基于EMD和Hilbert解调的齿轮箱故障诊断

针对复杂的齿轮箱振动信号难以提取出故障特征频率的问题,提出了一种将希尔伯特包络解调技术与经验模式分解(EMD)相结合的分析方法。首先对齿轮箱的故障信号进行了EMD分解,得到了本征模态函数(IMF分量),再对IMF分量进行了包络解调,得到了其调制信号,结合调制信号的频率成分可初步判断出齿轮箱中出现故障的齿轮;然后根据IMF分量与初始信号之间相关系数的大小,选择相关系数较大的分量重构信号,相当于对初始信号进行滤波;最后对重构的信号以啮合频率及其倍频为中心频率进行了带通滤波,对得到的信号进行了包络解调分析,再次进行了故障诊断,以验证故障诊断的准确性。整个过程通过对齿轮箱实测故障信号的分析加以验证。研究结果表明,该方法能够准确地提取出齿轮箱的故障特征频率,从而可以对齿轮箱故障进行有效地诊断。     

基于小波包与Hilbert解调谱的矿用齿轮箱故障诊断

介绍了小波包分解与Hilbert解调技术,利用小波包分解可以突出能量集中的频段,然后利用Hilbert解调谱提取其故障特征.结果表明小波包与Hilbert解调谱相结合可以有针对性地提取矿用齿轮箱的低频调制故障特征,从而实现矿用齿轮箱的精密故障诊断.     

基于CITD和同态滤波解调的滚动轴承故障诊断方法

针对轴承故障振动信号的非平稳特征和本征时间尺度分解(intrinsic time-scale decomposition,ITD)方法的缺点,提出了基于三次多项式的本征时间尺度分解方法(cubic polynomial-based intrinsic time-scale decomposition,CITD)和同态滤波的解调方法。首先采用CITD方法对轴承振动信号进行分解,将其分解为若干个合理旋转(proper rotation,PR)分量之和,然后用相关系数筛选出最能表征故障信息的PR分量进行重构,最后对重构信号运用同态滤波解调来提取故障特征。仿真信号与轴承故障诊断工程实例的分析验证了该方法的有效性。     

基于CITD和同态滤波解调的滚动轴承故障诊断方法

针对轴承故障振动信号的非平稳特征和本征时间尺度分解(intrinsic time-scale decomposition,ITD)方法的缺点,提出了基于三次多项式的本征时间尺度分解方法(cubic polynomial-based intrinsic time-scale decomposition,CITD)和同态滤波的解调方法。首先采用CITD方法对轴承振动信号进行分解,将其分解为若干个合理旋转(proper rotation,PR)分量之和,然后用相关系数筛选出最能表征故障信息的PR分量进行重构,最后对重构信号运用同态滤波解调来提取故障特征。仿真信号与轴承故障诊断工程实例的分析验证了该方法的有效性。     

基于BITD和同态滤波解调的齿轮故障诊断方法

针对齿轮故障振动信号的非平稳特征以及本征时间尺度分解(ITD)方法的缺点,提出了B样条改进的本征时间尺度分解(BITD)和同态滤波解调相结合的故障诊断方法。首先采用BITD方法对齿轮振动信号进行分解,将其分解为若干个合理旋转分量之和,然后用相关系数筛选出最能表征故障信息的合理旋转分量进行同态滤波解调来提取故障特征。仿真信号与齿轮故障诊断工程实例分析验证了该方法的有效性。     

矿用机械传动齿轮箱体振动故障解调诊断方法

矿用机械在矿业生产中发挥着至关重要的作用,而传动齿轮箱作为其核心组成部分,其正常运转对整个矿用机械的性能和效率产生重大影响。受传动特性的影响,矿用机械传动齿轮箱体正常运转会发生振动,但故障振动信号总会表现出幅值和频率调制的特征,故此,该文提出矿用机械传动齿轮箱体振动故障解调诊断方法,并进行仿真实验验证方法的有效性与正确性。该方法布置传感器采集矿用机械传动齿轮箱体故障振动信号,并进行去噪处理,分别采用幅值与频率解调方法解调分析去噪后的故障振动信号,提取出与故障特征相关的调制分量,进而识别和定位故障。仿真实验结果表明,该方法可以在初步诊断出矿用机械传动齿轮箱的故障状态后,对故障发生部位进行精准判断。     

基于Hilbert解调技术的齿轮箱故障诊断

从理论上分析了根据Hilbert解调原理进行齿轮诊断的可行性 ,并利用齿轮箱诊断实例证明了理论分析的结果。在论文结尾 ,指出了齿轮箱诊断所应注意的两个基本问题。     

基于Labview的齿轮箱故障诊断的细化解调分析

本文利用Labview软件强大的数学和信号分析功能,以及图形化的程序设计语言,实现了细化解调算法,并将其应用到齿轮箱的故障诊断系统中,工程实例表明了算法的正确性和有效性.     

基于倒谱和包络解调的齿轮箱故障诊断

齿轮箱是设备上重要的传动部件,齿轮故障诊断对设备的长期安全运行起着至关重要的作用.根据齿轮振动机理及谱分析来进行振动信息处理和特征提取,是目前齿轮故障诊断中的一种有效方法.分析了齿轮箱的振动故障特性,提出了用解调谱和倒谱两种分析法相结合来对系统的输出信号进行故障诊断的方法.最后在齿轮故障模拟实验台上采集了故障下的振动信...     

齿轮箱故障诊断中信号解调方法的研究

提出了一种对齿轮箱调制类故障信号进行诊断的综合方法，对于既有调幅成分又有调频成分的齿轮箱故障信号，提出首先利用Hilbert变换解调出包络信息，同时保留剩余信号，然后用三次FFT技术对调频信息进行解调，使得调频信号特征更加清晰，为齿轮箱故障诊断提供了更准确的信息。     

基于EMD-HMM的BIT间歇故障识别

针对引起机内测试系统(BIT)虚警的间歇故障,提出了一种基于经验模态分解(EMD)和隐马尔科夫模型(HMM)的间歇故障诊断方法以抑制虚警。首先对原始信号进行EMD分解,选择能量最大的几个固有模式分量函数(IMF)进行特征提取,作为系统状态的观测值;然后将观测值输入到训练好的HMM中进行决策,求取最大似然概率值作为识别结果。结果表明,利用EMD进行特征提取并与HMM方法相结合能很好地分类出各种状态,有效地诊断出间歇故障。     

一种基于支持向量机的齿轮箱故障诊断方法

提出了一种基于多分类支持向量机(简称MSVM)的齿轮箱故障诊断方法。先根据齿轮箱故障机理和振动特点,探讨了齿轮箱故障诊断试验方案。再测取齿轮箱振动信号,并提取了能反映齿轮箱运转信息的时频域特征参数。通过结合投票法和决策树的基本思想,有针对性地构造了多分类支持向量机决策结构并将其应用于齿轮箱故障诊断。实际齿轮箱故障诊断试验结果表明,该决策结构较好地解决了小样本学习问题,避免了人工神经网络进行诊断时出现的过学习、收敛速度慢、泛化能力弱等缺点,能有效应用于齿轮箱故障诊断。     

EMD方法在烟机摩擦故障诊断中的应用

提出了一种将经验模式分解（Empirical Mode Decomposition，简称EMD）方法与传统信号处理技术相结合的故障诊断方法。首先将原始信号分解为若干基本模式分量（Intrinsic Mode Functions，简称IMFs），通过希尔波特变换得到每个IMF相应的瞬时频率，再对此瞬时频率曲线做傅里叶变换得到其频谱图，该频谱图即表示了对应IMF的调频频率。利用对应IMF组合成基于EMD的滤波轴心轨迹，这种轴心轨迹可以准确反映轴心的实际运行状况。将该方法应用于某炼油厂烟机摩擦故障诊断中，发现摩擦故障信号具有有色噪声分量存在、工频IMF的调频现象和基于EMD轴心轨迹的反转现象等特征。结果表明提出的方法在旋转设备摩擦故障诊断中非常有效。     

基于经验模态分解包络谱的滚动轴承故障诊断方法

针对滚动轴承故障振动信号的非平稳特征和传统包络分析法的缺陷,提出了一种基于经验模态分解包络谱的滚动轴承故障诊断方法.该方法首先采用经验模态分解将原始信号分解为若干个平稳的固有模态函数之和,然后求出包含主要故障信息的若干个固有模态函数分量的包络谱,再定义包络谱中故障特征频率处的幅值比为特征幅值比,最后以特征幅值比作为故障特征向量,输入神经网络,以神经网络的输出来判断滚动轴承的工作状态和故障类型.对滚动轴承内圈、外圈故障振动信号的分析结果表明,基于经验模态分解包络谱的故障诊断方法能有效地提取滚动轴承的故障特征.     

基于小波-中值降噪的经验模式分解及应用

为提高经验模式分解(EMD)质量,降低模式混叠,使分解得到的固有模式函数(IMF)序列能较好地反映设备的振动模式,针对EMD在信号处理方面存在的不足,利用小波消噪对高斯噪声的滤除作用,以及中值滤波对脉冲干扰较好的抑制作用,引入小波-中值组合滤波设计,对待分解数据进行预处理以滤除随机噪声并抑制脉冲干扰.将该方法应用到航空发动机振动信号处理中,能够有效减少各IMF的“筛选”次数和EMD分解层数,降低端点效应在EMD分解过程中的累积作用,抑制模式混叠现象.分解结果表明,使用组合滤波设计能更好地反映出发动机的振动模式和工作状态,并能获取表征高压转子和低压转子振动特征的数据分量.     

基于改进EMD的旋转机械耦合故障诊断方法研究

提出一种基于改进EMD的旋转机械耦合故障诊断方法。该方法结合相似极值延拓和加余弦窗函数运算的优点,解决了延拓部分不精确和加窗函数后使原信号发生改变的问题,提高了EMD方法的运算精度。应用该方法对存在裂纹碰摩故障的转子－轴承系统振动信号进行了特征提取,并进行了故障诊断,与单一故障特性相比,诊断出的振动信号既有裂纹引起的高频成分,也有碰摩引起的低频成分,得到的耦合故障特征证明了该方法的有效性。     

基于信号处理的齿轮箱故障诊断研究

齿轮箱是重要的传动部件,其故障诊断得到广泛重视。文章综述了小波变换、经验模式分解、Hilbert变换、人工神经网络等新的信号分析方法和故障诊断技术。