遗传算法优化变分模态分解在轴承故障特征提取中的应用

针对变分模态分解(Variational Mode Decomposition,VMD)过程中模态分量个数和惩罚参数大小依赖先验知识,单一或顺序优化单一参数可能导致局部最优的问题,提出以包络熵和包络峭度因子作为适应度函数,利用遗传算法全局寻优的特点,对VMD的模态分量个数和惩罚参数组合进行优化。通过最优参数组合下的VMD对信号进行分解,可以获得多个本征模态分量(Intrinsic Mode Function,IMF),选择适应度函数最小IMF分量作为有效IMF分量进行包络解调,从中提取轴承信号的故障特征频率。对多种轴承故障类型信号进行分析并与其他方法对比,结果表明所提方法能有效提取轴承故障特征,有助于实现微弱故障条件下轴承故障特征频率的准确提取。

基于改进Autogram的滚动轴承故障诊断

针对Autogram以无偏自相关峭度指标选取解调频带时易出现不准确、故障诊断困难的问题,将平方包络负熵引入Autogram中,结合平方包络负熵受噪声影响小且能衡量周期冲击成分的优点,提出一种采用平方包络负熵指标选取最优解调频带的改进Autogram方法.首先采用最大重叠离散小波包变换(MODWPT)对轴承振动信号进行频带分解,再计算每个频带信号的平方包络负熵,将平方包络负熵最大的频带作为最优解调频带,最后通过分析最优解调频带平方包络谱的频率成分来诊断轴承故障类型.将轴承故障实验信号分析结果与Autogram、快速谱峭度方法对比,结果表明,改进Autogram方法在解调频带的选取上更为合理,所提取的故障特征频率更明显,轴承故障诊断更准确.

基于自适应极值的白光干涉信号解调算法研究

针对传统时域解调算法等光程点定位稳定性差、抗干扰能力弱,而频域解调算法效率低且部分方法受扫描采样步长限制等问题,课题组提出一种基于自适应极值的白光干涉解调算法。从干涉信号统计学规律出发,通过对干涉信号包络曲线加权平均,将它修正为高斯型包络曲线;然后,通过对包络曲线高斯拟合插值得到等光程点,进而得到测量方向的深度信息以及三维形貌;最后,以高度为20μm标准台阶样块为测量对象进行多次实验。结果表明:与传统算法相比,课题组所提出算法的测量重复性和精度均有显著提升。该算法为白光干涉中信号解调提供了一种重复性更好、误差更小的方法。

基于数据驱动的柱塞泵冲击信号分离模型研究

针对多缸体柱塞泵冲击信号难以分离且机械故障判断困难的问题,提出了基于数据驱动的柱塞泵冲击信号分离模型。模型根据谱峭度最大原则对原始信号进行自适应带通滤波处理,根据二次包络谱峰值结合最优谐波能量和算法自动搜索柱塞泵的转速数据,根据转速对柱塞泵的单次循环大周期进行分割,以提取每个大周期内的各个密封阀单次冲击信号;判断每次单个冲击的起始时刻,设计周期时变滤波器组,对原始信号进行滤波处理,得到单一缸体的冲击信号,并计算相应的特征指标;采用实际柱塞泵振动数据对模型的准确性进行了验证。结果表明:对于具有明显冲击的三缸泵振动信号,采取分离模型分析出其转频为3.7566 Hz,信号周期为5.12 s,设计出6个周期时变滤波器组对原始信号进行处理,实现了每个密封阀的冲击信号的有效分离,便于后续对每个阀体进行独立监测和诊断分析。研究结果可为多源冲击信号的分离提取提供技术支持以及参考依据。

基于包络解调分析法的数控车床镗孔振纹分析与改进

针对数控车床镗孔表面振纹问题,文章采用由简至繁的原则,初步确定振纹故障来源,并利用卡盘浮动支撑工装来间接提高主轴刚性和缓解刀纹的深度,排除加工振纹与主轴关联;利用包络解调分析法,通过LC-810型振动信号采集分析仪对主轴前端和后端振动信号进行采集,均值分别在22.37 Hz、45.94 Hz;与NN3048和NU1038轴承故障特征频率22.127 Hz、44.792 Hz相近。通过轴承拆卸和镗孔实验,验证了包络解调分析法在轴承故障辨识的有效性。实验结果表明:NN3048轴承滚动体和NU1038轴承外环磨损是导致切削振纹的故障源,理论方法故障辨识结果与拆卸实验辨识结果一致。

风电机组齿轮箱行星轮局部齿面剥落故障诊断

为了提升风电机组传动链的预测性维护效果,行星轮系早期故障的准确诊断显得尤为重要。针对行星轮系故障特征的提取与分析,采用快速谱峭度(fast spectral kurtosis,FSK)和包络解调等方法,探索有效的故障诊断途径。通过对振动信号进行快速谱峭度分析和包络解调处理,成功提取了关键的故障特征。分析结果显示,不同时间点的频率成分变化揭示了故障的发展过程,即故障从齿圈的初始特征逐渐演变为行星轮的特征,最终发生某行星轮齿面的剥落。在这一过程中,齿圈的局部故障特征频率和行星架自转频率成分的明显变化为故障发展提供了重要线索。基于故障特征的演变情况,提出在故障发生前第34天进行预警,即行星轮转频成分分布增加,以便及时采取维修措施,防止故障进一步恶化。研究结果可为行星轮系的早期故障诊断提供一种有效方法,并为故障预警提供理论支持。

一种AM信号解调方法的研究

实际应用中对于调幅波(AM)信号的解调不仅是要无失真地恢复出原始调制信号,还要能监测调幅度即调幅系数等参数。因此,阐述了一种AM信号解调的方法,对于AM信号的解调考虑到后续对于调制方式的识别和调幅系数的测量等,采用超外差方式中的下变频式,可将500 kHz~35 MHz载频的AM信号混频至中频100 kHz后经过检波放大电路不失真地解调出原始调制信号,调制信号频率范围在1~20 kHz。该方法由硬件模块实现,具有电路简单、调试方便和可扩展性强等优点,经过实际测试获得了良好的效果。

基于集成经验模态分解和峭度准则的滚动轴承故障特征提取方法

为实现滚动轴承故障的精确诊断,提出一种基于集成经验模态分解(ensemble empirical mode decomposition,EEMD)与峭度准则的包络解调方法。该方法首先利用EEMD将振动信号分解,然后利用峭度最大准则选取EEMD分解后的本征模函数(intrinsic mode function,IMF),将该本征模函数进行包络解调从而获得滚动轴承的故障特征信息。该方法可以有效抑制经验模态分解(empirical mode decomposition,EMD)中的模态混叠问题,同时还避免了共振解调方法中中心频率及滤波频带的选取,具有良好的自适应性。利用该包络解调方法对实际滚动轴承发生内圈、外圈故障进行了分析,证明了该方法可以有效地提取滚动轴承故障特征信息,能够实现滚动轴承故障的精确诊断。

基于阶次包络谱的轴承故障诊断研究

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,在此基础上利用Hilbert包络解调得到轴承故障信息的阶次包络谱。结果显示阶次包络谱分析法在处理轴承转速变化信号的优越性: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,对轴承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。

机械故障诊断中常用解调方法的比较及应用

在介绍了解调在机械故障诊断中应用的基础上 ,对基于Hilbert变换的包络解调法和检波解调法的原理及实现方法进行了比较 ,并且给出了用包络解调法对滚动轴承进行诊断的实例 ,取得了满意的效果。

基于信息熵优化变分模态分解的滚动轴承故障特征提取

针对变分模态分解(Variational Mode Decomposition,VMD)的参数需事先人为确定的问题以及如何选取包含故障特征信息的本征模态分量(Intrinsic Mode Function,IMF)的问题,提出了基于信息熵的参数确定方法和基于信息熵的IMF选取方法。该方法首先对原始故障信号进行变分模态分解,通过信息熵最小值原则对其参数进行优化,获得既定的若干IMF分量;在优化参数时获得信息熵最小值所在的IMF,选取其为有效IMF分量进行包络解调分析,提取轴承故障特征频率。通过轴承仿真信号和实际数据分析,表明该方法能够提取滚动轴承早期故障信号的微弱特征,并实现故障的准确判别。

一种基于谱峭度的异步电机故障诊断方法

异步电机故障时,故障信号往往是低频信号且故障不明显;若形成复合故障,故障信号之间非线性耦合,导致频谱非常复杂。针对上述问题,本文提出了以时频分析的谱峭度法为基础,结合Hilbert包络解调的新方法。Hilbert包络解调,得到包含故障的特征信息的低频包络信号,突出和分离了故障特征信息;时频分析的谱峭度法根据峭度最大化原则自动确定带通滤波器参数,对含噪信号进行滤波;最后通过频谱分析可以对故障的特征频率快速有效的识别。本文还分析了负载的变化对不同类型的电机故障的影响。通过实验和实际的工程信号验证了在不同的噪声强度、不同负载的情况下,该法对于单一故障或是复合故障均有效。

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。

采煤机摇臂齿轮传动系统振源定位分析方法

为了研究采煤机摇臂传动齿轮的振动分析方法并进行实机振源定位验证,首先,采用小波分析对采煤机摇臂振动信号进行降噪处理和频谱分析,依据特征频率下的振幅结果确定故障齿轮的啮合频率;然后,通过Morlet小波包络解调分析获取边频带信号频谱特征,依据边频带特征频率下的振幅结果确定故障齿轮的转动频率;最后,对频谱分析和Morlet小波包络解调分析的结果进行综合分析,锁定故障齿轮的准确位置。对一台国产采煤机摇臂齿轮传动系统进行了振动测试与信号分析,结果表明,基于小波分析、频谱分析和Morlet小波包络解调分析相结合的振动分析方法可以实现对采煤机摇臂故障齿轮的准确定位,为强噪声环境下复杂齿轮传动系统的故障快速定位和现场定点维修提供了方法支持。

基于第二代小波的复合故障诊断方法研究

针对转子不平衡故障和滚动轴承微弱损伤性故障的复合故障诊断问题,提出基于第二代小波的故障诊断方法,进行了复合故障的耦合特征分离和轴承损伤性故障早期微弱信号的特征提取研究。该方法首先应用第二代小波分解与重构原始信号进行信号分解与重构;然后针对分解与重构出的高频共振调制信号进行基于经验模式分解(empirical mode decomposition,EMD)的解调分析,以准确提取调制故障特征;最后针对低频段信号进行频谱分析提取低频非调制故障特征。仿真信号、实验信号及工程实例信号的研究结果表明,该方法能够提取轴承损伤性故障的早期特征。

滚动轴承故障信号的数学形态学提取方法

基于非线性数学形态变换的概念设计了形态非抽样小波变换算法,通过构造信号分解算子和结构元素,经过多尺度形态小波分解既能够平滑噪声又提取了信号中的故障特征成分。分别对模拟信号和实验数据进行分析处理,结果均表明该方法对信号冲击特征的提取是有效的。最后通过与包络解调分析方法的对比,说明了形态非抽样小波变换对滚动轴承故障特征的提取效果更明显。由于形态非抽样小波变换算法只涉及加减和取极大、极小运算,运算简单,执行高效,非常适于滚动轴承故障的在线监测和诊断。

行星齿轮箱故障诊断的幅值解调分析方法

齿轮故障的调幅调频效应以及振动传递路径的变化使得行星齿轮箱振动信号频谱具有复杂的边带结构。调幅部分包含齿轮故障信息。为了简化诊断分析,根据行星齿轮箱振动信号的调幅特点,提出了幅值解调分析方法。推导了包络谱的解析表达式,总结归纳了太阳轮、行星轮和齿圈故障振动信号包络谱的频率结构特点。通过行星齿轮箱故障实验信号分析验证了上述理论分析结果,基于包络谱诊断出了太阳轮、行星轮和齿圈的局部损伤故障。

基于Hilbert变换的包络解调法在鱼雷电磁引信中的应用

分析了鱼雷电磁引信的目标信号及其低频调制包络的特性,阐述了Hilbert变换的原理,提出了一种基于Hilbert变换的包络解调法并对其解调原理进行了推导。在Matlab/Simulink环境下,对上述的包络解调法应用于电磁引信目标信号的解调进行了仿真。结果表明,相比传统的电磁引信检波方法,Hilbert变换法具有解调输出信号波形失真小和解调稳定性高的优点。

基于Morlet组合小波的梳状滤波与包络检波方法

提出一种基于Morlet组合小波的梳状滤波和包络检波方法。梳状滤波在间隔的几个故障调制频率下进行窄带滤波,抑制噪声的能力强;Morlet组合小波构造简单,计算量小,仅改变组合小波的部分参数就可获得良好的滤波效果,方便灵活、适应能力强;Morlet组合小波的实部和虚部分别相当于一个零相移滤波器和一个90°相移滤波器,信号经小波变换后直接满足包络检波条件。工程应用结果表明:该方法对机械振动信号的滤波和包络检波一步到位,与故障特征频率相对应的包络谱谱峰清晰可见,适用于旋转式或往复式运动机械系统的故障诊断。

基于广义解调时频分析的包络阶次谱在齿轮故障诊断中的应用

提出了基于广义解调时频分析的包络阶次谱方法,并将它应用于齿轮瞬态信号的分析。广义解调时频分析是一种新的时频分析方法,它可以将多分量的信号分解为若干个具有物理意义的单分量信号的瞬时频率,每个单分量信号可以是调幅-调频信号,因此非常适合处理多分量的调幅-调频信号。而当齿轮发生故障时,其启停过程中的振动信号恰巧表现为多分量的调幅-调频特征。在基于广义解调时频分析的包络阶次谱方法中,首先采用广义解调时频分析方法将多分量的齿轮振动信号分解为若干个单分量信号,其次对各个单分量信号进行包络分析,然后对包络信号进行角域重采样,最后对重采样后的信号进行频谱分析,得到包络阶次谱,从而判断齿轮的工作状态。采用该方法分别对仿真和实验信号进行了分析,结果表明了该方法的有效性。