微速差双转子系统振动信号分离法研究

为了有效地对旋转机械进行现场动平衡 ,降低机器异常振动 ,需要准确得到不平衡量大小和相位。采用常规的解“拍”方法分离具有内外双转子系统的振动信号是十分困难的 ,尤其是转子间存在微小速差的情况。研究采用基准信号作触发 ,分别对内外转子进行同步采样 ,提出了一种不用解“拍”就可直接获取各转子振幅和相位的信号分离法。结合 DSP技术 。

基于BP神经网络的变压器振动信号分离方法

电力变压器是电力系统中最重要的电力设备之一,其运行可靠性关系到电力系统的安全稳定运行,因此变压器故障诊断一直备受研究人员关注。基于油箱表面振动信号的机械故障诊断方法,因其测量系统与变压器没有直接电气连接,抗干扰能力强而受到广泛研究。传统的振动信号分析法一般分析变压器油箱表面的混叠信号,无法有效分别评估绕组与铁心的机械状态,因此,开展变压器油箱表面振动信号分离技术的研究具有重要意义。提出基于BP神经网络的变压器油箱表面振动信号分离技术,分离得到的铁心振动信号波形相似系数平均值为0.813,绕组振动信号波形相似系数平均值为0.834,效果理想,为有效评估绕组和铁心机械状态提供了重要的技术手段。

基于振动信号分离的行星轴承故障特征提取

由于行星轴承振动信号传递路径的时变性,且行星齿轮箱中齿轮啮合振动信号较强,导致行星轴承故障特征提取较为困难。为此,提出了一种基于振动信号分离的行星轴承故障特征提取方法。该方法首先采用阶比分析技术将原始振动信号进行等角度采样;每当行星架旋转一周,采用Tukey窗进行加窗截取,按照啮合齿序重新拼接,构造振动分离信号。再采用离散随机分离从振动分离信号中提取行星轴承故障分量;最后进行包络谱分析提取故障特征。行星轴承内圈故障实测信号分析表明,该方法能有效提取行星轴承故障特征。

基于加权距离的机械振动多源信号盲分离

传统的机械振动多源信号盲分离方法缺少对信号的去噪处理过程,导致信号分离结果存在信噪比较低、分离速率较低、误分率较高的问题。为解决上述问题,提出基于加权距离的机械振动多源信号盲分离方法。首先通过加权距离对机械振动多源信号进行去噪处理,有效提高了振动信号的可分离性。然后结合Gabor变换过程,根据振动信号的时频分布特征,利用估计混合矩阵分离机械振动多源信号。实验结果表明,上述方法得到的信号分离结果信噪比和分离速率较高,且误分率较低。

航空发动机高低压转子间碰摩故障特征提取

针对变分模态分解(VMD)需要人为确定输入参数的问题,提出了一种参数自适应VMD(APVMD)方法,其通过粒子群(PSO)算法优化VMD的输入参数。使用APVMD结合切片谱的方法,对双转子航空发动机振动正常和异常状态下的实测弹性支承应变信号进行分析。分析结果表明,APVMD方法可以自适应地实现对实测弹性支承应变信号的分解;当发动机振动正常时,高低压转子弹性支承应变信号的APVMD模态分量中只存在高低压转子的1倍频和2倍频成分;当发动机振动异常时,低压转子弹性支承应变信号的APVMD模态分量除了包含低压转子的1倍频及倍频成分,还包含高压转子的1倍频和分频成分,以及高低压转子间的调制频率和组合频率成分;在高压转子弹性支承应变信号的APVMD模态分量中,除了高压转子的1倍频和2倍频成分,还存在高压转子的分频成分。

基于包络加窗同步平均的行星齿轮箱特征提取

行星齿轮箱由于行星轮通过效应、太阳轮与行星架的旋转及时变工况,导致其振动响应存在时变传递路径及非平稳性等特点,且传统的同步平均将不能直接应用于行星齿轮箱。笔者在国外加窗同步平均的基础上提出一种能有效克服时变传递路径及非平稳性的基于包络信号角域加窗同步平均的行星齿轮箱故障特征提取方法。首先,基于谱峭度提取出行星齿轮箱振动信号的包络信号;其次,再利用计算阶比跟踪技术对包络信号进行等角度重采样,行星架每旋转一圈,选择合适的窗函数对角域信号进行多齿宽加窗截取;最后,验证齿轮啮合齿序特征,根据重排齿序对加窗信号进行重构振动分离信号,对振动分离信号进行角域同步平均,提取行星齿轮箱故障特征。行星齿轮箱故障实测信号分析表明,该方法能有效提取行星齿轮箱故障特征。

基于窄带解调的行星齿轮箱故障特征提取

行星齿轮箱由于振动传递路径的时变性导致行星齿轮箱振动信号频谱具有复杂的调制边带,其包含了齿轮的故障信息。结合行星齿轮箱振动分离信号的同步平均和窄带解调法,提出了针对行星齿轮箱的窄带解调方法。对行星齿轮箱振动信号加窗截取,根据行星齿轮箱齿轮啮合齿序特征,将加窗截取信号拼接重构单个齿轮的振动分离信号,克服传递路径时变性的影响;对振动分离信号进行时域同步平均,提高信噪比;最后,对平均后的信号进行窄带解调,提取行星齿轮箱齿轮故障特征和故障位置。通过行星齿轮箱故障实验分析,验证该方法能有效的提取行星齿轮箱故障特征。

Wavelet basis construction method based on separation blast vibration signal

As wavelet basis in wavelet analysis is neither arbitrary nor unique,the same signal dealing with different wavelet bases will generate different results.Therefore,how to construct a wavelet basis suitable for the characteristics of the analyzed signal and solve its algorithm and realization is a fundamental problem which perplexed many researchers.To solve these problems,in accordance with the basic features of the measured millisecond blast vibration signal,a new wavelet basis construction method based on the separation blast vibration signal is proposed,and the feasibility of this method is verified by comparing the practical effect of the newly constructed wavelet with other known wavelets in signal processing.