基于近似熵和平方解调分析的滚动轴承故障特征提取

提出了一种基于近似熵和平方解调分析的故障特征提取新方法。这种方法的核心是首先使用平方解调分析把调制的振动信号进行解调,然后计算并比较这些经平方解调后的信号的近似熵,从而实现故障的特征提取。研究表明,用这种方法提取信号特征,可以容易地将正常滚动轴承、内圈故障、外圈故障和滚子故障的信号区分。     

基于刚柔耦合动力学的定轴齿轮箱故障仿真

齿轮传动系统的故障所导致的调频调幅作用会引起齿轮箱的振动频率成分复杂多变,且在研究故障时主要使用经验公式替代故障激励。鉴于此,在LMS Virtual Lab中建立齿轮箱刚柔耦合模型,通过CAD Contact Force识别齿轮轮廓,并产生相应的故障激励,研究定轴齿轮箱在正常、偏心故障、断齿故障情况下的振动频谱响应。经仿真分析发现:正常情况下,齿轮振动响应频率成分为其啮合频率及其倍频;在偏心情况下,响应频率成分除了正常情况下的频率成分外,在啮合频率两旁还有以故障特征频率为间隔的不对称调制边频带;在断齿故障下,在共振频率处出现以故障特征频率为间隔的不对称调制边频带,且调制边频带遍布整个频带。不对称调制边频带的产生是由调幅和转速波动引起的调频共同作用导致的。     

包络分析方法及其在齿轮故障振动诊断中的应用

通过理论分析和实际工程应用分别讨论了两种常用的齿轮振动包络分析方法,将细化技术融于希尔伯特变换解调及窄带解调之中,以提高解调频谱的频率分辩力。     

微波复合调制信号解调算法分析与实现

围绕复合调制信号解调算法与软件实现展开详细的讨论.首先介绍调幅、调频的解调算法.通过相干解调和非相干解调算法的对比,说明了相干解调算法的优越性,并在相干解调算法的基础上,进一步提出了正交解调算法和正切解调算法.利用LabVIEW数据流图的编程方式,编制了二次正交解调算法的软件,实现复合调制信号的数字化解调.通过仿真与实验结果,充分表明,采用二次正交解调算法对复合调制信号进行数字解调,能得到较好的解调效果.     

基于CEEMD和3点对称差分能量算子的滚动轴承故障诊断方法

为解决传统信号处理方法提取滚动轴承故障特征不精确和Teager能量算子解调信号的解调频率和幅值误差较大的问题，课题组提出一种基于互补集合经验模态分解和3点对称差分能量算子结合的轴承故障特征提取方法CEEMD DEO3S。课题组首先对滚动轴承进行CEEMD分解前进行去噪处理来增强信号的故障脉冲；然后利用CEEMD将去噪后信号分解为一系列固有模态函数，并依据相关系数原则选择最能表征故障的敏感分量，重构后进行DEO3S解调，依据解调后得到的幅值和频率计算信号的包络谱。实验分析表明：所提方法解调信号的误差更小，提取轴承故障频率更精确。     

基于变速工况稀疏调频字典的齿轮复合故障诊断

针对变转速工况下齿轮箱故障信号成分复杂、难以有效分离提取的问题,提出了一种基于时域稀疏调频字典的齿轮复合故障诊断方法。构造的调频字典考虑了时变转速信息和分布型故障机理,有利于从复杂信号中准确提取出分布型故障分量,同时大幅度提升剩余信号中冲击成分的信噪比,保证了后续局部型故障分量的重构精度。对剩余信号采用基于单位脉冲响应函数构建的冲击型字典提取局部型故障,即可完成复合故障信号的分离诊断。仿真验证了所提方法的有效性并与基于角域准平稳调制字典的重构方法进行了对比,结果表明:所提方法具有更高的幅值重构精度,并进一步验证了该方法对于复合故障诊断的有效性。     

基于小波阈值和约束独立分量分析的齿轮故障诊断研究

为在强噪声下准确利用振动信号进行齿轮故障诊断,提出了基于小波阈值和约束独立成分分析(CICA)相结合的算法。该算法首先对输入信号进行小波阈值降噪预处理,提高了输入信号的信噪比,然后基于齿轮特征频率建立参考信号,将降噪后的信号作为CICA的输入信号,利用CICA算法有效分离出齿轮故障信号,识别了故障特征。为了验证该算法的有效性,进行了仿真和实验测试信号分析,结果表明,该算法可以有效提取齿轮故障信号,实现齿轮的故障诊断。     

基于EEMD和单通道盲源分离的齿轮箱复合故障诊断研究

针对齿轮箱复合故障诊断中,多级传动相互干扰,微弱的轴承故障会被强烈的齿轮故障和噪声湮没而难以提取的问题,提出了基于EEMD和单通道盲源分离的齿轮箱复合故障诊断方法。首先利用单个加速度传感器采集齿轮箱振动信号,对采集的信号进行EEMD分解,根据峭度准则和相关系数重构IMF分量;然后应用盲源分离方法对重构的IMF分量进行求解,对分离的信号进行包络解调分析,确定出齿轮故障通道,轴承故障通道和噪声通道;最后对齿轮故障通道进行傅里叶变换,轴承故障通道进行基于谱峭度的共振解调分析,提取出信号的特征频率,完成齿轮箱的复合故障诊断。通过实验验证了该方法的有效性和可行性。     

基于共振解调模拟电路的滚动轴承早期故障检测性能研究

共振解调模拟电路是滚动轴承故障诊断中最常用的技术之一,但是其故障检测性能的定量评价研究尚未见报导。因此,分别以正弦调制和脉冲调制所构造的故障轴承振动加速度信号为电路输入,定量分析了共振解调电路在不同信噪比条件下的故障检测性能,并研究了电路中的关键设计参数——[WTBX]带通滤波器品质因数Q[WT]的调制规律,为共振解调模拟电路在轴承早期故障检测的实际工程应用提供了可靠的科学依据。     

时频联合分布算法中核函数的改进

分析了时频联合分布算法中核函数的作用。针对现有算法中存在的问题,提出了用简化的霍夫变换在平面提取信号自项成分,生成一个随输入信号变化的核函数的新算法,从而把信号自项与交叉项的分离问题转化为二值图像中过定点的直线检测问题。仿真结果表明,该方法克服了现有算法的不足,在保持信号自项的幅值正确计算的前提下,很好地衰减了交叉项。     

LAD准则下的无线传感器网络节点定位方法

多维标度算法广泛应用于无线传感器网络的节点定位。经典的MDS算法通过构造距离平方矩阵(非相似性矩阵)和进行双质心变换,在相似性空间中根据最小二乘准则进行求解。若测量噪声为高斯白噪声,经过变换后,相似性矩阵中元素的误差不再服从高斯分布,基于LS的估计不再是最优的。针对这一问题,用最小绝对值偏差准则改进MDS算法代价函数,对无线传感器网络节点定位进行研究。仿真结果表明,该方法具有良好的稳健性,比经典MDS算法具有更好的定位性能。     

基于小波包 核偏最小二乘的滚动轴承故障检测法

为了解决滚动轴承故障检测中出现的振动信号非线性问题，课题团队提出了一种基于小波包 核偏最小二乘（wavelet packet and kernel partial least squares method，WP KPLS）的故障检测方法。首先对采集到的信号进行小波包分解，将振动信号分解到独立的频段，提取不同频段的能量谱，并构建反映频谱状态改变的能量谱特征向量；再对得到的能量谱特征向量进行核偏最小二乘分析，建立故障检测模型，利用T2及SPE统计量来检测故障是否发生。实验结果表明：该方法能够较为准确地检测到轴承的内外圈故障，证明该模型是有效的。该方法综合了小波包对信号的分析优势和核偏最小二乘法在非线性情况下的数据处理优点，为解决故障检测中的非线性数据处理问题提供了一种新方法。     

基于自适应Morlet小波变换滚动轴承声学故障诊断的研究

基于声音信号的测试与分析是滚动轴承故障检测与诊断的一种新方法,提出了基于自适应Morlet小波变换诊断轴承声学信号故障的新方法。首先利用最小Shannon熵对Morlet小波的形状参数进行优化,找到与所测声音信号特征成份最匹配的小波,再对小波系数矩阵进行奇异值分解,通过奇异值与变化尺度的关系曲线得到最佳小波变换尺度,最后对滚动轴承故障信号进行Morlet小波变换进行故障特征提取。结果表明:该方法能有效地从强噪声背景下提取出轴承声学信号的故障。     

我国居民环境行为及其影响因素分析——基于CGSS2013数据

提出了一种基于模糊熵和包络分析的故障特征提取新方法。这种方法的核心是首先使用包络分析把调制的振动信号进行解调,然后计算并比较这些包络信号的模糊熵,从而实现故障的特征提取。研究表明,用这种方法提取信号特征,可以容易地将正常滚动轴承、内圈故障、外圈故障和滚子故障的信号区分。 更多还原     

基于EMD模态相关和形态学降噪的齿轮故障诊断研究

为了从齿轮振动信号中提取出包含有故障信息的特征频率,针对现有EMD(Empirical Mode Decomposition)降噪算法中的IMF重构问题,提出了基于EMD模态相关和形态学降噪的齿轮故障诊断方法。首先采用EMD将目标信号分解为若干个IMF分量之和,利用模态相关分选准则选取噪声主导分量和信号主导分量的分界点,并利用各个IMF分量的自相关函数来验证该准则的正确性;然后将选到的噪声主导分量进行形态学滤波,利用峭度准则优化形态学结构元素尺度,自适应的寻求最优解;最后将滤波后的噪声分量与剩余分量进行重构,得到滤波重构信号,通过频谱分析识别齿轮故障特征频率。仿真数据和齿轮裂纹故障实验测试数据的分析表明,该方法滤波效果理想,能更有效地提取出齿轮故障特征。     

基于MED和WMSDL的滚动轴承内圈故障特征诊断

针对滚动轴承早期内圈故障特征较为微弱，并伴随环境噪声的干扰，微弱的故障特征信息易被环境噪声所淹没的问题，课题组提出基于最小熵解卷积(MED)和加权多尺度字典学习（WMSDL)的滚动轴承早期故障诊断方法。课题组通过设置一个滤波器使故障特征信号峭度最大实现解卷积，利用WMSDL对解卷积后的信号稀疏分解后进行平方包络解调突出内圈故障特征频率。仿真分析和实例分析结果表明：解卷积后信号的信噪比明显提高，内圈冲击成分明显增强。课题组的研究可有效提取滚动轴承故障特征频率。     

基于邻域相关性小波去噪的滚动轴承包络解调及故障分类

将邻域相关性的冗余第二代小波应用于滚动轴承信号降噪,用Hilhert包络解调法提取的故障特征频率,比较不 同转速和载荷下的提取效果,提出包络幅值峭度指标,并将其输入BP神经网络进行故障诊断。结果表明：基于邻域相关 性的冗余第二代小波降噪方法能很好的抑制噪声,保留原信号的信息;降噪后的故障信号经过Hilbert包络解调能找到 特征频率及其倍频,其效果优于原始信号的包络解调分析。工况会影响分析效果,且速度对提取效果的影响大于载荷。 包络幅值峭度指标能很好区分不同工况的故障信号,结合BP人工神经网络诊断正确率为100%。     

改进奇异值分解技术在齿轮故障信号降噪中的应用

改进了奇异值分解技术,利用仿真信号验证了改进的奇异值分解技术对齿轮故障信号提取的有效性,并从实测齿轮裂纹信号和齿轮断齿信号中提取出了故障特征信号.研究表明该方法能在强噪声背景下提取出齿轮故障信号,但强噪声对提取效果有一定影响.     

某国产变速器敲击台架试验研究

变速器齿轮敲击是发生在啮合非承载齿轮上的一种齿轮冲击现象,具有瞬态跳跃声学特征,影响汽车的声学舒适性。针对该问题,以某款存在敲击噪声的手动变速器为研究对象,分析了敲击噪声的产生机理,并制定了相应的台架试验大纲,在半消声室内完成了敲击台架试验。运用主观听音和信号处理方法对试验结果进行了分析。结果表明:转速波动达到输入转速的4.28%时出现齿轮敲击噪声,发生敲击后变速器近场噪声上升3~5 dB,壳体振动加速度幅值也会出现明显的上升趋势。最后通过对不同测点壳体振动速度信号和噪声声压信号的相干分析,得到了各挡位下变速器敲击噪声的组成成分及比例。     

基于随机共振的齿轮箱早期故障诊断研究

随机共振在微弱故障诊断中相对线性系统具有明显优势，能显著增强信号的信噪比。将随机共振与共振解调相结合来检测齿轮箱的早期裂纹故障，首先通过带通滤波选取共振频带，然后通过Hilbert进行解调，最后采用归一化方法调节随机共振的系统参数得到故障特征输出。对仿真信号和QPZZ Ⅱ齿轮故障系统实测数据的处理结果表明，该方法与传统共振解调相比具有明显优势，为齿轮箱故障诊断提供了一种更为有效的途径。