基于LCD和Teager能量算子的滚动轴承故障诊断

提出了一种基于局部特征尺度分解和Teager能量算子包络解调的滚动轴承故障诊断方法.首先,在定义具有物理意义瞬时频率的单分量信号——内禀尺度分量(intrinsic scale component,ISC)的基础上介绍了一种全新的信号自适应分解方法——局部特征尺度分解(local characteristic-scale decomposition,LCD).然后,在滚动轴承故障模拟试验台上采集振动信号,并对信号进行局部特征尺度分解,将其分解成为若干个内禀尺度分量,之后对包含故障信息的ISC进行能量算子包络解调,从而得到轴承故障的特征频率.实验和工程实践的轴承故障信号分析结果表明:该方法可以准确识别滚动轴承的故障,可以应用于工程实践.

基于牛顿插值的局部特征尺度分解方法及应用

局部特征尺度分解(local characteristic-scale decomposition,LCD)方法是最近新提出的一种先进的自适应时频分析方法。由于LCD方法中均值曲线插值点的属性主要由相邻两同类极值点的属性决定,不能很好地体现数据的整体变化趋势,从而可能引起分解精度降低。根据上述问题,提出了基于Newton插值的局部特征尺度分解(newton interpolation based local characteristic-scale decomposition,NILCD)方法。该方法采用Newton插值取代LCD中的线性插值,均值曲线的插值点由相邻的三个同类极值点构成的Newton插值多项式计算产生,改进LCD。通过仿真信号将NILCD与LCD方法进行分析对比,结果证实了NILCD在提高分量正交性和精确性等方面具有一定的优越性。并将NILCD方法应用于转子碰摩故障的诊断,实验结果表明了新方法的有效性。

自主致密局部特征尺度分解方法及其应用

针对局部特征尺度分解(LCD)的模态混叠问题,提出了自主致密局部特征尺度分解(ACLCD)方法。该方法通过确定待分解信号的最小信号极值尺度来度量其信号尺度,采用新增伪极值点均匀化信号尺度,可有效抑制模态混叠的产生;引入了最优致密系数的概念,并给出了最优致密系数评价准则。研究了ACLCD方法的原理,通过仿真信号将ACLCD与LCD和EMD进行分析对比,结果表明,ACLCD在提高分量精确性和正交性、抑制模态混叠等方面具有一定的优越性。将ACLCD方法应用于转子碰摩故障的诊断,结果表明该方法有效。

基于BLCD和双谱的齿轮故障诊断方法

对固有时间尺度分解(Intrinsic Time-scale Decomposition,简称ITD)方法进行了改进,提出了基于B样条的局部特征尺度分解方法(B spline-based Local Characteristic-scale Decomposition,简称BLCD),在此基础上将BLCD与双谱相结合应用于齿轮故障诊断。首先将BLCD方法和ITD方法进行对比分析,验证BLCD方法的优越性。然后采用BLCD方法将齿轮振动信号进行分解,得到若干个ISC分量(Intrinsic Scale Component,简称ISC),再对ISC分量进行双谱分析,通过双谱中峰值个数及其所处的位置来判断齿轮是否发生了故障。实验数据的分析结果表明,基于BLCD和双谱的齿轮故障诊断方法能有效地应用于齿轮的故障诊断。

基于微分算子的局部特征尺度分解方法及其应用

针对局部特征尺度分解(LCD)方法在目标信号所含频率分量较接近时分解能力降低,易出现模态混淆现象,从而导致内禀尺度分量失去原有物理意义的问题,提出了基于微分算子的局部特征尺度分解(DOLCD)。DOLCD在对目标信号进行分解前,先将目标信号进行一阶微分,则在频率比一定的情况下,可提升分解能力及抑制模态混淆能力。研究了DOLCD方法的原理,通过仿真信号模型将DOLCD与LCD的分解能力进行对比分析,结果表明,DOLCD方法在提高分解能力,抑制模态混淆等方面具有一定的优越性,并将DOLCD方法应用于转子不对中故障的诊断,结果表明该方法有效。