一种基于频域信息的机械系统异常振动识别方法

提出了一种基于频域信息的机械系统异常振动识别方法。该方法将振动特征向量选定为特定频率范围内的频率序列,构建马氏距离表征待评估数据与参考特征向量集之间的差异程度,然后利用蒙特卡洛法设定极限阈值,将待测信号与设定限值进行比较,从而实现对故障状态的探测。通过一个船用电机的试验,验证了所提方法的正确性。

基于EMD的井下近钻头振动数据分析

针对井下异常振动造成的钻头损坏、钻具疲劳、钻进效率慢等问题,提出了一种基于经验模态分解算法的井下异常振动识别方法;通过对井下近钻头振动数据进行经验模态分解,得到近钻头振动数据的本征模态分量;对本征模态分量进行希尔伯特变换,得到井下近钻头振动数据的瞬时频率,从而识别出井下异常振动;相较于传统的基于时域分析和快速傅里叶分析的井下异常振动识别方法,提高了识别速率、识别准确率,有助于缩短建井周期,节省钻井成本。