非定比传动机械的计算阶次分析

研究非定比传动旋转机械非稳态信号的分析方法。由于可以避免传统频谱分析的“频率模糊”现象,阶次分析方法常被用来分析转速不稳定的机械信号。对传动比不确定的机械系统进行信号分析时,由于系统中存在不同的轴频,单一的阶次分析将难以满足要求,需进行多轴阶次分析。文中介绍多轴阶次分析的计算方法,对等时间间隔采样的信号,利用插值算法实现角域重采样,并在此基础上实现计算阶次分析。实例证明该方法可以在阶次域内将与不同轴频相关的信号进行分离,有效识别系统工况。     

非稳态信号计算阶次分析中的重采样率研究

对于转频不断变化的旋转机械振动信号,运用阶次跟踪分析方法能够避免常规快速傅里叶分析中出现的“频率模糊”现象。在试验设计阶段,时域采样率凭经验设定,角域重采样信号存在阶次混迭现象。分析了角域重采样和时域采样的关系,得出在实际操作中由所需角域分析带宽和预期转速确定时域采样率,再由采样率和实际转速确定实际角域重采样阶次和分析带宽,推导出了时域采样频率和采样阶次必须满足的条件,进行了仿真算例分析。最后,以某型航空发动机起动时的振动信号为例,进行状态检测分析,验证了该方法的正确性和有效性。     

阶次包络谱在轴承故障诊断中的应用

旋转机械的升降速过程包含丰富的状态信息,因而旋转机械的升降速过程对于旋转机械的故障诊断具有独特的价值.将常规的阶次分析技术与包络谱相结合,提出基于阶次包络谱的齿轮箱故障诊断方法.首先对齿轮箱升降速瞬态信号进行时域采样,再对时域信号实行等角度重采样,转化为角域平稳信号,最后对角域重采样信号进行包络谱分析,就可提取轴承的故障特征.通过对轴承内圈、外圈故障实验信号的分析,表明该方法能有效诊断轴承的故障.     

基于FastICA的阶次倒谱分析在齿轮箱故障诊断中的应用研究

声测法作为一种非接触测量,应用于齿轮箱故障诊断时有着极大优势,但由于声信号易受到环境干扰从而影响诊断精度。将FastICA与阶次倒谱相结合,提出了一种基于FastICA的阶次倒谱方法。首先对瞬态声信号运用FastICA算法进行分离处理,分离出包含故障信息的有用源信号,然后对估计的源信号进行角域重采样,得到角域伪稳态信号,再通过倒谱分析得到基于FastICA的阶次倒谱,最终可得到故障的特征参量。应用于齿轮箱瞬态过程中的故障声信号分析,增强了信噪比,找到了故障特征,提高了齿轮箱声测故障诊断的精度。     

运用阶次跟踪和奇异谱降噪诊断齿轮早期故障

针对齿轮箱升降速过程中振动信号非平稳的特点,将阶次跟踪分析与奇异谱降噪技术相结合,提出了一种针对齿轮早期故障的诊断方法。首先对齿轮箱加速时测得的瞬态信号进行时域采样,再对时域信号进行等角域重采样,转化为角域伪稳态信号;然后对角域信号进行奇异谱降噪处理,以减小背景噪声的影响;最后对降噪后的信号进行阶次谱分析。通过对齿轮箱早期故障信号的分析表明,该方法能准确地识别出齿轮的故障特征。     

利用倒阶次谱和经验模态分解的轴承故障诊断

针对齿轮箱升降速过程中振动信号非平稳的特点,将阶次跟踪分析与希尔波特-黄变换技术相结合,提出了基于倒阶次谱和经验模态分解的滚动轴承故障诊断方法.首先,对齿轮箱加速时测得的瞬态信号进行时域采样,对时域信号进行等角度重采样,转化为角域伪平稳信号,然后对角域信号进行经验模态分解.最后,对包含轴承故障信息的高频固有模态函数进行倒阶次谱分析,就可以提取轴承的故障特征.通过对轴承内圈和外圈故障信号的分析表明,该方法能准确识别轴承的故障类型和部位.     

阶比双谱及其在旋转机械故障诊断中的应用

双谱分析是处理非线性、非高斯信号的有力工具,然而,它是以分析恒频振动的稳态信号作为前提条件的,对分析旋转机械中广泛存在的变频振动信号（如旋转机械升降速信号）是无能为力的。而阶比双谱是一种分析变频振动信号的新方法,它将非稳态信号按等转角间隔进行采样,得到阶域中的稳定信号,再进行双谱分析;仿真显示该方法优于阶比谱和传统双谱。最后,将该方法成功地应用到旋转机械升降速过程的故障诊断中,实验结果表明该方法是有效的,阶比双谱可很好地分析机械振动的非线性非平稳信号。     

齿轮箱起动过程故障诊断

针对齿轮箱升降速过程中振动信号非平稳的特点,将阶次跟踪、角域平均和Teager能量算子分析技术相结合,提出了基于阶次跟踪和Teager能量算子分析的齿轮箱故障诊断方法.首先对齿轮箱升降速瞬态信号进行时域同步采样,再对时域信号进行等角度重采样,转化为角域平稳信号,然后对角域信号进行角域平均和带通滤波,以消除干扰噪声的影响,最后由Teager能量算子计算振动信号的瞬时频率和瞬时幅值,根据瞬时频率和瞬时幅值图,就可提取齿轮的故障特征.通过对齿轮齿根裂纹故障试验信号的分析,表明该方法能有效地诊断齿轮的裂纹故障.     

基于角域功率谱估计的滚动轴承故障诊断

滚动轴承是位于内燃机旋转连接处重要的零部件之一,其发生故障时会影响整个机器的运转。传统的功率谱估计方法无法对变转速下滚动轴承进行故障诊断,论文提出角域功率谱估计方法解决上述问题。首先通过角域重采样将时域变转速信号转化为角域稳态信号,而后估计角域稳态信号的功率谱,最后从角域功率谱中识别滚动轴承故障特征阶次。模拟点蚀故障试验表明,该方法能够有效提取变转速下故障特征。     

计算阶次分析中的采样率设置准则

针对旋转机械状态监测和故障诊断领域常用的计算阶次分析方法,分析了角域采样率准则,给出了计算公式;计算阶次分析实验中存在2次采样:时域采样和角域重采样.转速变化的影响使得1种采样相对另1种采样必然为变采样率的采样.变带宽跟踪抗混滤波难以实现,为此分析总结了只用1次定带宽抗混滤波——时域抗混滤波的采样率设置方法:时域采样率应根据最大转速来设置,否则会采样不足;角域重采样率则应根据最小转速来确定,否则会产生阶次混迭.     

基于阶次双谱的齿轮箱升降速过程故障诊断研究

针对齿轮箱升降速过程中振动信号非平稳的特点，将常规的阶次分析与双谱分析技术相结合，提出了基于阶次双谱的齿轮箱故障诊断方法。首先对齿轮箱升降速瞬态信号进行时域采样，再对时域信号进行等角度重采样，转化为角域平稳信号，最后对角域重采样信号进行双谱分析，就可提取轴承的故障特征。通过对轴承内圈故障实验信号的分析表明，该方法能有效地识别轴承的故障。     

基于阶次跟踪和经验模态分解的滚动轴承包络解调分析

针对齿轮箱升降速过程中振动信号非平稳的特点,将计算阶次跟踪方法与经验模态分解技术相结合,提出一种研究旋转机械瞬态信号故障诊断的分析方法。首先对齿轮箱启动时测得的振动信号进行时域采样,再对时域信号进行等角度重采样,将其转化为角域准平稳信号,然后对角域里的信号进行经验模态分解得到多个固有模态函数分量,最后对包含轴承故障信息的高频固有模态分量进行包络解调分析。结果显示：阶次跟踪技术能够有效地避免传统频谱方法所无法解决的“频率模糊”现象,将非平稳信号转化为准平稳信号;经验模态分解方法能够提取包含故障信息的固有模态分量,将两种方法相结合是对传统频谱分析法的有力补充,具有很广阔的应用前景。     

基于“阶次-小波”分析的齿轮箱升降速过程故障诊断研究

针对齿轮箱升降速过程振动信号的特点以及阶比分析的缺陷,提出了基于“阶次一小波“分析的齿轮箱故障检测方法。即首先将等时间信号重采样成为等角度信号,然后对等角度信号进行小波分析,最终识别故障。信号经过这种变换之后可以具有同时反映信号的阶比域和角度域的特征。经过仿真表明,该方法具有很好的诊断效果。     

基于阶次小波包与粗糙集的轴承复合故障诊断

针对齿轮箱启动过程中振动信号表现为非平稳非高斯特征,传统诊断方法诊断精度不高的现状,将阶次小波包和粗糙集理论引入到轴承的复合故障诊断中,利用计算阶次跟踪算法对瞬态振动信号进行重采样,采用小波包对该信号分解-重构,并对每个频段的能量进行归一化,构成一个特征向量,通过粗糙集理论得到清晰、简明的决策规则.并通过复合故障实例验证了此方法的有效性.     

Wigner-Ville分布及其在故障诊断中的应用

机械系统故障信号通常都是非平稳的,联合时频分布是对故障信号分析的重要且有力的工具,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。文章简单介绍了Wigner-Ville分布的物理意义及其主要性质,并通过实验探讨了用Wigner-Ville分布处理诊断信号的优点。     

基于自适应线调频基原子分解的时域同步平均方法及其在变转速齿轮故障诊断中的应用

提出一种基于自适应线调频基原子分解(adaptive chirplet atomic decomposition,ACAD)的时域同步平均方法,并将其应用于低信噪比下变转速齿轮故障诊断。首先对齿轮振动信号进行ACAD分解估计齿轮所在轴的转速曲线;然后根据转速曲线对信号进行等角度重采样,以满足时域同步平均方法对信号周期平稳的要求;再利用时域同步平均方法对重采样信号进行处理,处理后的信号具有很高的信噪比;最后,对其进行FFT变换,其阶次谱上非常清晰地显示齿轮的调制阶次,从而揭示齿轮的故障信息。仿真算例与应用实例证明了该方法的有效性。     

利用HHT和重采样技术分析瞬态机械信号

介绍了HHT理论及数据重采样技术的实现方法。分析了利用HHT理论和瞬态信号进行机械故障诊断时常用故障特征提取方法的不足。针对瞬态信号中所包含的故障特征是随时间的变化而变化的特点,研究了将数据重采样技术与HHT理论相结合的瞬态信号分析方法。以齿轮箱齿面磨损故障为例进行了算例分析,通过对照分析原始信号与重抽样信号的分析结果,说明了该方法的有效性。     

Periodic error quantification for non-constant velocity motion

This paper describes a procedure for analyzing non-stationary (variable frequency content) periodic error signals obtained during accelerating or decelerating motion. This capability is important due to the recent interest in real-time compensation of periodic error for precision positioning systems. In order to apply the spatial Fourier transform to the non-stationary signal, the constant time interval signals are resampled by linear interpolation using a constant spatial interval. Numerical and experimental results are provided for constant acceleration and sinusoidal motion profiles.     

时域同步平均原理与应用

在回转和往复机械的状态监测和故障诊断中,时域同步平均可有效衰减与回转频率无关的干扰,提取与工作状态直接相关的周期信号,是一种非常有用的信号分析和预处理技术。本文对时域同步平均的梳形滤波器特性,实际操作中采用频率跟踪的必要性,实现频率跟踪的不同技术方案等几方面进行了论述和分析。实验分析结果表明了这一技术的有效性和可行性