EMD全矢谱技术及其在滑动轴承故障诊断中的应用

针对基于单源信息的EMD故障诊断的局限性和根据传统全矢谱分析故障的缺点,提出了基于EMD的全矢谱故障特征提取新方法。该方法对采集于同一截面上的互相垂直的两个传感器上的振动信号,运用EMD将其分别分解为若干IMF分量之和。根据IMF频率及其能量特点,通过全矢谱技术融合特定的IMF分量,得到基于EMD的全矢谱,进而进行故障诊断。仿真结果显示,该方法获取的故障特征更全面、准确。某额定功率为3000k W的TRT发电机组轴瓦振动故障诊断结果进一步表明了该方法的可行性和有效性。

全矢谱体系兼容性关键技术研究

基于全矢谱分析技术的理论,对全矢谱体系进行了深入研究。探究全信息分析与传统常规分析之间的内在联系,使之可以相互兼顾。进行了全矢谱体系在计算方面,图谱表达方面及诊断规则方面的兼容性问题的研究。在研究探索崭新故障分析诊断分析方法时,建立全矢谱体系与传统方法之间的联系,对基于单源信息的分析方法的诊断经验和诊断规则进行了调查,对全矢谱分析这种新方法的推广,应用和普及具有重要的现实意义。表明全矢谱分析对于旋转机械故障诊断是一种非常实用的分析工具。

基于全矢谱核函数主元分析的旋转机械故障诊断方法研究

结合全矢谱和核函数主元分析的各自优点,提出了一种基于全矢谱核函数主元分析的旋转机械故障诊断新方法。该方法充分利用了全矢谱提取回转信息的完整性和全面性,同时又利用了核函数主元分析具有处理非线性问题的能力。提出的方法与传统的核函数主元分析方法进行了对比,试验结果表明提出的方法是有效的,非常适合提取旋转机械故障的非线性特征,并能很好的进行旋转机械的故障模式识别。

基于全矢谱的旋转机械谱强度预测技术研究

针对旋转机械单源振动信号信息具有不完善性的缺陷,基于数据融合思想,将全矢谱技术与时间序列预测技术相结合,提出了基于全矢谱技术和时间序列技术的预测方法,并给出其运算方法。实验表明,该方法能够全面、准确地反映机械运转状态的发展趋势,是一种准确、有效、实用的旋转机械状态预测方法。

基于全矢谱和动态支持向量数据描述的滚动轴承故障诊断研究

传统的单通道信号分析容易造成信息缺失和诊断结论不一致等问题,这些问题可由全矢谱分析技术来解决。动态支持向量数据描述算法是对传统支持向量数据描述的改进算法,它的分类边界随着被测样本数的不断增加而不断更新,具有自学习能力。将全矢谱分析技术与动态支持向量数据描述算法相结合而提出全矢谱动态支持向量数据描述(vector spectrum dynamic support vector data description,VSDSVDD)的故障诊断新方法。运用全矢谱技术对数据进行处理,并提取特征矢量,作为VSDSVDD的输入参数,建立起分类模型即可以对机器运行状态进行分类。实验表明,该方法具有很好的分类准确性。

全矢谱技术在轴振与瓦振信号处理中的应用

建立了转子-滑动轴承-基础动力学分析模型,利用全矢谱技术分析了转速对轴振和瓦振以及轴振与瓦振比例关系的影响程度。结果表明,在刚性转子条件下,瓦振与轴振椭圆轨迹随转速变化较为相似;而在柔性转子条件下,两者主振矢之比和副振矢之比随转速变化更为相似。该结论为全矢谱技术在轴振与瓦振信号处理中的应用提供了理论参考。

基于全矢谱的旋转机械回转相位及应用研究

研究了旋转机械故障诊断中转子截面相互垂直两个同频信号的相位差信息,揭示了相互垂直两个信号的不同相位差对应不同的合成运动轨迹图形,推导出全矢谱分析理论中初相位的角度大小,并由初相位绘制出双截面、多截面转子的空间振形,最后通过实例将全矢谱理论结合转子空间振形和初始相位差信息应用到旋转机械不平衡故障分类中。结果表明:由初相位绘制的空间振形图可以有效地区分旋转机械不平衡故障中发生的具体形式,提高了故障诊断的准确性。

全矢谱技术在齿轮故障诊断中的应用

以齿轮传动系统为研究对象,针对转子振动信号的信息源不足问题,采用全矢谱技术的信息融合分析方法,更真实、可靠地反映出齿轮的振动特征,实现齿轮故障诊断的信息全面和高分辨率的特点.

基于全矢谱的模糊综合评判方法研究

基于数据融合思想,将全矢谱技术与模糊综合评判方法相结合,提出了全矢—模糊综合评判方法,给出其定义及算法,并通过实验证明了该种方法能够全面、正确的反映机械故障类型,是一种有效、实用的旋转机械故障诊断方法。

基于全矢谱和径向基概率神经网络的旋转机械故障诊断方法研究

结合全矢谱和径向基概率神经网络的优点,提出一种故障诊断的新方法,该方法是以提取全矢幅值谱的特征输入到径向基概率神经网络分类器进行故障识别。试验结果表明,该方法与传统单通道相比故障正确识别率很高,把它应用于旋转机械故障诊断是有效的。

基于全矢谱的矢振比在旋转机械故障诊断中的应用

将全矢谱理论和矢振比应用于旋转机械不平衡故障诊断中,可区分工频下的不同故障,提高故障诊断的准确率。

全矢谱技术在WTDS实验台故障诊断中的应用

针对如何准确地诊断风力发电机齿轮箱故障的问题,从全矢谱技术理论分析着手,在处理风力涡轮机动力传动故障诊断综合实验台实验数据的过程中,全面介绍全矢谱技术的应用方法.实验结果表明,基于同源信息融合的全矢谱技术在风力涡轮机动力传动故障诊断综合实验台上,能正确地找到预设的故障位置,并准确地判断出故障性质.

全矢谱及其新方法在旋转机械故障中的应用

介绍了全矢谱分析技术的思路,研究了全矢谱分析技术与旋转机械回转信号之间的理论关系,导出了全矢谱分析基于复合信号的理论计算公式及简洁数值算法,并将其应用于实际故障诊断中,且对全矢谱理论图谱多方面研究,提出新的面积图谱表达法。研究与应用表明:全矢谱分析能够清晰处理转子正反进动之间的关系,可识别转子的回转强度,表明全矢谱分析对于旋转机械故障诊断是一种非常实用的分析工具。

用于全矢谱分析的多通道信号采集系统

以全矢谱分析应用为基础,针对当前信号采集系统在信息同步性上的不足,采用ARM处理器和Windows CE嵌入式系统的搭配,开发一种新型的多通道同步信号采集系统,介绍了系统的工作原理,设计了数据采集系统的硬件选型与连接,及软件平台的总体架构。系统的开发为机械故障诊断的全矢谱分析提供了有力支持,具有很好的应用价值。

一种新的旋转机械信号分析方法瞬态全矢谱图

旋转机械启停机分析是了解系统动态特性、进行故障分析与诊断的重要手段之一。针对传统瞬态信号分析方法(Bode图、极坐标图、坎贝尔图等)存在的不足,根据全矢谱分析技术提出了一种新的瞬态分析图谱——瞬态全矢谱图。通过分析一转子实验台的启机数据,阐明了瞬态全矢谱图与传统Bode图相比具有分析系统临界转速唯一、判断临界区准确、提供的参考信息更全等优点。

全矢谱在风力发电系统齿轮箱的故障诊断的应用

在风力发电系统中的各种设备故障诊断系统中,传统的故障诊断具有诊断复杂,排除困等特点,基于全矢谱的齿轮箱诊断是一种新型的方法。本文首先研究了风力发电系统中的齿轮箱在系统负荷、电路故障、及信号特性等方面的特性。在此基础上提出了同源信号的故障信息融合方法,并将全矢谱技术运用于风力发电系统齿轮箱故障监测中。

基于全矢谱的风力发电系统齿轮箱的故障诊断

介绍了风力发电齿轮箱系统变载荷、低转速、工况复杂的运行特点,阐述了风力发电系统齿轮箱的主要故障特征,针对旋转机械单源振动信号信息具有不完善性的缺陷,提出了基于同源信息数据融合的思想,将全矢谱技术应用于风电齿轮箱的故障检测方法。结合北方某风电场19#风机齿轮箱故障检测的实例,将全矢谱技术应用于诊断实例且得到了正确的诊断结果,证实了将全矢谱技术应用于风电齿轮箱检测中是准确、有效、实用的旋转机械故障诊断方法。

基于全矢谱时间固有尺度分解和独立分量分析盲源分离降噪的滚动轴承故障特征提取

结合盲源分离技术和全矢谱技术的各自优势,提出一种同源双通道信噪盲源分离法。首先采用时间固有尺度分解(ITD)和独立分量分析(ICA)相结合的分析法降噪,对同源双通道的轴承信号进行ITD分解,根据相关系数准则将分解得到的PRC分量进行重组作为ICA输入矩阵,再采用FastICA解混,实现故障信号与噪声信号的分离;其次采用全矢谱技术对信噪分离降噪后的双通道有效分量信号进行全矢信息融合,做全矢谱分析。滚动轴承故障实验对比分析表明了该方法的有效性。

全矢谱和稀疏分解结合的轴承故障特征提取

针对滚动轴承在故障早期特征信号微弱、故障特征提取困难以及单通道分析方法信息利用不充分等问题,提出了一种基于稀疏分解与全矢谱相结合的滚动轴承早期微弱故障特征提取方法。首先,在已构造的冗余字典基础上对滚动轴承同源双通道早期故障信号分别进行稀疏分解,得到各自的稀疏信号;然后,将同源双通道稀疏信号进行全矢信息融合;最后,对融合后的信号进行包络解调分析,以提取出故障特征频率。该方法将全矢谱拓展到早期微弱故障诊断领域,并通过实验验证了其在早期微弱故障特征提取方面的有效性。

基于全矢谱和Hilbert包络解调的滚动轴承故障诊断

提出一种滚动轴承故障诊断新方法——全矢Hilbert包络解调谱分析。Hilbert变换对于滚动轴承故障信号有良好的调制解调效果,但单依赖传统的单通道信号会产生信息遗漏,对诊断的准确性造成影响,基于同源双通道信息融合的全矢谱技术,能够更加全面、准确地反映设备振动特性。将全矢谱技术与Hilbert解调相结合,并进行滚动轴承外圈故障的诊断实验,证实了全矢Hilbert包络解调谱分析的有效性和先进性。