基于EMD和包络谱分析的轴承故障诊断研究

提出了一种基于经验模态分解 (EMD) 和包络谱分析的轴承故障诊断的新方法.EMD 是把时间序列信号,分解成不同特征时间尺度的固有模态函数(IMF),具有自适应的分析能力,然后通过选取表征轴承故障的 IMF分量进行包络谱分析,就可提取轴承故障信号的特征.轴承故障实验信号的研究结果表明:该方法能有效地识别轴承故障.

基于EWT和包络谱分析的轴承故障诊断研究

针对轴承故障早期信号非常微弱难以提取的特点,提出一种经验小波变换(EWT)和包络谱分析相结合的故障诊断方法。该方法应用EWT对信号进行自适应的分解处理,通过选取表征轴承故障的模态分量进行包络谱分析,对轴承故障进行判断,并在LabVIEW开发环境下实现,有效拓宽其适用环境。其中EWT是通过结合小波变换和经验模态分解各自的优点,建立自适应的小波滤波器来提取信号的模态函数。通过仿真信号和轴承故障实验信号的研究结果表明,LabVIEW开发环境下的EWT能够有效地对信号进行自适应分解,在与包络谱分析相结合后能够更为有效地提取并识别轴承故障类型。

基于LabVIEW的倒频谱与包络谱分析在风电机组齿轮箱故障诊断中的应用

风力发电机组的齿轮箱许多故障信息以调制形式存在于振动信号之中,在此利用LabVIEW强大的信号分析功能对齿轮箱振动信号进行分析,开发出基于倒频谱与包络谱分析的齿轮箱故障诊断系统。试验结果表明:倒频谱与包络谱分析可以有效诊断出齿轮箱的故障信息。

基于小波变换的滚动轴承故障信号包络谱分析

小波变换是一种有效的时频分析方法,广泛应用于许多领域的非稳态数据分析问题.利用小波变换的多尺度分析能力,对滚动轴承的典型故障(如外圈故障)进行特征分析与提取.首先利用小波变换获取故障信号的细节参数,然后利用希尔伯特包络谱分析提取非稳态的故障特征.实验结果表明,基于小波变换及希尔伯特包络谱分析的联合方法可有效突出滚动轴承典型故障的非稳态特征,可以准确地实现故障诊断.

基于EMD和相关的滚动轴承故障包络谱分析

提出了一种基于EMD和相关的滚动轴承故障包络谱分析方法。根据相关函数的性质,对测得的振动信号进行相关分析,以实现一次降噪。把信号的自相关函数通过EMD分解成不同特征时间尺度的固有模态函数(IMF),再对包含主要信息成分的IMF分量进行Hilbert变换求其包络,通过对包络信号进行频谱分析,提取滚动轴承故障特征频率。某型坦克变速箱上的7216滚动轴承滚动体点蚀故障的试验结果表明,该方法能有效地识别滚动轴承的故障。

ABC-VMD和包络谱分析在齿轮故障诊断中的应用

针对齿轮箱故障的非线性、非稳定性特点,提出了一种参数优化变分模态分解(Variational mode decomposition,简称VMD)提取特征频率的方法。首先,利用人工蜂群算法(Artificial bee colony algorithm,简称ABC)对VMD分解的层数和惩罚因子进行自适应选择;其次,根据互信息法在VMD分解后得到的有限个本征模态函数(Intrinsic mode function,简称IMF)中选择最佳模态函数;最后,对该模态函数进行包络谱分析,有效提取齿轮故障特征频率。仿真与实验结果表明,与经验模态分解(Empirical mode decomposition,简称EMD)以及基于粒子群优化算法(Particle swarm optimization,简称PSO)的变分模态分解方法相比较,ABC-VMD方法自适应性强,可以有效克服模态混叠、信号丢失及过度分解问题,能够准确诊断齿轮箱故障,同时避免PSO-VMD易陷入局部最优的缺点。

基于小波包络谱分析的减速机故障诊断研究

介绍了小波分析方法,以小波分析和包络谱分析在故障诊断中的应用为例子,利用小波分析信号突变的特点,利用Hilbert包络并进行频谱分析,体现了小波包络谱分析的优越性,实现故障诊断的目的。

基于包络谱分析的滚动轴承滚动体故障声发射诊断研究

滚动轴承的早期故障信号很微弱,常规的振动法很难检测。声发射检测法具有采集较宽频率范围信号的特点,故文章采用声发射法对滚动体缺陷滚动轴承进行检测,采集宽频的声发射信号,利用小波分析方法把信号分解在不同频带,对低频信号进行重构,重构后的包络谱特征频带与滚动体故障理论特征频率相比较。结果表明,在包络谱图上可以找到理论的故障特征频率范围,这说明包络谱分析法对滚动轴承滚动体故障声发射诊断是有效的。

基于包络谱分析的滚动轴承故障声发射诊断研究

通过对内圈、外圈、滚子含有缺陷的滚动轴承进行不同转速条件下的声发射试验,采集宽频的声发射信号,运用小波分析方法把信号分解在不同频带,对低频信号进行重构,对比重构后的包络谱特征频带和理论故障特征频率,并进行误差分析。结果表明,在包络谱上可以找到理论的故障特征频率范围,说明包络谱分析法对滚动轴承故障声发射诊断是有效的。

基于包络谱分析的滚动轴承内圈故障声发射诊断研究

滚动轴承的早期故障信号很微弱,常规的振动法很难检测。声发射检测法具有采集较宽频率范围信号的特点,采用声发射法对内圈缺陷滚动轴承进行检测,采集宽频的声发射信号,利用小波分析方法把信号分解在不同频带,对低频信号进行重构,将重构后的包络谱特征频带与内圈故障理论特征频率相比较,结果表明:在包络谱图上可以找到理论的故障特征频率范围,这说明包络谱分析法对滚动轴承内圈故障声发射诊断是有效的。

基于小波包络谱分析法的齿轮箱故障振动信号诊断

利用正交小波基将齿轮箱故障振动信号变换到时间尺度域,对高频段尺度域的小波系数进行包络细化谱分析,不仅能检测到齿轮箱内部故障的存在,而且能有效地识别故障模式,说明了正交小波分析是信号检测淹没于非平稳信号中瞬时信号的有力工具.结合实例,从小波故障特征提取来说明小波变换的有效性.

基于时频谱和集总经验模式分解(EEMD)包络谱分析的地铁车辆故障分析

在分析地铁车辆激扰源特征和影响的基础上,针对车辆振动信号非线性、非平稳性的特点,提出一种地铁车辆故障综合诊断方法:时频法(短时傅里叶变换、希尔伯特-黄变换)和基于集总经验模式分解(EEMD)的Hilbert包络谱分析法。对某异常地铁车辆进行测试,并运用该方法进行诊断分析。综合分析表明,该车辆转向架构架异常振动并开裂的故障源为车轮。这与车轮检测结果一致,说明此综合诊断方法准确有效。

基于包络谱分析和高斯受限玻尔兹曼机的滚动轴承故障诊断方法

作为一种基于滤波检波的振动信号处理方法,由于包络谱分析方法对早期故障信号识别能力较强,所以常被用于零部件故障诊断。结合高斯受限玻尔兹曼机的特性,提出一种基于包络谱分析和高斯受限波尔兹曼机的滚动轴承故障诊断方法。首先对信号进行重采样预处理,利用滚动轴承的振动信号的包络谱构造特征向量;对得到的特征向量利用高斯受限波尔兹曼机分类器模型进行故障诊断,并用实验数据对之进行了验证。结果表明本文的方法特征提取过程简单、有效,能有效识别出滚动轴承的故障类型。

基于包络谱分析的滚动轴承故障诊断分析

介绍了包络谱分析方法的基本原理,它是一种基于滤波检波的振动信号处理方法,也是诊断设备零件损伤故障的一种有效的手段,尤其对初期故障和信噪比比较第的故障信号,识别能力很强。重点分析了包络谱分析方法在轴承故障诊断中的应用。通过对滚动轴承故障诊断的实例分析,验证了包络谱分析运用于诊断设备零件损伤故障所取得的效果。

基于ELMD和包络谱分析的滚动轴承故障诊断研究

针对旋转机械旋转部件可能出现的异常情况或者早期故障,提出了一种先利用总体局域均值分解(ELMD)分解振动信号,再结合包络谱分析进行故障识别的故障诊断方法。首先对故障振动信号进行ELMD分解,获得由纯调频信号和包络信号乘积构成的PF分量,并对其高频分量进行包络谱分析。通过包络谱和轴承故障特征频率结合分析轴承是否出现故障,实验结果分析表明,ELMD分解和包络谱分析结合的方法能有效地进行轴承故障诊断。

基于短时傅里叶变换和独立分量分析的滚动轴承包络分析

滚动轴承的早期故障信号能量小,频带分布广泛;而传统包络谱分析技术直接在强干扰影响下对滚动轴承的故障特征提取经常失效。提出一种基于短时傅里叶变换(short time Fourier transform,STFT)的能量谱和独立分量分析(independent component analysis,ICA)的抗干扰滚动轴承包络分析新方法。该方法首先对获取的滚动轴承振动信号进行STFT能量谱分析,获取信号采样频带下的能量分布,采用带通滤波器获得高频带能量信号,并提取该包络波形,再通过ICA实现包络波形按源分离去噪,最后通过比较各独立分量的包络频谱与滚动轴承理论计算故障特征频率的匹配性,实现滚动轴承故障的精确诊断。仿真数据和试验验证该方法的可行性。

独立分量分析在齿轮箱复合故障中的包络提取

针对传统包络谱分析对复合故障提取失效的问题,提出了独立分量分析(Independent Component Analysis)和包络谱相结合的方法。首先对四通道采集信号进行包络分析获得包络谱图,从图中可发现存在故障频率信息,但无法做到对故障的准确定位,接着对包络信号进行ICA处理得到独立分量,在独立分量中分别找出与故障相对应的频率信息。应用该方法对齿轮箱进行故障信号提取,成功的识别出滚动轴承外圈故障及齿轮断齿故障,仿真和试验结果验证了本方法的可行性和有效性。

基于声发射波形流信号的滚动轴承故障双谱分析及诊断

使用声发射波形流测试技术,采集滚动轴承正常状态及外圈故障、内圈故障和滚动体故障时的声发射波形流信号,分析声发射波形流信号与故障频率特征值间的关系。运用包络谱分析方法对滚动轴承声发射波形流信号进行分析,提取运转过程中信号峰值频率,通过与滚动轴承不同故障固有特征频率的理论值对比,发现具有很好的一致性。通过对滚动轴承声发射波形流信号的包络分析,可实现滚动轴承故障的早期诊断。

基于小波系数包络谱的滚动轴承故障诊断

提出了基于正交小波变换诊断滚动轴承故障的新方法，利用正交小波基将滚动轴承故障振动信号变换到时间－尺度域，对高频段尺度域的小波系数进行包络细化谱分析，不仅能检测到滚动轴承故障的存在。

运用小波包峭度包络的滚动轴承故障诊断

根据滚动轴承振动信号的性质,提出了一种基于小波包系数、峭度最大值原则及包络谱分析的滚动轴承故障自动诊断方法。首先,用小波包将信号分解到不同的频段上,再对不同频段的小波包系数计算其峭度值;然后,根据峭度值最大原则,自动确定由轴承缺陷所引起的共振频率所在的频带;最后,对该频带的小波包系数进行包络谱分析,以确定故障频率。此方法能够提高滚动轴承故障诊断的可靠性和便捷性。