基于多尺度形态滤波和递归求差的冲击特征自适应分离方法

针对故障诊断中的耦合冲击特征提取和分离难题,提出了一种基于多尺度形态滤波(multiscale morphological filtering, MMF)和递归求差的冲击特征自适应提取与分离方法。首先,利用能量幅值(energy amplitude, EA)指标和频响特性分析,从典型组合算子中筛选出适合冲击特征分离的组合形态滤波-帽变换(combination morphological filter-hat transform, CMFH)算子;其次,利用CMFH形态学算子和加权谐噪比(weighted harmonic to noise ratio, WHNR)指标实现周期性冲击特征提取;然后,利用求差增强技术(strengthen operate subtract operate, SOSO)抑制谐波干扰和白噪声,进一步增强周期性冲击特征;最后,通过迭代求差思想构造循环滤波器,对周期性冲击特征进行多尺度提取与分离。仿真数据和牵引电机轴承故障数据分析结果表明,该方法在随机冲击、谐波干扰下的周期性冲击提取能力优于最大二阶循环平稳盲解卷积(maximum second order cyclostationary blind deconvolution, CYCBD)方法和经典谱峭度方法。

S变换用于滚动轴承故障信号冲击特征提取

为从低信噪比的滚动轴承故障信号中提取出冲击特征,以便于进行轴承故障诊断,引入S变换的信号处理方法。以短时傅里叶变换(short-time Fourier transform,简称STFT)以及连续小波变换(continuous wavelet transform,简称CWT)为理论基础,分别推导得出了连续S变换的定义式,并利用快速傅里叶变换(fast Fourier transform,简称FFT)实现S变换离散化计算。S变换克服了STFT时频分辨率固定的缺点,弥补了CWT缺乏相位信息的不足。仿真信号研究表明,S变换在信号整个频带上具有良好的时频分辨率和时频聚集性,能够提取低信噪比信号中的冲击特征,且性能优于STFT和CWT。最后对一组实际的滚动球轴承故障振动信号进行S变换处理,结果表明,S变换能够方便有效地从中提取出周期性的冲击特征,从而指导滚动轴承相关故障的诊断。

S变换时频谱SVD降噪的冲击特征提取方法

为了从滚动轴承故障振动信号中提取出冲击特征,以进行轴承故障诊断,提出基于S变换时频谱奇异值分解(SVD)的信号降噪方法。S变换是一种信号时频表示方法,适合于处理与分析非平稳的冲击特征信号。在SVD降噪过程中,数据矩阵由信号的S变换谱系数构成;奇异值序列的置零阈值位置坐标可由奇异值差分谱最前面部分峰值群的最后一个峰值点序号来确定。最后对降噪的数据矩阵进行S逆变换,获得信号的时域冲击特征。仿真研究表明,基于S变换时频谱的SVD降噪方法可以成功地从低信噪比信号中提取出周期性的冲击特征。将本方法用于处理与分析滚动轴承故障振动信号,根据所提取出的冲击特征出现频率,能够方便有效地实现轴承相关故障的诊断。

基于S变换谱阈值去噪的冲击特征提取方法

提纯旋转机械设备故障振动信号中的冲击特征,可以有效地实现相关故障的诊断。利用S变换适合于处理冲击特征信号的特点,提出基于S变换谱阈值去噪的冲击特征提取方法。先将信号进行S变换,得到其时频谱。考虑到此S变换谱为一复数矩阵,故而根据谱系数的模值大小进行阈值去噪。去噪过程中分别采用了基本的硬阈值函数和软阈值函数。对于最优阈值的估计,以所提出的改进风险函数为评价标准,利用步长迭代算法在零到系数最大模值的区间内获取。最后将去噪后的时频谱进行S逆变换,重构得到时域冲击特征。仿真信号与滚动轴承故障振动信号的处理结果表明,利用所获取的最优阈值,S变换谱阈值去噪方法能够从噪声混合信号中提取出冲击特征,从而实现相关故障的诊断。

基于MED和Morlet连续小波消噪的冲击特征提取方法

在滚动轴承疲劳损伤产生的初始阶段,由于振动传递路径的复杂性和强噪声的作用致使微弱损伤信息被掩盖。为了提取局部损伤所激励的冲击信号,提出一种最小熵盲反卷积(minimum entropy deconvolution,MED)和Morlet小波相邻系数消噪相结合的检测方法。以峭度指标为优化目标的最小熵盲反卷积可以高效消除传递通道的影响,增强冲击特征,结合Morlet小波相邻系数收缩策略提出改进消噪算法提高对局部特征的精细刻画能力,进一步抑制了高斯成分的干扰,从而实现在反卷积输出信号中检测微弱冲击成分。仿真和实验结果显示,用最小熵盲反卷积和改进Morlet小波相邻系数消噪技术提取振动加速度信号中的周期性冲击特征是可行的。

基于EWT奇异值与支持向量机的往复机械冲击特征分析方法研究

以柴油发电机组传动系统为研究对象,通过经验小波变换(EWT)的方法获得其本征模式函数的奇异值,将该奇异值作为特征向量结合支持向量机(SVM)进行分类,从而实现柴油发电机组的故障识别。

强背景噪声振动信号中滚动轴承故障冲击特征提取

针对机械早期故障引起的冲击特征微弱,易受强背景信号和噪声的干扰而难以提取的问题,提出一种奇异值分解(Singular Value Decomposition,SVD)差分谱与S变换相结合的微弱冲击特征提取方法。将原始信号构造成Hankel矩阵,采用SVD对重构矩阵进行分解;利用奇异值差分谱确定降噪阶次进行降噪;采用S变换对降噪后的信号进行时频分析,提取信号中的微弱冲击特征信息。通过数值仿真和实际轴承故障数据的对比,表明该方法可有效辨别轴承振动信号中故障引起的早期微弱冲击特征,为轴承故障诊断提供先验信息。

滚动轴承外圈剥落故障双冲击特征机理建模

基于Hertz理论,从滚动轴承系统内部运动状态出发,充分考虑缺陷出现后因材料剥落而引入的额外间隙,及滚动体通过损伤时的弹性接触过程与损伤对赫兹接触刚度的影响,并获取滚动体与滚道间的弹性变形曲线。通过构建相应的时变位移函数与时变接触力增量函数,并将两者与二自由度正常轴承动力学模型相结合,建立了滚动轴承外圈剥落故障双冲击特征机理模型,利用四阶变步长龙格-库塔数值积分法对轴承外圈滚道局部缺陷进行动力学仿真及双冲击特性分析,仿真结果与试验信号的处理结果基本吻合。

自适应TQWT滤波器算法及其在冲击特征提取中的应用

微弱故障的冲击特征提取,对于旋转机械设备平稳工况下的状态监测与诊断至关重要。针对强背景噪声下机械故障微弱冲击特征有效提取的难题,提出基于自适应可调品质因子小波变换(TQWT)滤波器的冲击特征提取算法。TQWT作为新兴的频域显式小波构造理论,具有匹配特定振荡行为信号成分、可利用FFT算法快速实现的优点。所提自适应TQWT滤波器算法,主要涉及TQWT参数(品质因子Q、冗余度r以及分解层数J)的优化选择以及最优特征子带的自适应选择,不依赖于先验知识。算法根据所提出的中心频率比指标以及能量加权归一化小波熵,分别对分解层数以及品质因子和冗余度进行优化选择,构造出适合揭示冲击信号成分振荡行为的优化可调品质因子小波基函数,进而利用冲击特征指标引导含冲击特征信息的最优特征子带选择,最后利用TQWT逆变换实现信号的重构与降噪,提取周期性微弱冲击特征。仿真试验与实测轴承信号的分析结果表明,算法能够自适应选择TQWT参数并实现微弱冲击特征的有效提取。

爆炸地震波的冲击特征分析

研究了爆炸地震波的冲击特性。根据实验结果,对质点振动时间历史在强震阶段的不规则变化进行了讨论,发现Fourier谱不能描述强震脉冲作用的特征。研究结果对爆炸地震的结构安全性分析具有一定的指导价值。

基于双冲击特征的无转速计混合陶瓷球轴承剥落区宽度估计

首先介绍了一种基于振动信号分析的滚动球轴承剥落区宽度估计的方法,该方法可根据振动信号中的双冲击特征间隔和所在转轴的转速,完成对剥落区宽度的估计,但转速计的安装易受工况条件的限制,对此提出了一种基于滚动轴承剥落故障对应冲击特征的无转速计剥落区宽度估计方法,该方法通过振动信号中整周期的冲击次数实现转速估计,结合平均双冲击特征实现了无需转速计的混合陶瓷球轴承的剥落区宽度估计,使该方法更适合于工程应用。试验结果表明,所提方法可对混合陶瓷球轴承剥落区宽度进行有效估计。

广义S变换时频谱SVD降噪的滚动轴承故障冲击特征提取方法

针对强背景噪声下滚动轴承故障冲击特征难以提取的特点,提出了基于广义S变换时频谱SVD降噪的滚动轴承故障冲击特征提取方法。利用广义S变换时频分辨率高,时频谱能量集中,适合处理与分析非平稳冲击信号的特点,将广义S变换时频谱系数矩阵作为SVD的Hankel矩阵,以奇异值差分谱峰值群最后一个峰值点对应的奇异值作为置零阈值,最后对降噪后的数据矩阵进行广义S逆变换得到时域冲击特征信号。仿真及实际研究表明,该方法能够有效地提取出低信噪比信号中的周期性冲击特征,并能够有效地提取轴承故障振动信号中的冲击特征频率。

滚动轴承冲击特征提取的同步挤压S变换方法

为从滚动轴承故障信号中提取出冲击特征以便于进行轴承故障诊断,首次引入同步挤压S变换(SSST)的信号处理方法。以同步挤压小波变换(SST)和S变换(ST)方法为基础,推导出了同步挤压S变换的表达式。用余弦调频仿真信号和冲击仿真信号进行S变换、SST和SSST分析,结果表明,SSST变换在信号整个频带上具有良好的时频分辨率和时频聚集性,且性能优于S变换和SST。用一组实际的滚动球轴承故障振动信号进行分析,结果表明,SSST能够方便有效地提取出轴承故障的周期性冲击特征。

特厚煤层巷道冲击特征及冲击危险性评价方法研究

通过研究特厚煤层巷道能量储存、应力分布及围岩强度特征,揭示了特厚煤层巷道与薄及中厚煤层相比具有储存能量多、应力影响范围广及围岩强度低的主要冲击特征。基于特厚煤层巷道冲击特征和冲击地压启动理论,提出了综合弹性能指数、应力比指数和冲击能量速度指数的冲击危险性评价多元指数法,建立了特厚煤层巷道冲击危险性的综合评价指标体系。将该评价指标体系应用于陕西某矿特厚煤层掘进期间巷道冲击危险性评价,根据评价结果对冲击地压危险区域采取了合理的卸压措施,保证了工作面的安全开采。

轨道故障引发的轮轨冲击特征研究

通过对不同轨道故障引发的轮轨冲击进行动力学仿真研究,得到了轨道断裂引发的冲击特征主要表现为多簇形式,轨道内部裂纹引发的则为一簇冲击,而轨道平直度故障引发的冲击特征为明显两簇冲击;仿真分析了车轮转速对各类故障冲击幅值的影响。现场监测结果验证了仿真结果的正确性。

基于变分模态分解和共振解调的轴承冲击特征

本文针对轴承的早期故障,提出基于变分模态分解和共振解调相结合的分析方法。通过Adams建立轴承故障模型,分析出冲击特征;通过轴承试验台获取轴承冲击信号,分析出信号的特征。通过仿真和试验分析表明,该方法能够获得轴承的冲击特征,可以为轴承的故障诊断提供一定的借鉴意义。

不同倾角煤岩组合体冲击破坏特征研究

针对煤岩复合结构冲击地压等动力灾害的防治,选用煤与红砂岩2种材料制作节理倾角为0°、30°、60°、90°的体积比1∶1的煤岩组合体试件,利用霍普金森压杆试验系统进行动载冲击破坏特征试验。试验结果表明:煤与红砂岩及其组合体试件满足动载平衡条件,煤的动态抗压强度、破坏程度与冲击速度呈正比。煤岩组合体的抗压强度与倾角条件和受力形式密切相关。煤先受力、岩先受力2种加载方式下,抗压强度与倾角的变化曲线呈近似中心对称关系,冲击破坏形式主要为压剪破坏。为井下复合煤岩结构冲击地压防治提供一定的参考。

基于冲击特征提取的旋转机械智能故障诊断

针对齿轮、轴承故障,提出了基于冲击特征提取胶囊网络的旋转机械智能故障诊断模型。在胶囊网络的构架基础上,将原始故障振动信号作为输入,通过构造首层小波核卷积层,针对性提取冲击故障特征,提高深度学习网络特征提取的可解释性。在小波核卷积层之后扩展一层卷积层,强化首层小波核卷积层提取的特征,将强化的特征经初级胶囊层、数字胶囊层输出分类结果,从而构造了“端到端”的小波卷积胶囊网络模型。通过对各层提取的特征可视化分析,证明了该模型对故障振动信号的冲击特征具有良好的提取能力。3个不同实验平台的数据集验证结果表明不同故障类型、不同故障程度的齿轮及轴承的识别精度最高可达到100%,并具有良好的泛化能力。

基于短时加权峰度的信号冲击特征提取

针对机械故障诊断中信号冲击特征的提取问题,提出了加权峰度这一新的幅域特征参数。结合某型变速箱断齿故障振动信号,采用短时处理方法对比分析了加权峰度和传统峰度对信号冲击特征提取的应用效果。研究结果表明:合理选择短时窗的宽度,通过逐点滑动得到短时加权峰度,能够反映出信号中的冲击特征,再应用频谱细化技术可以有效地得到冲击成分的频域信息。

球粒陨石天然和实验冲击特征对小行星冲击事件P-T条件的启示

通过对球粒陨石的天然和实验冲击特征加以比较，探讨用实验结果来校正Ｈ－ 和Ｌ－群球粒陨石天然冲击特征的可行性．实验中对吉林陨石（Ｈ５）样品施加的冲击载荷 分别为 １２， ２７， ３９，５３， ７８， ８３， ９３和 １３３ ＧＰａ．当压力大于 ７８ ＧＰａ时球粒陨石质熔体开始 产生，压力达１３３ ＧＰａ时形成占体积约６０％的熔体．在所有受冲击样品中，无论在陨石 的变形区或熔融区，均未发现高压相矿物．实验冲击样品的结构特征和矿物组合可与 天然受强烈冲击岩庄陨石（Ｈ６）相比较，但显然与天然受强烈冲击的Ｌ６球粒陨石不相同． Ｌ６球粒陨石冲击脉体包含橄榄石和辉石的高压多型以及高压液态相。