基于复解析带通滤波器的复调制细化谱分析原理和方法

采用复解析带通滤波器进行选带细化谱分析的原理为 :构造复解析带通滤波器——对时域信号隔 D(细化倍数 )点或 2 D点进行复解析带通滤波——移频——进行 FFT和谱分析。与传统复调制细化谱分析相比 ,由于只对细化选抽点进行移频 ,大大节省了内存空间 ,减少了计算工作量 ;由于先选抽滤波后移频 ,避免了较复杂的频率调整过程 ;复解析滤波器的负频率部分幅值为零 ,能够大大降低对数字滤波器特性的要求 ,提高细化分析的最大倍数和细化谱分析的精度。仿真研究表明 ,采用 FIR一级数字滤波器 ,当半阶数为 5 0 0时 ,最大细化倍数可达 15 0 ,仍能保证幅值分析精度误差在 1%以内 ,采用二级 FIR滤波器 ,最大细化倍数可达 2 0 0

往复泵泵阀故障的细化谱诊断法

往复泵泵阀振动信号的常规频谱分析,由于故障特征信息往往被淹没于强大的噪声以及相邻部件的干扰而使诊断精度大打折扣。研究了泵阀振动波形的规律和提取规则,并提出了特征波形的细化谱分析。通过模拟试验建立了正常泵阀和故障泵阀的细化谱,再经故障验证试验表明了泵阀故障细化谱诊断法的有效性。

基于显式动力学及细化谱的滚动轴承故障诊断方法

为了探究滚动轴承早期故障动态演化规律,建立了滚动轴承典型故障三维有限元动力学模型.该模型以显式算法为基础,采用单点积分方式,在充分考虑轴承转速、负载、接触及摩擦的条件下,对滚动轴承内、外圈等典型故障进行了动力学分析.提取基于有限元动力学仿真的故障轴承加速度信号,采用希尔伯特包络解调并结合细化谱分析方法,提取故障轴承信号特征.分析结果表明:故障轴承条件下,轴承不同位置节点的振动响应均能体现故障特征;加速度响应信号在经过细化谱分析后能找到相应故障的特征频率,实现轴承典型故障的有效识别,为进一步探究轴承故障传递路径特性提供了可行的方法.

基于细化谱和隐马尔科夫模型的齿轮故障分类方法

为了快速准确地对齿轮故障作出分类,结合隐马尔科夫模型(HMM)高效的模式分类能力,提出了基于细化谱(ZOOMFFT)和隐马尔科夫模型的故障分类方法。采用时域同步平均法从复杂信号中提取目标齿轮的啮合信号作为分析对象,对其进行细化谱分析,提取基频、倍频及其边频带幅值作为特征量输入到HMM中训练和识别,再通过对比对数似然概率值来确定齿轮故障类型。试验结果表明该方法可以有效地对齿轮故障进行分类。

频谱细化谱在电动机振动故障诊断中的应用

通过实例讲述了运用频谱细化谱对电气故障进行识别诊断,以及实际应用情况,说明在实际工作中频谱细化谱的作用。

基于复调制细化谱的非平稳信号分析研究

信号分析方法是当前电子通讯工程系统检测中重要的基础技术,分析结果的精确程度是诊断成功与否的关键因素。在系统故障诊断信号分析中,往往会遇到密集型频谱信号,要求有足够高的频率分辨率。目前有多种高分辨率FFT算法,但这些算法各有长处和不足。本文采用复调制细化谱法对电子通讯设备信号进行检测分析。实验仿真证明,该方法能对任意给定频率附近的频谱进行细化,并且从分析精度、计算效率、分辨率、灵活性等方面来看,基于复调制细化谱方法都是一项行之有效的方法。

ZOOK(细化)谱分析技术在8098单片机齿轮故障诊断系统中的应用

本文应用相位补偿ZFFT技术的基本原理,建立了基于8098单片机的用于齿轮故障诊断的细化谱分析方法,试验证明细化谱分析方法是便携式测试仪器用于现场齿轮故障诊断的有效方法之一。

频谱细化在电机振动故障诊断中的应用

在日常机械故障诊断中,采用常规谱就能对设备的故障进行分析诊断,但是某些电气故障在常规谱里无法识别,容易跟机械故障相混淆。介绍如何运用频谱细化谱对电气故障进行识别诊断,以及实际应用情况。

FFT谱连续细化分析在频域模态参数识别中的应用

在频域模态参数识别法中,传递函数的精度对模态参数的识别结果有很大的影响。针对经典传递函数算法中存在高分辨率和平滑性不能同时满足的矛盾,本文提出了一种利用FFT谱连续细化算法对传递函数在峰值处和模态耦合密集处进行加密,进而利用Levy法对加密后的传递函数进行模态参数识别的方法。数值仿真结果表明,由于加密后提高了传递函数的分辨率和精度,应用Levy法在区分密集模态和提高模态参数识别结果、抗噪声方面有较大的改进。在某大型升船机振动台模型试验中,应用本文提出的方法取得了满意的结果。

基于Z变换的频谱细化方法及其应用

本文介绍一种基于Z变换的频谱细化方法—C-ZOOM算法。应用该方法对频谱细化后再进行傅利叶变换得到的细化倒谱,克服了在频率分辨率较低时,倒频谱效果较差的缺点,并将其应用于识别齿轮振动信号的调制边带结构。

频谱细化技术在井周超声成像下井仪中的应用

文章阐述了超声波检测套管厚度的原理和复调制谱细化算法,并运用该算法对不同的套管厚度进行了验证,实验结果与实际值比较说明,复调制谱细化算法计算出的套管厚度可以满足精度要求,且计算量较小,适合使用在对计算速度和功耗要求严格的下井仪中。

频谱分析法在齿轮故障诊断中的应用研究

为寻找有效的齿轮故障诊断法，建立了以微机为主体的频谱诊断系统，对Ｃ６１６Ａ—１ 精密车床主轴箱振动进行故障诊断。分析了齿轮啮合的调制边频特点和结构，提出了用细化谱及倒频谱分析法两者相结合来对诊断系统的输出信号进行频谱分析，得到了相当满意的结果。

基于特征窗细化分析的柴油机燃油系统故障诊断

将振动 -转速双通道信号同时采集 ,借助于转速脉冲波形的标签功能 ,能准确地识别柴油机燃烧爆发振动波形。通过特征窗提取燃烧振动波形并进行细化分析 ,能快速准确地诊断出柴油机燃油系统的常见故障 ,并能判断出产生故障的各种原因。对钻井用PZ12V190型柴油机的现场诊断表明 ,该方法具有简便。

频谱分析法在齿轮箱故障诊断中的应用

利用各种频谱分析手段(细化功率谱和倒频谱)对某轧钢厂齿轮箱振动信号进行了全面分析,发现整个传动装置产生的不平衡导致齿轮箱振动异常,经过装配调整,并做了动平衡试验,有效地解决了这一问题。

坦克变速箱工作档位齿轮故障诊断研究

通过在实车上模拟坦克变速箱工作档位齿轮故障,利用Hilbert变换幅值解调法提取箱体振动信号的包络,并对包络信号进行抽取和低频段频谱细化,提出了一种基于包络细化谱分析的坦克变速箱工作档位齿轮故障诊断方法。

基于小波去噪和EEMD包络解调分析的滚动轴承故障诊断方法

针对强噪声背景下的故障信号诊断问题,提出一种基于小波去噪和改进型总体经验模式分解算法(Ensemble Empirical Mode Decomposition,EEMD)包络解调分析的滚动轴承故障诊断方法。由于经验模态分解方法易产生虚假分量和模态混叠现象,引入EEMD。首先将采集到的振动信号进行软阈值去噪,然后对去噪信号进行EEMD分解,抽取能量较大的前4个内禀模态函数(IMF)进行Hilbert变换,得到包络信号,最后对包络信号进行细化谱分析,得到轴承故障特征频率。小波去噪可解决噪声造成的包络信号粗糙这一问题,提高了包络提取精度。将该方法应用于滚动轴承的内圈和外圈故障诊断,诊断结果均表明该方法能够准确有效地提取故障特征频率。

齿轮箱机械振动信号调制分析及其应用

对齿轮箱机械振动信号调制进行了详细分析研究,并分别对调幅、调频及调幅调频作了综合分析,从理论上推导了齿轮箱机械振动信号调制产生边频带原因及其特征,并结合振动信号频率细化谱分析技术对齿轮箱故障进行了诊断。

LHV902涤纶纺丝机状态监测与故障诊断

本文扼要地综述了涤纶纺丝机传动系统的监测与故障诊断的基本理论、振动烈度和谱分析等内容,通过检测分析发现了该传动系统的振动规律,找出了系统的薄弱环节,发现了设备大修中的装配质量问题、各齿轮副之间的互相干扰情况,为绦纶公司对LHV902纺丝机的维护、状态监测和大修等项工作,提供了可靠的典型值、典型谱。有利于企业降低设备维护、大修和备件等项费用。

电动机故障诊断实例分析

在炼化企业中广泛应用的电机,经过长期的运行会产生各种故障。文章介绍用振动信号细化谱,分析诊断电机振动故障,正确地区分是机械不对中还是真正的电气故障。