变速机械振动信号的伪同步重采样技术——I速度与角位置的瞬时估计方法

在机械的变速运行过程中由于在非平稳性，使得大部分等时间间隔采样的传统方法无法适用，利用光电编码器进行角度采样虽可以快速跟踪快速的变化，但其使用安装却受机械装置结构的限制。为解决机械变速过程状态信号的解调和特征提取问题，本文提出了一种新的数据获取和预处理方法－伪同步信号重采样技术，该技术通过对瞬时转速和角位置的估计以及非平稳信号的自适应重采样，获取与转速有关的信息应应用常规的信号处理方法进行特征提以     

变速机械振动信号的伪同步重采样技术——Ⅱ滤波器设计与信号重采样

在变速回转机械信号等转角采样过程中,采样频率随着机械转速的变化而变化,同时,为防止信号频谱混迭,抗频混滤波器的截止频率必须满足采样定理。而对于伪同步信号重采样,由于重采样频率（瞬时转速）和重采样时刻均为连续时变函数,因此,信号的重采样比也应为连续时变函数。本文将探讨重采样滤波器（自适应信号滤波器）的设计问题,并给出信号重采样公式及其数字阶比谱算例。     

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。     

一种极值搜索的齿轮系统振动信号阶次跟踪方法

在变速工况下，齿轮系统的振动信号具有非平稳性，频谱特征模糊，不利于特征提取和故障诊断。阶次跟踪方法作为一种非平稳信号分析方法，将原信号从时间域转换到角度域，有助于抑制变转速导致的频率模糊现象。广泛应用的计算阶次跟踪分析方法在实现等角度重采样过程中，通过提取瞬时转速积分求取瞬时角位移，或者基于相位解调获取角度-时间关系，受限于积分累计误差或小的转速跟踪范围。利用齿轮系统啮合振动信号峰峰值对应的等角度间隔特征，提出一种基于时域信号极值搜索的无键相阶次跟踪方法。所提方法不需要通过转速积分获取瞬时角位移，同时允许较大转速变化范围，降低了阶次分析域变换过程的误差，抗噪性能良好，使阶次谱能量集中度和特征成分辨识度得到明显提高。理论分析、仿真对比分析和试验测试结果均验证了所提方法的有效性，适用于变转速工况下的齿轮箱非平稳振动信号频谱分析和故障诊断。     

基于角域四阶累积量切片谱的柴油机连杆轴承故障特征提取

提出了一种角域四阶累积量切片谱方法,应用于提取连杆轴承微弱故障特征。首先,对升速过程振动信号进行阶比重采样得到角域平稳信号,再计算其四阶累积量对角切片谱,构成角域四阶累积量切片谱,用于分析不同转速区间、不同测试位置下的非稳态信号,提取连杆轴承微弱故障特征。试验结果表明:角域重采样与四阶累积量对角切片谱相结合,既能分析非稳态信号,又能抑制噪声干扰;特定阶比带内的角域四阶累积量对角切片谱的能量和峰值,能有效识别连杆轴承各种技术状态,可以作为连杆轴承磨损故障的特征参数;并得出了敏感测试位置、敏感转速区间和特征阶比带。     

基于线调频小波路径追踪的滚动轴承故障特征提取

针对齿轮噪源以及变转速的工作条件双重干扰下的滚动轴承的故障诊断,提出了一种基于线调频小波路径追踪的滚动轴承故障特征提取方法。对混合信号进行Hilbert变换得到包络信号,并在满足采样定理的条件下对包络信号进行降采样;对降采样包络信号应用线调频小波路径追踪算法提取轴承的瞬时故障特征频率趋势线,再对轴承的瞬时故障特征频率趋势线和转速曲线进行等时间重采样,并求各时间点的计算瞬时故障特征系数;根据计算瞬时故障特征系数与轴承的外圈、内圈和滚动体的故障特征系数进行比较,完成故障诊断。通过处理仿真信号和实测信号证明了该方法在不对混合信号进行滤波和使用阶比分析的情况下,不仅能检测滚动轴承是否出现故障,而且能确定故障的发生位置。     

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。     

基于自动搜峰瞬时频率估计的自适应多阶比分析技术研究

提出一种利用自动搜峰的瞬时频率估计技术来实现旋转机械自适应多阶比分析(Adaptive Multiple Order Tracking,AMOT)的新方法。首先,通过时频分析得到振动信号的时频分布,根据频率峰值坐标自动选取搜峰起始点,自适应搜索出不同阶比分量的时频峰值。其次,利用最小二乘法将不同频率分量进行拟合实现瞬时频率估计,然后根据参考分量计算出重采样的鉴相时标对原始信号进行重采样,最后通过FFT变换实现阶比分析。该方法通过瞬时频率估计能够自动识别出所有阶比分量,实现优中选优,避免了传统算法中人为直观选取一个分量进行遮掩滤波提取分量的方法,减少了人为选取分量及起始点造成的误差,具有自适应性。并且无需同步采集转速信号,大大简化了应用条件,同时减少了人为因素,提高了分析精度,为旋转机械故障诊断提供了新方法。仿真实验和应用实例验证了方法的有效性。     

角域AR谱技术在齿轮故障诊断中的应用

利用时频分布平面内信号能量峰脊与瞬时频率之间的对应关系,对信号瞬时频率进行估计;在此基础上利用代数方法求解鉴相时标积分方程,并对经插值重采样得到的角域信号进角域平均处理,提高了角域信号的信噪比;最后对角域信号进行AR建模实现信号的阶次谱分析。实际测试结果表明:采用角域AR谱技术处理齿轮箱非平稳振动信号,能够有效地避免传统频谱方法无法解决的"频率模糊"现象,克服了传统阶次谱分辨率较低,谱线毛糙,易受噪声及轴频调制影响等缺点,对齿轮箱的早期故障有较好的识别能力。     

阶次跟踪在齿轮磨损中的应用

研究旋转机械在变速过程中振动信号的分析方法。在利用B＆K3560多分析仪对齿轮箱加速时测得的振动信号进行时域采样的基础上,利用样条插值算法进行角域重采样得到等角度分布的采样点,并对其进行阶次跟踪分析。结果显示出阶次跟踪分析法在处理转速变化信号时的优越性：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,对齿轮箱的早期故障有一定的识别能力。该方法是对传统的频谱分析法的有力补充,具有很广阔的应用前景。     

旋转机械非稳定信号的伪转速跟踪阶比分析

旋转机械非稳定信号阶比分析技术，是旋转机械特征分析的重要内容。本文提出并介绍了用时频分析技术中的瞬时频率估计实现伪转速跟踪阶比分析的方法。和传统方法相比，本方法无需转速计和鉴相装置等辅助硬件手段，简化了阶比分析的实现。介绍了借助本方法实现的阶比谱、阶比谱阵和跟踪阶比谱等阶比分析技术的方法，并通过实际测试验证了其有效性。本方法是对已有方法的有力补充，特别适合虚拟测试仪器发展的要求。     

Fault Diagnosis Method for Rolling Element Bearings Under Variable Speed Based on TKEO and Fast-SC

With rotating speed of rotating machinery, it is difficult to maintain stability in practical work which brings many difficulties to the condition monitoring of rotating machinery. When rolling element bearings work under variable speed, the corresponding vibration will contain obvious non-stationary characteristics, along with the presence of strong background noise, which makes it difficult for some traditional spectrum analysis methods to identify the characteristic frequency of bearings fault. In spite of the existence of strong non-stationary characteristics, the bearing fault signal has some hidden periodic components in the angle domain which makes it possible to extract the fault feature of bearings by means of spectral correlation analysis. Therefore, a fault feature extraction method based on Teager–Kaiser energy operator (TKEO) and fast spectral correlation (Fast-SC) in angle domain is proposed in this paper; Fast-SC is a newly proposed spectral correlation calculation method which can effectively improve the efficiency of computing; Teager–Kaiser energy operator can enhance the transient impact which also has a fast computing speed. In this paper, the instantaneous speed of each time is estimated by the time–frequency analysis method based on short-time Fourier transform and then, the original time-domain signal is resampled in angle domain; the TKEO is used to strengthen the fault impact components in signal; finally, the Fast-SC is applied to the strengthened signals, the enhanced envelope spectrum is calculated, and the fault features of rolling bearings are extracted. The effectiveness of the method is verified by measured signals.     

应用希尔伯特黄变换的单矢量传感器多目标分辨研究

将希尔伯特黄变换与矢量信号处理相结合应用到水声领域,与传统方法相比有许多优势。在希尔伯特黄变换中本征模态函数是基于序列数据的局部时间尺度特征而得出。每个本征模态函数可以看作是信号中一个固有振荡模态,其对应于某个目标的固有振荡,希尔伯特黄变换用经验模态分解的方法将信号分解为多个本征模态函数,可以较好地将不同目标的能量分离。该变换得到的瞬时频率、瞬时能量和瞬时方位具有清晰的物理意义,信号的时间-频率-方位-能量的四维分布为多目标信号处理提供了丰富的信息量。与传统处理方法相比不仅有较好的目标分辨效果,而且适用于非线性和非平稳信号的处理。     

基于谱峭度的滚动轴承故障包络阶比跟踪分析

通过对旋转机械变速运行工况的齿轮箱振动分析研究,提出一种基于谱峭度的滚动轴承故障包络阶比跟踪分析方法。该方法利用旋转机械运行过程中滚动轴承故障引起的冲击性振动会激起其周围结构共振的原理,应用谱峭度方法自适应地确定优化的共振解调带通滤波中心频率和滤波带宽,进而通过共振解调算法获得包含轴承故障初始阶段振动特征的包络信号,再将变速工况下的非平稳包络信号通过等角度重采样转化为角度域的准平稳信号,进而获得消除了频率模糊的阶比谱,实现对旋转机械变速运行工况下的滚动轴承故障诊断。仿真和测试试验结果验证了本方法的有效性。     

地震地面运动局部谱密度的小波变换估计

已有的不少研究表明,地震地面运动的时频非平稳特性对结构响应有着很大的影响,对这种影响考虑的准确与否直接涉及结构分析的安全性。因此采用能反映时频非平稳特性的时变谱密度(即局部谱密度)来描述地震地面运动是非常必要的。首先从理论上比较了几种局部谱密度的估计方法,指出利用小波变换来估计局部谱密度在精度和速度方面有着相当的优势,有利于局部谱密度在地震动模型化、结构随机响应分析以及动力可靠度评价等方面的应用。然后通过具体算例,对理论分析进行了验证。     

基于多元EMD-AM/FM分解的多点非平稳雷暴风速模拟

雷暴风对建筑物和输电线塔等结构具有很大的破坏性。为了准确估算结构的动力响应,获得可靠的风速样本至关重要。该文结合多元经验模态分解（MEMD）,调频函数/调幅函数（AM/FM）分解和本征正交分解（POD）建立了基于时频分析的非平稳多点风速的模拟方法。第一,采用MEMD分解多点风速,产生固有模态函数;第二,采用AM/FM分解计算各点的固有模态函数的瞬时频率和瞬时幅值;第三,利用POD对瞬时频率解耦;第四,将瞬时幅值和解耦后的瞬时频率用于重构多点非平稳风速。实测多点雷暴风的模拟结果表明: MEMD-AM/FM分解-POD方法能满意地模拟多点非平稳雷暴风速。     

基于改进峰值搜索法的旋转机械瞬时频率估计

提出了一种用于提取转子瞬时频率的改进峰值搜索法,并将该方法应用于旋转机械阶比跟踪。改进的峰值搜索法将瞬时频率中相邻两点一阶导数的差值作为搜索峰值是否合理的判别条件,避免了传统峰值搜索法在干扰信号作用下提取到的虚假峰值,提高了瞬时频率的估计精度。仿真实验表明,改进的峰值搜索法能够降低干扰信号对瞬时频率提取的影响,效果优于传统的峰值搜索法。用该方法对实测转子升速振动信号进行阶比分析,取得了良好的效果。     

基于HHT的数控机床主轴振动监测系统的研制

为监测数控机床主轴的运行状态,针对机床主轴在工况条件变化或故障发生时振动信号的非平稳特性,研制基于HHT时频分析方法的数控机床主轴振动监测软、硬件系统。硬件系统包括基于FPGA主控模块与PC104总线的数据采集模块;软件系统包括时域波形监测与特征数据监测两模块,其中特征数据监测模块具有监测频谱分布及时频分布功能。为更直观、准确反映数控机床主轴振动信号的非平稳特性,提出基于HHT的主轴振动信号特征提取方法,实现对振动信号时频分布的实时监测。数控机床主轴振动信号测试结果表明,该系统在监测信号时域波形与频谱分布的同时,能利用HHT的瞬时频率描述特性,实现对数控机床主轴振动信号时频分布的实时监测。     

Estimation of Remaining Useful Life of Slow Speed Bearings Using Acoustic Emission Signals

Various direct and indirect sensing methods for machine condition monitoring have been reported in the literature. Among these methods, acoustic emission technique is one of the effective means of monitoring rolling element bearings during industrial processes. Today, many machines use computerized classification in a wide range of applications. Further, recent developments indicate the drive towards integration of diagnosis and prognosis algorithms in future integrated machine health management systems. With this in mind, this paper concentrates on the estimation of the remaining useful life for bearings whilst in operation. To implement this, a linear regression classifier and multilayer artificial neural network model have been proposed to correlate the selected AE features with corresponding bearing wear throughout laboratory experiments. Results showed that the proposed models exhibit good prediction performance. This paper also presents the use of a new representative fault indicator, signal intensity estimator, employed for AE signals originating from natural degradation of slow speed rolling element bearings. It is concluded that the obtained results were promising and selecting this appropriate signal processing technique can significantly affect the defect identification.