基于时间多重同步挤压W变换的高精度轴承故障诊断

状态监测(condition monitoring,CM)信号中的脉冲特征通常意味着旋转机器中存在缺陷。为了准确捕获CM信号中的脉冲分量,提出了一种高精度的时间多重同步挤压W变换(TMSSWT)用于提高CM信号的时频聚焦性能。首先利用W变换(WT)获取信号的时频表征结果,然后在时频域上构建估计信号真实群延迟(group delay,GD)的时频后处理表征算子——挤压算子,从而对原始W变换得到的时频谱能量进行“挤压”操作;其次,利用不动点的迭代算法将时频能量重新排列至信号真实的GD脊线上;最后利用信号重构的脉冲特征提取算法,计算时频包络,对TMSSWT获得的时频谱提取最强振幅对应频率的脉冲特性,通过对比脉冲特性的时间间隔识别轴承故障。模拟信号结果很好地证实了该方法可以有效地提高时频能量聚焦性,以期在实际故障诊断应用中可以准确地捕获脉冲特征,更好地识别与诊断轴承机械故障。

最大系数多重同步挤压变换识别结构瞬时频率

针对多重同步挤压变换及其改进算法存在的未重排点问题,提出了一种基于最大系数的多重同步挤压变换(maximum coefficient based multi-synchrosqueezing transform,简称MCMSST)方法来识别时变结构非平稳响应信号的瞬时频率(instantaneous frequency,简称IF)。首先,引入傅里叶频谱来辅助多分量响应信号选取截止频率;其次,对响应信号进行短时傅里叶变换(short time fourier transform,简称STFT),针对短时傅里叶变换系数求取针对时间的偏导,从而获得估算的瞬时频率;然后,在对瞬时频率的估算值进行多次迭代的基础上,仅保留时频系数模值最大处所对应的估算瞬时频率,并将其余位置的瞬时频率值归零;最后,对时频系数模值最大处所对应的瞬时频率进行时频重排即可得到细化后的瞬时频带。由于基于MCMSST方法提取的是瞬时频带,故采用时频系数模极大值法在限定的频带范围内提取瞬时频率曲线。通过2组数值算例和1个铝合金悬臂梁质量突变试验,验证了所提方法的有效性。研究结果表明,MCMSST方法不仅彻底解决了未重排点问题,而且提高了瞬时频率的识别精度和抗噪能力。

基于改进多重同步挤压样条Chirplet变换的结构瞬时频率识别

为提高样条Chirplet变换的结构频率识别精度,提出了一种基于改进多重同步挤压样条Chirplet变换(improved multi-synchrosqueezing spline-kernelled Chirplet transform, IMSSSCT)的瞬时频率识别方法。首先通过引入三参数高斯窗函数和能量集中度原理对样条Chirplet变换进行改进,然后结合多重同步挤压算法进一步提高改进样条Chirplet变换(improved spline-kernelled Chirplet transform, ISCT)的时频能量聚集度。通过单自由度Duffing系统和三层剪切框架结构的数值仿真及悬臂梁结构试验对所提方法进行了验证。研究结果表明,IMSSSCT能有效识别非线性结构和时变结构的瞬时频率。

高阶多重同步挤压变换识别时变结构瞬时频率

针对多重同步挤压变换及其改进算法存在估算瞬时频率精度不高的问题,提出新的高阶多重同步挤压变换算法并应用于时变结构的瞬时频率识别。该方法首先通过引入高阶瞬时振幅与相位得到精度更高地估算1阶瞬时频率,然后采用递推法得到估算的高阶瞬时频率。其次,对高阶瞬时频率进行多次迭代并对迭代后的瞬时频率进行重排,从而得到高阶多重同步挤压变换后的瞬时频带。再次,运用时频系数模局部极大值法在限定的频带范围内提取瞬时频率曲线。通过两组数值算例和一个质量突变的悬臂梁试验验证所提新方法的有效性,研究结果表明:相比现有的多重同步挤压变换改进算法,高阶多重同步挤压变换不仅具有较好的精度,而且可以减少未重排点。

基于改进多重同步挤压广义S变换的结构瞬时频率识别研究

为改进结构瞬时频率的识别效果,提出一种新形式的改进广义S变换(improved generalized S-transform,IGST),并通过能量集中度(concentration measure,CM)推导了IGST窗函数的参数选择方法,最后结合同步挤压算法提出了改进多重同步挤压广义S变换(improved multi-synchrosqueezing generalized S-transform,IMSSGST);该算法的核心思想是将IGST的时频分布按一定的范围向时频脊线处进行多次同步挤压变换。数值模拟方面,采用两层剪切框架时变结构验证了该方法的准确性;试验方面,对七层钢筋混凝土(reinforced concrete,RC)剪力墙结构进行了瞬时频率识别,验证了该方法在实际工程中的实用性。数值模拟和试验结果表明该方法能有效改善时频分析的能量聚集性,提高瞬时频率的识别精度。

基于向上取整的多重同步挤压变换识别时变结构瞬时频带

针对多重同步挤压变换及其改进算法存在未重排点问题,提出了一种新的基于向上取整的多重同步挤压变换来识别时变结构的瞬时频带。该方法首先采用Brug法对自回归模型的参数进行估计,然后再通过自回归模型对信号进行延拓,最后对估算的瞬时频率小数部分进行两次向上取整,从而很好地解决了未重排点和端点效应问题。通过两组数值算例和一个拉索试验验证了所提新方法的有效性,研究结果表明,相比现有的多重同步挤压变换及其改进算法,基于向上取整的多重同步挤压变换不但彻底去除了未重排点,而且也提高了频带的识别精度。

基于多重同步挤压变换与深度脊波卷积自编码网络的滚动轴承故障诊断

利用传统故障诊断方法对滚动轴承进行诊断时,存在故障特征提取困难以及故障模式难以辨识的问题。针对此问题,提出了一种基于多重同步挤压变换以及深度脊波卷积自编码网络的智能故障诊断方法。首先,利用多重同步挤压变换处理含噪信号能力强、具有优越的时频分解特性的特点,将采集的轴承故障信号进行MSST处理,得到分辨率较高的时频图像。然后,利用深度脊波卷积自编码网络自身泛化性能强、能够有效挖掘数据特征的特点,建立深度脊波卷积自编码网络识别模型。将降维至适当大小的时频图像输入到该模型系统中,进行自动特征提取和故障识别。实验结果表明,该方法提取故障特征信号能力较高,并能够有效地识别出不同的故障类型。

基于同步挤压和时间窗的时变结构损伤识别

在连续小波变换的基础上,运用同步挤压和时间窗思想,提出了新的时变结构损伤识别指标。通过简支梁刚度突变、刚度线性变化和简支梁多点时变损伤三个数值算例对提出的损伤指标进行了验证,结果表明:该指标能够有效地识别结构的时变损伤,且时间窗的选取基本上不影响时变损伤指标的取值。

基于BAACMD-NGO-TMSST的变转速滚动轴承故障诊断

在变转速工况下,滚动轴承时变故障特征提取困难,且时间重分配的多重同步压缩变换(TMSST)易受噪声干扰,其相关参数的确定不具备自适应性。针对此问题,提出一种基于BAACMD-NGO-TMSST的变转速滚动轴承故障诊断方法。通过BAACMD将故障信号分解为多个分量,采用基尼指数和包络熵作为综合指标选取最优分量,从而去除噪声干扰;采用北方苍鹰优化算法(NGO)对TMSST进行参数寻优;最后,利用优化后的TMSST对最优分量进行时频分析,并计算最大TF包络谱(TFES)提取故障特征。通过仿真信号和渥太华轴承数据集,验证了所提方法的可行性和有效性;与其他降噪方法对比,BAACMD在降噪方面具有优越性;与其他时频分析方法对比,所提方法具有更好的特征提取效果。