后对消噪信号进行LMD分解,通过PF分量的幅值谱找到齿轮的故障频率。通过齿轮磨损故障诊断的工程应用,表明该方法可以有效提取齿轮故障微弱特征,实现齿轮箱的早期故障诊断。       

基于阶次解调谱的变速齿轮箱复合故障诊断方法

针对变速齿轮箱中复合故障的故障特征提取,提出了一种基于阶次解调谱的变速齿轮箱复合故障诊断方法。变速齿轮箱中的转速具有时变的特性,而故障特征往往与转速相关,亦具有时变特性。本文方法先用线调频小波路径追踪算法从原始振动信号中提取转频曲线,再根据转频曲线对原始振动信号进行等角度重采样,将时域非平稳信号转化为角域周期平稳信号,最后对角域周期平稳信号进行能量算子解调分析,根据阶次解调谱中的调制信息进行变速齿轮箱复合故障诊断。通过算法仿真和应用实例对包含齿轮局部故障和轴承局部故障的变速齿轮箱复合故障进行了分析,结果表明,本文方法在无转速计的情况下能有效地提取变速齿轮箱复合故障的故障特征。     

瞬频特征的谐波小波域提取与应用

为了能精确提取出复杂信号中特征分量的瞬频特征,提出了谐波小波域内的分量瞬频估计方法。该方法首先在分析谐波小波变换的基本原理及其优良特性的基础上,对谐波小波进行加窗光滑处理,改善了谐波小波的时域衰减特性。然后,针对在传统瞬频估计方法的不足之处,将线性回归、自适应滤波、曲线平滑、重采样等方法应用到瞬时相位函数的处理中,提高了瞬时频率特征的提取精度。最后,通过仿真实验与工程实践验证了该方法在信号分量瞬频特征提取中的可行性与有效性。     

一种初始相位函数估计的DDTFA方法及其应用

针对数据驱动时频分析方法(Data-Driven Time-Frequency Analysis,DDTFA)的初始相位函数估计直接影响算法的收敛性及分解精度的问题,将多尺度线调频基稀疏分解方法(Multi-Scale Chirplet Sparse Decomposition,MSCSD)引入DDTFA的初始相位函数估计中,提出了MSCSD-DDTFA方法,并应用于变转速齿轮故障诊断中。MSCSD方法采用分段线性拟合的思想,可从低信噪比信号中精确地估计出信号的瞬时频率,进而求取相位函数;DDTFA方法则可根据MSCSD估计的相位函数不失真地分离出时变非平稳信号分量;最后,可根据MSCSD估计出的瞬时频率对信号分量进行阶次包络分析,获取阶次包络谱以诊断变转速齿轮故障。算法仿真和应用实例表明:该方法可准确分离出信号中的时变非平稳信号分量,并提取变转速齿轮故障特征。