基于耦合源误差分析的转子振动信号识别方法

转子振动信号实时监测是保障旋转机械健康运行的关键,转子圆度误差和电涡流位移传感器误差的耦合源误差在以往的研究和振动监测中很少考虑,使得转子振动信号有一定的失真,甚至会引起误判。以实际转子为例,提出了圆度误差测量表达式;测量和分析了两种常用电涡流位移传感器的误差,利用傅里叶拟合方法构建了圆度误差和电涡流位移传感器耦合源误差表达式,建立了耦合源误差与转子振动信号之间的映射关系。提出了点-点法、平均值法与最大值法3种转子振动信号识别方法,3种方法都能有效识别转子振动信号,其中点-点法最精确,识别误差占比约20%;平均值法计算简便,识别误差占比约10%;最大值法偏保守,但可有效避免误判,识别误差占比约32%。

基于数据挖掘的光纤周界振动信号识别

针对光纤周界振动信号中的噪声干扰以及通过单一特征无法全面描述振动信号的问题,研究基于数据挖掘的光纤周界振动信号识别方法。采用SVD(奇异值分解)方法对所采集的振动信号进行去噪处理,基于秩阶次值重构信号,由此消除噪声;针对无噪音振动信号,将峭度。排列熵与瞬时频率标准差作为特征,并进行特征融合,获取振动信号的特征向量;将特征向量输入概率神经网络中,利用模拟退火算法确定网络中的平滑因子参数值优化网络结构,通过学习与训练的过程输出振动信号识别结果。实验结果显示秩阶次值k为5时信号去噪性能最好,信号特征之间差异较为显著,易于区分,识别准确率平均为94.08%。

基于小波分析的油田机械传动装置振动信号识别方法

为提高油田机械设备运行的稳定性与高效性,分析传动装置的运行特性,该研究设计了一种基于小波分析的油田传动装置振动信号识别方法。应用小波分析方法采集机械传动装置的振动信号,为振动信号的识别提供数据基础。然后对采集到的振动信号进行卷积预处理,根据Hilbert变换、小波变换原理,从振动信号的时域特征、频域特征以及时频特征等方面出发,识别传动装置的振动信号。实验结果显示:经过小波分析后的3组振动信号频率均变得更加简洁,保留的关键频率特征为85.11 Hz,与实际传动频率85.399 Hz非常接近,表明该文方法通过将复杂的信号简化,能够有效地识别装置振动的振动信号特征,便于对油田机械传动装置的运行状态进行判断。

自适应信号处理在柴油机振动信号识别中的应用

介绍了信号自适应处理的基本方法和自适应对消原理 ,利用正弦合成信号和正弦与噪声合成信号的对消实例验证了该方法。在对PZ1 2V1 90B型柴油机缸盖振动信号的分析中 ,用非爆发段信号作为待消信号 ,对原信号进行了对消 ,抑制了噪声及其他信号 ,突出了有效信号。

基于振动信号的变电站变压器运行状态在线监测

由于传统方法主要通过感知内部元件丰富的状态信息来监测变压器的运行状态,导致超高压(Ultra-High Voltage,UHV)变压器带电运行下的故障识别结果存在较大误差,因此提出基于振动信号识别的超高压变电站变压器运行状态在线监测方法。采集500 kV超高压变电站变压器的振动信号,并填充处理采集信号中的缺失值,运用BP神经网络识别故障振动信号进行变压器运行状态的评估,实现在线监测。实验结果表明,设计方法识别变压器故障振动信号的准确率较高,证实了该方法可以高精度地监测变压器运行状态。

基于气缸盖振动信号识别的发动机转速测算方法

要进行发动机状态评估,发动机实时转速是不可或缺的参数,而在一些老旧装甲车上并未安装转速传感器,要对发动机进行不解体测速非常困难。为解决该问题,本文提出了基于发动机气缸盖振动信号识别的发动机转速测试方法,并在不同工况下多次实验对该方法进行了验证,证明了该算法在各种工况下的的正确性和普遍适用性。

不同地质条件下振动信号特征识别研究

由于目前有关地下空间的防盗报警装置在采用振动信号识别系统的同时并没有考虑地质类型对振动信号识别所产生的影响,因此,研究不同地质环境下振动信号的特征以及如何识别不同地质下的振动信号的特征是亟待解决的问题。针对不同地质、不同行为的振动波形,经过小波阈值去噪并使用能量过零算法联合HHT(Hilbert-Huang Transform)变换获得不同地质、不同行为的特征波形,建立专家数据库。利用能量过零率区域判断加Hilbert边际能量谱判断,二级判断提高了识别速度并成功识别了不同地质下的不同行为的振动波形,成功率在85%以上。同时考虑到各地地质细微不同,采取了能量过零区域的自适应拓展,实现了数据库的自适应。