基于AMD和自适应随机共振的旋转机械故障诊断方法研究

针对强噪声背景下信噪比较低的旋转机械故障诊断问题,提出一种基于解析模态分解(AMD)和随机共振的旋转机械故障诊断方法。若信号的频率成分已知,AMD方法能将多频率成分的信号分解为单频率信号。对于可预知故障特征频率的旋转机械故障诊断,首先利用AMD方法提取振动信号中故障特征频率所在频段的信号,并对每个提取出的信号添加强度较低的噪声;然后利用粒子群算法优化的双稳随机共振对含噪信号进行处理来加强信号;最后求该信号的频谱,若频谱中含有故障特征频率,则说明振动信号中存在该故障。通过对滚动轴承故障信号特征的提取证明了该方法有良好的效果。

基于解析模态分解的机械故障诊断方法

针对旋转机械故障诊断问题,提出了一种基于解析模态分解(AMD)的旋转机械故障诊断方法。只要知道信号的频率成分,AMD方法就可以将含不同频率成分的信号分解为单频率信号,尤其能够分解有紧密间隔频率成分的信号。对于可预知故障特征频率的旋转机械的故障诊断,可利用AMD方法提取机械振动信号中故障特征频率所在频段的信号,并求该段信号的频谱,若频谱中含有故障特征频率,则说明机械振动信号中存在该故障。通过对滚动轴承故障信号和转子不对中故障信号的分析以及和经验模态分解(EMD)方法的对比,证明了AMD方法的有效性,且AMD方法比EMD方法更快速、准确。

基于AMD-HHT的非平稳信号紧密间隔频率检测

针对希尔伯特-黄变换方法不能识别具有相近频率的非平稳信号(两个频率之间的比值小于1.5)的问题,提出一种解析模态分解法(AMD)与希尔伯特-黄变换(HHT)结合的非平稳信号紧密间隔频率检测新方法。由于AMD方法需要确定信号里的各个频率成分,因此,首先通过EMD对信号进行分解,再利用希尔伯特变换得到信号的频谱并经过处理得到各个频率值。利用AMD方法提取各个不同频率成分的信号,并用该方法对信号进行分解,判断该频率成分是否由于含有多个相近频率成分而没有被分解,如果含有相近频率成分,则用AMD方法将其分解为单频率分量信号。仿真结果表明,该方法解决了希尔伯特-黄变换不能有效分离两个相近频率信号的问题,保证了信号有效数据的正确分解,提高了信号的分解精度。通过对滚动轴承故障信号的分析证明该方法有良好的效果。

基于AMD的经验模态分解含间断信号模态混叠消除方法

针对在经验模态分解筛选过程中间断信号引起的模态混叠问题,提出了一种基于解析模态分解的经验模态分解模态混叠消除新方法。利用第1个固有模态函数的瞬时频率特性得到其频率成分及二分频率,且能实现对间断信号的定位,然后再采用解析模态分解方法分离出间断信号,再对处理后的信号进行经验模态分解,从而消除该间断信号的影响。仿真分析和工程应用的结果表明,该方法能有效消除间断信号在经验模态分解过程中引起的模态混叠现象。