齿轮箱故障振动信号的阶比多尺度形态学解调

为从非平稳转速齿轮箱故障振动信号中提取包含故障信息的特征频率,提出阶比多尺度形态学解调方法,该方法采用线调频小波路径追踪算法获得齿轮箱转速信号,根据转速信号对时域振动信号进行等角度重采样,并用基于信号局部峰值的方法确定多尺度形态学分析的结构元素,用各结构元素对重采样信号进行形态学操作,对操作结果的平均值做频谱分析,以完成阶比多尺度形态学的解调过程。由于噪声与线调频基元函数的相似性很小,使得线调频小波路径追踪算法能从低信噪比的时域振动信号中准确获得转速信号,而多尺度形态学解调是对各尺度形态学分析结果的平均值进行频谱分析,能有效地抑制噪声,从而使得该方法具有很好的抗噪性能,适合用于工程实际中转速波动齿轮箱振动信号的分析,仿真分析和应用实例证明该方法的有效性和优越性。     

正弦变载荷工况下液压泵振动信号的形态学滤波方法

液压泵的振动信号在受到大幅度变载荷作用时将引起振动特征的变化,特别是在正弦载荷变化的作用下,将会产生幅值调制现象。采用传统的单一尺度结构元素的形态学方法对该类信号进行滤波的效果不一定理想。因此,针对正弦载荷液压泵振动信号的特点,在单尺度形态滤波分析方法的基础上,提出了兼顾形态学结构元素长度和高度尺度的多尺度形态学滤波方法。首先,以冲击特征比值和二阶原点矩作为评价指标,提出综合考虑结构元素长度和高度尺度的寻优方法,确定最优长度和高度尺度算子组合。然后,用最优尺度组合对正弦载荷模拟仿真信号和变载荷液压泵故障振动信号进行滤波处理,分析结果证实其滤波效果优于单尺度滤波方法滤波效果。     

基于阶比滤波的单通道缸盖振动信号盲源分离

传统盲源分离方法要求传感器观测信号数目不小于源信号数目,且在源信号平稳、相互独立的前提下,才能得到较为准确的分离信号,但对于发动机缸盖振动非平稳信号,由于激励源较多,这些条件不易满足。为实现缸盖振动信号盲源分离,提出了基于阶比滤波的单通道缸盖振动信号盲源分离方法。利用燃爆激励信号频率随转频变化的先验信息,通过阶比滤波得到阶比分量,将阶比分量和单通道信号组成多维观测信号,通过快速独立成分分析方法得到了缸盖振动非平稳信号的分离信号。仿真和应用研究证明了该方法的有效性。     

多尺度熵在变压器振动信号特征提取中的应用

以提取变压器绕组振动信号有效特征为目的,对多尺度熵(multiscale entropy,简称MSE)适用于非平稳非线性振动信号分析的特点和机理进行分析,在此基础上将其引入变压器绕组振动信号的特征提取中。利用不同尺度内信号样本熵的变化来反映变压器绕组运行状态的改变,将其作为一个能定量描述绕组故障信号特征的有效特征参数。实验数据分析表明,与样本熵相比,多尺度熵能更好地实现故障信号特征的定量提取,是表征变压器绕组不同故障信息的一种有效参数。     

多尺度柔性形态滤波在轴承故障诊断中的应用

针对经典的形态学滤波在取单一结构元素的情况下存在缺陷的问题,提出了一种基于多尺度柔性形态滤波的轴承振动信号滤波方法。多尺度柔性数学形态学在保留柔性形态学好的鲁棒性、滤除正负噪声和保留细节等优点的同时,进一步对其结构元素进行改进,以期获得更好的脉冲提取性能。将多尺度柔性形态滤波应用于轴承故障诊断,结果表明,其比经典的柔性形态滤波能更好地保留振动信号中的冲击脉冲,为轴承故障的进一步诊断打下基础。     

基于迭代自适应多尺度形态滤波的滚动轴承故障诊断

针对工业现场强噪声背景下振动信号特征信息提取困难和单尺度形态滤波时尺度选择的盲目性和随意性的问题,基于自适应多尺度形态分析(AMMA)的思想提出了一种迭代自适应多尺度形态分析(IAMMA)的滤波方法。该方法对振动信号进行多尺度形态差值迭代运算,每次采用的结构元素尺度逐渐增大,然后求多次滤波结果的平均值,达到滤除噪声成分的目的。对仿真信号和滚动轴承故障信号进行分析,结果表明,IAMMA较AMMA能够选取更为合适的结构元素尺度,提取更多的故障特征信息,滤波效果更佳,与Hilbert包络解调方法相比处理过程更加简捷,从而为轴承的故障诊断提供了一种有效的方法。     

旋转机械非平稳振动信号阶比特征分析系统设计

设计了一个旋转机械非平稳振动信号阶比分析系统.该系统硬件部分由传感器、PCI数据采集卡、计算机等构成;软件部分包括采集卡驱动程序、信号处理程序和用户图形界面.仿真试验表明该系统达到设计要求.     

基于多尺度线调频基稀疏信号分解的齿轮故障信号阶比分析

针对变转速齿轮箱故障振动信号调制边频带难以识别的问题,提出一种基于多尺度线调频基稀疏信号分解的阶比分析方法.该方法先采用基于多尺度线调频基的稀疏信号分解方法对齿轮箱振动信号进行分解,提取齿轮的啮合分量与调制边频分量,由啮合分量的时频分布曲线得到瞬时转频估计,再基于获得的瞬时转频对啮合分量与调制边频分量之和进行等角度重采样,将非平稳的分量信号转化为平稳信号,对重采样后的信号进行阶比分析,诊断齿轮故障.与传统的直接对齿轮箱故障振动信号进行阶比分析的方法比较,结果表明,提出的基于多尺度线调频基稀疏信号分解的阶比分析方法抗噪性强,调制边频带识别效果好.仿真算例与应用实例验证了本方法的有效性.     

加权多尺度形态滤波在轴承故障诊断中的应用

滚动轴承故障信号中通常包含了周期性出现的冲击衰减成分,冲击频率反映了轴承发生故障的位置信息。多尺度形态滤波可以提取分布在不同尺度下的冲击特征,为了更准确的反映不同尺度分析结果的贡献,提出了一种评价冲击特征提取效果的指标,并以此计算权值对多尺度分析结果进行加权综合。仿真信号和轴承外圈故障信号的分析结果表明,加权多尺度形态滤波方法可以有效提取强背景噪声下的冲击特征,为滚动轴承故障诊断提供了一种有效的手段。     

一种多元素多尺度形态非抽样小波分解方法

针对电动机轴承故障信号常被强背景噪声淹没的问题,提出了一种多元素多尺度形态非抽样小波分解方法,并将其应用于滚动轴承故障特征提取中。该方法基于形态非抽样小波的一般框架,结合了形态开闭-闭开混合算子的滤波特性以及形态梯度算子提取信号冲击成分的特点,对该算子的两部分分别使用三角形和扁平形结构元素,使效率最优化。仿真和试验证明,该方法既可以进行谐波与噪声滤除,又可以有效地提取冲击成分,较现有的形态非抽样小波方法有更好的效果。     

基于形态差值算子和特征能量比的液压泵故障分离方法

针对液压泵滑靴和斜盘磨损复合故障信号的分离问题,提出了一种基于形态差值算子与特征能量比相结合的方法。首先,将若干种不同长度的结构元素和复合故障信号的形态特征进行匹配,利用形态差值算子提取出若干个信号;其次,分别对上述信号计算两种故障的特征能量比;最后,找出两种故障的最大特征能量比,他们所对应的即为最优匹配结构元素长度,且基于该两种长度的形态差值算子所提取出的两个信号分别为最优分离出的滑靴和斜盘磨损故障信号。通过对实测液压泵复合故障信号的实验验证,表明所提方法能够根据信号形态特征的多样性有效地实现对复合故障信号的最优分离,且比RobustICA方法有效和优越。     

非平稳工况下振动信号数字积分方法优化

针对风电机组塔架振动信号存在的非平稳特征,为了能依据塔架振动信号得到准确的塔架相对位移数据,提出了基于Ho?drick-Prescott算法的时域积分优化方法,并进行了基于风电机组设计仿真软件Bladed的数据分析和工程实际数据的验证.研究表明,基于傅里叶变换的频域积分不能提供准确相位,不适用于该非平稳工况;而相比采用多项式去趋势的时域积分,因其消除了高噪声产生的低频摆动趋势,其平方和误差指标可达3％～8％,适用于风电机组塔架结构系统的分析和诊断.     

非平稳工况下振动信号数字积分方法优化

针对风电机组塔架振动信号存在的非平稳特征,为了能依据塔架振动信号得到准确的塔架相对位移数据,提出了基于Ho?drick-Prescott算法的时域积分优化方法,并进行了基于风电机组设计仿真软件Bladed的数据分析和工程实际数据的验证.研究表明,基于傅里叶变换的频域积分不能提供准确相位,不适用于该非平稳工况;而相比采用多项式去趋势的时域积分,因其消除了高噪声产生的低频摆动趋势,其平方和误差指标可达3％～8％,适用于风电机组塔架结构系统的分析和诊断.     

非平稳工况下振动信号数字积分方法优化

针对风电机组塔架振动信号存在的非平稳特征,为了能依据塔架振动信号得到准确的塔架相对位移数据,提出了基于Ho?drick-Prescott算法的时域积分优化方法,并进行了基于风电机组设计仿真软件Bladed的数据分析和工程实际数据的验证.研究表明,基于傅里叶变换的频域积分不能提供准确相位,不适用于该非平稳工况;而相比采用多项式去趋势的时域积分,因其消除了高噪声产生的低频摆动趋势,其平方和误差指标可达3％～8％,适用于风电机组塔架结构系统的分析和诊断.     

随机振动载荷作用下航空液压管路疲劳寿命数值预估

液压管路作为飞机液压传动系统的重要组成部分,是飞机安全飞行的重要保障。由于飞机飞行环境的复杂性,随机振动载荷下的疲劳分析是飞机液压管路动力学设计的重要手段。选取大型客机C919左侧机翼的一段典型液压管路作为研究对象,应用ABAQUS有限元软件进行随机振动响应分析,获取随机振动载荷下的应力响应功率谱密度函数,对液压管路在随机振动载荷下的强度特性进行分析,结合S-N曲线对管路结构危险部位疲劳寿命进行预估,为航空液压管路的设计及优化提供了理论参考。     

基于小波包分析的液压泵状态监测方法

液压泵是液压系统中的关键部件,对其运行状态的监测与故障诊断对整个液压系统的可靠性具有重要意义。基于小波包分解和小波系数残差分析方法,提出一种利用液压泵出口压力进行液压泵故障诊断的方法。通过分析液压泵出口处压力信号的特征,利用小波包对压力信号进行频谱分解,提取液压泵的故障特征,建立不同频率范围的特征信号与液压泵不同故障因素的对应关系,为液压泵的故障诊断与定位提供依据。利用小波包能量残差判别液压泵的运行健康状态,并比较不同小波基函数在故障诊断时的敏感度。为减小小波分析时边界效应所引起的信号畸变,引入“滑动双窗口”的分析方法。试验结果表明,与快速傅里叶方法相比,基于小波包分解的残差分析方法可有效提高故障诊断的准确率,实现对液压泵的状态监测与故障诊断。     

关联维数分析方法在液压泵多故障诊断中的应用研究

针对液压泵故障信号非线性和非平稳性特征,提出了利用相空间重构技术和分形理论相结合的特征关联维数提取方法。该方法将液压泵不同故障模式下获取的一维振动信号重构到高维相空间,进行信息深层挖掘;通过对相空间特征信号关联维数变化规律的分析,找出对故障反映敏感的关联维数,由此进行故障识别。通过实验验证,该方法提取的关联维数能有效反映液压泵的故障特征,为液压泵多故障诊断方法的研究提供可靠的特征信息,具有良好的应用前景。     

降速工况下滚动轴承微弱故障特征信号提取新方法

研究降转速工况下滚动轴承微弱故障特征信号的提取,提出了一种基于计算阶次分析、三次样条插值分析与包络谱分析相结合的新方法。基于滚动轴承微弱故障实验测得的降速工况下的转速信号和振动信号,首先对转速信号在时域内积分获得角位移-时间信号,再对该信号进行线性插值获得等角度间隔的角位移-时间信号,然后利用该时间序列对振动信号进行三次样条差值获得等角度间隔分布的重采样振动信号,最后对重采样振动信号进行包络分析及快速傅里叶变换获得阶次包络谱。通过对滚动轴承微弱故障实验信号分析,表明该方法能有效提取出滚动轴承微弱外圈故障和滚动体故障特征信息。该方法为轴承微弱故障特征信号提取提供了一种重要手段,具有广泛的应用前景。     

基于递归定量分析的液压泵故障识别方法

提出了一种局部投影消噪和递归定量分析相结合的轴向柱塞泵故障识别方法。以轴向柱塞泵故障振动信号为研究对象，首先用局部投影消噪方法对振动信号进行消噪；其次对消噪后的振动信号绘制递归图，进而通过递归定量分析对递归图所反映出的系统动力学信息进行特征提取，选择确定率（DET）和递归熵(ENTR)2个特征构成特征向量，构成故障特征样本；然后通过核模糊C均值聚类(KFCMC)方法对训练样本进行聚类,进而依据最小欧氏距离准则对测试样本进行故障识别；最后，将递归定量分析方法和相空间复杂网络定量特征方法进行对比。结果表明，基于递归定量分析的轴向柱塞泵故障识别方法具有更高的故障确诊率。