瞬变信息提取与机器诊断

机器的二次信号往往因机器故障产生大量的冲击、摩擦以及运行转速的不稳定、负荷的变化导致非平稳信号的产生.对非平稳信号分析,付氏变换效果不佳,需要研究这类信号的局部时频特征,提取瞬变信息方能准确地诊断.本文介绍处理非平稳信号的新型工具——小波分析、短时付氏变换两种时频分析方法.最后用小波分析、短时付氏变换和付氏变换对机器的实测振动信号进行分析.说明了小波分析、短时付氏变换作为时频分析方法对处理非平稳信号比付氏变换优越.

基于VKF-OT和DFA的齿轮时变状态特征提取方法

针对齿轮在时变工况下的振动具有非线性、非平稳的特性,提出Vold-Kalman阶比跟踪(Vold-Kalman filter based order tracking,简称VKF-OT)和去趋势波动分析(detrended fluctuation analysis,简称DFA)相结合的一种特征提取方法。该方法以齿轮转频和啮频作为VKF-OT的提取频率,获取任意时变工况下的两类阶比信号,减弱或消除转速变化所引起的频率调制干扰,通过求解复包络得到两种频率分量的精确幅值和相位以保留齿轮状态的瞬变信息。在此基础上,引入去趋势波动法分别处理原信号、转频和啮频阶比信号,消除负载变化所产生的幅值调制干扰,对比3种信号的双对数波动函数图,选定齿轮振动信号的特征向量。通过对齿轮不同工作状态下的150组振动信号进行实验,结果表明该方法所提取的故障特征可有效地区分任意时变工况下的齿轮早期局部微弱故障。

基于特征提取的调制识别方法研究

基于特征提取的调制识别是通过分析信号在时域、频域或其他变换域的差异来提取信号的特征并对信号进行识别分类.针对调制信号载有信息的特点,从信号的瞬变信息、缓变信息以及提取方式等方面对特征提取方法进行研究,并对一些经典的信号特征以及基于时频分析的特征进行了分析,最后研究了两种分类器(神经网络和基于支持向量机)在基于特征提取的调制识别领域的应用.