改进的经验模态分解方法和解析能量算子在电机轴承故障诊断中的应用

针对电机轴承故障信号能量微弱导致极易被噪声干扰所淹没的不足,进行了电机轴承故障特征提取研究;提出了一种改进的经验模态分解方法,包括谱峭度指标和一种新颖的解析能量算子相结合的电机轴承故障诊断方法;经实际测试与应用实现了对电机轴承故障信号中背景噪声干扰的去除,从而满足了电机轴承微弱故障特征提取的应用;通过与常用的电机轴承故障诊断方法对比验证了所提方法的有效性和优越性,为电机轴承故障诊断提供一个新的思路。

复杂背景下对称差分解析能量算子在轴承故障诊断中的应用

针对对称差分能量算子对噪声和振动干扰较为敏感的不足,在其基础上提出了对称差分解析能量算子。对称差分解析能量算子在很大程度上克服了噪声和振动干扰的影响,能从重度污染的信号中提取出微弱的故障信号频率,因此具有更强的鲁棒性。将该方法应用于模拟实验和真实轴承故障诊断实验中,并且与对称差分能量算子和传统能量算子进行对比,该方法取得了良好的诊断效果,体现了优越性。将该方法应用于故障诊断领域,尤其是工作背景复杂的环境下,有着很大的实际意义。

时变滤波经验模态分解与对称差分解析能量算子在轴承故障诊断中的应用

经验模态分解算法作为一种经典的模态分解技术,在许多科研领域得到了广泛应用。然而分离问题和间歇性问题仍未解决,这可能导致模态混叠现象。因此,采用一种基于时变滤波的改进的经验模态分解方法。该种改进的模态分解算法可以确保了一个故障信号被精确地分解为多个含有独特故障特征的分信号。然后,采用对称差分解析能量算子对含有故障特征的分信号进行故障特征提取。实验结果表明,该方法是一种有效的轴承故障诊断工具。

高阶对称差分解析能量算子在微弱轴承故障信号提取中的应用

针对对称差分解析能量算子在高幅值振动干扰频率影响下性能较差的不足,在对称差分解析能量算子的基础上提出了一种改进的解析能量算子.该能量算子改用高阶对称差分序列替代对称差分序列以达到提高信号干扰比的目的,从而提高在高幅值振动干扰频率存在下提取故障特征的能力.此外,为了防止能量出现负值,该改进的能量算子采用了绝对值对其能量表达式进行加权处理.通过模拟实验证明了该方法在抗噪和抗振动干扰方面的优越性,及其它的非负特性.最后将其应用于真实轴承故障数据,发现该方法可以在恶劣工况下提取出故障特征频率.

AEO解调方法及在滚动轴承故障诊断中的应用

针对希尔伯特变换与传统能量算子解调方法的缺点,提出一种新的解调方法——解析能量算子(Analytic Energy Operator,AEO)解调。仿真信号分析结果表明,相对于希尔伯特变换与传统能量算子解调,解析能量算子解调方法具有较高的解调精度。基于解析能量算子解调,又提出基于AEO能量谱的滚动轴承故障诊断方法,对滚动轴承仿真和实验信号进行分析,与其它方法的对比结果表明所提出方法的有效性和优越性。

机械加工过程中轴承故障诊断方法研究

为了提高机械加工过程中滚动轴承故障诊断准确度,提出了基于新的解析能量算子的轴承故障诊断方法。在分析Teager能量算子缺陷基础上,提出了新的能量算子,命名为解析能量算子;解析能量算子无需满足Teager能量算子的使用条件,且能够更好地跟踪故障信号的冲击瞬态特征;使用EMD算法分解原始振动信号,给出了多指标融合的IMF分量筛选方法;对筛选出的IMF分量,计算其解析能量谱样本熵作为特征参数;在分析二叉树SVM缺点基础上,建立了投票法SVM多分类器;经试验验证,基于Teager能量谱样本熵的故障诊断准确率为78%,而基于解析能量谱样本熵的故障诊断准确率为100%,充分证明了解析能量算子在轴承故障诊断中的有效性。