基于改进变分模态分解及循环相关熵谱的轴承故障诊断

针对强背景噪声下非高斯脉冲噪声和高斯噪声对滚动轴承故障诊断产生严重干扰的问题,提出了一种基于改进变分模态分解(variational mode decomposition,VMD)并与循环相关熵谱(cyclic correntropy spectrum,CCES)相结合的故障诊断方法。首先,针对VMD传统重构指标易受噪声影响的问题,引入相关熵峭度(correlation entropy kurtosis index,CEK)指标对VMD分解后的模态分量进行选择与重构,去除高斯噪声;然后针对重构后信号仍存在的脉冲噪声影响问题,对重构信号进行CCES投影融合去除非高斯脉冲噪声干扰并增强特征;最后对融合结果进行分析与故障诊断。经仿真测试与实验表明,所提出的方法可以在高斯噪声和非高斯脉冲噪声背景下有效提取滚动轴承故障特征频率并实现故障诊断。

循环相关熵谱密度估计高效算法研究

针对循环相关熵谱估计循环周期图检测(CPD)算法存在计算效率低、频谱分辨率低和易产生“频谱泄漏”的问题,该文提出一种循环相关熵谱估计的Correntrogram算法。Correntrogram算法借鉴Wigner-Ville分布(WVD)时频分辨率高的优势,将WVD算法中瞬时自相关函数替换为时变自相关熵函数,即可得到一种循环相关熵谱密度估计算法,称为Correntrogram。首先计算信号的时变自相关熵函数矩阵,再计算时变自相关熵函数矩阵各行的FFT,得到循环自相关熵函数矩阵,最后计算循环自相关熵函数矩阵各列的FFT,得到循环相关熵谱密度。通过仿真调幅信号的处理结果证明:Correntrogram算法有效提高了循环相关熵谱估计效率,避免了“频谱泄漏”,提高了频谱分辨率,该算法程序运行可靠。

脉冲噪声下基于平滑循环相关熵谱的调制识别方法

针对脉冲噪声下的信号分类问题,提出了基于平滑循环相关熵谱和浅层残差网络的调制识别方案。所提方案不仅具有较低的计算复杂度,而且在脉冲噪声环境中具有稳健性。仿真实验表明,即使在很低的广义信噪比下,所提方案依然具有良好的性能。

基于信息融合和广义循环互相关熵的电机轴承故障诊断

针对传统基于单路振动信号的故障识别可靠性较差和传统谱相关方法难以有效处理非高斯噪声的问题,该研究提出了一种基于多传感器振动信号信息融合和广义循环互相关熵谱的轴承故障诊断方法。首先推导了广义互相关熵、广义循环互相关熵和广义循环互相关熵谱密度的计算公式;然后给出了电机轴承故障诊断步骤;再利用轴承外圈故障仿真信号,分析了轴承故障振动信号的频谱特征,验证了广义相关熵的降噪性能,结果表明广义循环相关熵能有效处理高斯和非高斯噪声。最后将两路振动信号通过广义循环互相关熵进行融合,并应用于电机轴承故障诊断。试验结果表明,广义循环互相关熵能有效提取电机轴承内圈、外圈局部裂纹故障频谱特征,提高了故障诊断的准确性和可靠性,其性能优于传统的谱相关方法。

基于循环多核相关熵的故障检测方法及应用

针对传统基于二阶统计量的循环平稳信号处理方法不能有效处理脉冲噪声干扰的问题,提出了一种基于循环多核相关熵的故障检测方法。首先,给出了多核相关熵的定义,推导了循环多核相关熵函数和循环多核相关熵谱密度函数计算公式,分析了循环多核相关熵的降噪机理;其次,用仿真信号验证了在低噪声比(SNR=-5)情况下循环多核相关熵的降噪性能,表明了循环多核相关熵不仅能有效抑制高斯噪声,而且能有效抑制非高斯噪声,循环多核相关熵为高斯、非高斯噪声的处理提供了一种鲁棒性处理方法;最后,将循环多核相关熵方法应用于齿轮箱齿轮齿面磨损故障诊断,实验结果表明:循环多核相关熵具有解调功能,能准确刻画齿轮齿面磨损故障的频谱特征,可有效提取淹没在强噪声环境中的微弱信号,提高了信噪比,证明了此方法为一种齿轮故障诊断的有效方法。