利用倒阶次谱和经验模态分解的轴承故障诊断

针对齿轮箱升降速过程中振动信号非平稳的特点,将阶次跟踪分析与希尔波特-黄变换技术相结合,提出了基于倒阶次谱和经验模态分解的滚动轴承故障诊断方法。首先,对齿轮箱加速时测得的瞬态信号进行时域采样,对时域信号进行等角度重采样,转化为角域伪平稳信号,然后对角域信号进行经验模态分解。最后,对包含轴承故障信息的高频固有模态函数进行倒阶次谱分析,就可以提取轴承的故障特征。通过对轴承内圈和外圈故障信号的分析表明,该方法能准确识别轴承的故障类型和部位。

Teager能量算子增强倒阶次谱提取轴承微弱故障特征

针对变速器加速过程下轴承故障特征易于暴露难以提取问题,提出一种Teager能量算子增强倒阶次谱方法。计算加速过程等角度重采样信号的Teager能量算子,对Teager能量算子输出进行倒谱分析,获得Teager能量算子增强倒阶次谱。对加速过程滚动轴承外圈、内圈剥落故障信号进行分析,结果表明,Teager能量算子能有效增强冲击成分,抑制非冲击成分;倒阶次谱能从干扰中准确识别被增强的故障冲击特征,提取轴承微弱故障特征。

Hilbert解调与倒阶次谱的变工况齿轮特征提取

为了对变工况齿轮信号进行特征提取,对变工况齿轮故障特征进行了研究,采用Hilbert解调的方法对变工况齿轮角域信号进行解调,但Hilbert解调在处理变工况齿轮角域信号时有局限性,所以采用Hilbert解调与倒阶次谱相结合的方法对变工况齿轮角域信号进行诊断研究。首先,分析了角域信号的组成成分以及齿轮角域信号的故障特征;其次,对Hilbert解调和倒阶次谱进行了分析;再次,对Hilbert解调的局限性以及改进方法进行了分析;最后,通过实验仿真与验证说明了Hilbert解调与倒阶次谱相结合的方法对角域信号特征提取的有效性。

基于LMD和倒阶次谱的轴承故障诊断

针对变速器加速过程中轴承故障特征易于暴露难以提取问题,提出基于局部均值分解(LMD)和倒阶次谱的滚动轴承故障诊断方法。首先,对变速器加速时的时域信号进行等角度重采样,转化为角域平稳信号;然后,对角域信号进行LMD分解;最后,对包含轴承故障信息的高频分量(PF)进行倒阶次谱分析,提取出轴承的故障特征。通过对加速过程轴承外圈和内圈剥落故障信号的分析表明,该方法能准确识别变速器轴承故障。

独立分量分析在齿轮箱轴承故障诊断中的应用

介绍了独立分量分析的基本原理和算法步骤,运用其对齿轮箱实测的瞬态声音信号进行了降噪处理,然后运用阶次倒谱技术分析了降噪后的信号,找到了故障特征,成功地判别出了齿轮箱的轴承外圈故障,验证了该方法的可行性和有效性。