变转速下滚动轴承的阶频谱相关域微弱故障特征增强与提取

滚动轴承是旋转机械常用且故障率较高的部件之一,其故障的及时发现,对于设备安全、稳定运行具有重要意义。滚动轴承的早期故障特征十分微弱,容易被强背景噪声干扰所掩盖。同时,滚动轴承往往在变转速工况下运行,故障特征的时变特性导致特征提取较为困难。针对上述问题,提出一种变转速下滚动轴承的阶频谱相关(OFSC)域微弱故障特征增强与提取方法。首先,利用变转速下滚动轴承故障信号的角度时间域循环平稳特性,将故障信号转换到阶频谱相关域。然后,采用鲁棒主成分分析(RPCA)的低秩稀疏分解方法,将轴承振动信号的阶频谱相关矩阵分解为表征轴承故障特征的稀疏成分,并去除表征噪声的低秩成分,进一步提高稀疏分量的分辨率。最后对分解出的稀疏分量构建增强包络阶次谱(EEOS)来检测滚动轴承的故障特征。仿真和实验分析验证了该方法对于变转速工况轴承微弱故障特征增强和提取的有效性和鲁棒性。

基于集成阶频谱相关的滚动轴承故障特征提取

变转速工况下,传统的循环平稳方法不能有效提取滚动轴承故障特征,提出基于集成阶频谱相关的滚动轴承故障特征提取方法。通过研究角度/时间循环平稳理论,指出阶频谱相关可以有效提取变转速下滚动轴承故障特征,应用循环调制谱实现离散信号的阶频谱相关估计,在此基础上计算信号的集成阶频谱相关,提取轴承故障特征阶次。对仿真和实验数据分析表明:集成阶频谱相关不仅可以有效提取变转速工况下滚动轴承故障特征,且较之阶频谱相关,具有更加清晰直观的表达效果。

基于阶频谱相关组合切片的滚动轴承故障特征提取

变转速工况下,滚动轴承故障振动信号出现复杂的频率、幅值和相位调制等现象,基于角度/时间循环平稳(AT-CS)的阶频谱相关可以有效提取其故障特征,但是该方法存在计算量大的缺点,为此,应用组合切片思想,提出基于阶频谱相关组合切片的轴承故障特征提取方法。根据滚动轴承结构参数计算其理论故障特征阶次,并由此确定组合切片中心,再由设定的切片宽度得到组合切片区间并计算信号的阶频谱相关组合切片,通过切片之间的能量分布提取滚动轴承故障特征。通过仿真信号和实验数据验证了该方法的有效性,相比于阶频谱相关,阶频谱相关组合切片能更清晰准确地表征轴承故障特征,并具有较高的计算效率。

基于阶频谱相关组合切片能量和SVM的滚动轴承故障诊断

针对变转速工况下滚动轴承故障诊断问题,提出基于阶频谱相关组合切片能量(SEOFSC)和支持向量机(SVM)的滚动轴承故障诊断方法。首先研究阶频谱相关(OFSC)对滚动轴承故障特征提取的原理;其次针对OFSC的不足,计算振动信号阶频谱相关组合切片以提高故障特征提取效率,对其谱频率轴积分得到SEOFSC实现故障特征降维;最后选取切片簇中能量极大值构成特征向量输入到"一对一"多分类SVM中进行故障模式识别。通过对比试验表明,该方法可以实现变转速工况下滚动轴承快速、准确的故障诊断,具有一定的工程实用价值。

基于分数低阶统计量的频谱分析方法

针对传统基于二阶统计量的信号处理方法难以有效处理alpha稳定分布信号的难题,提出了一种基于分数低阶统计量的频谱分析方法。阐述了alpha稳定分布的定义和性质,给出了常用的分数低阶统计量计算方法,并用仿真信号验证了提出方法的正确性和有效性。仿真信号验证结果表明:基于分数低阶协方差和相位分数低阶协方差的频谱分析方法,具有更好的alpha稳定分布噪声抑制能力,能更好地从alpha稳定分布噪声下,提取噪声信号中的频率成分,为alpha稳定分布信号分析的有效方法。

基于广义功率谱密度的分布压缩宽带频谱感知

为实现在Alpha稳定分布噪声下宽带频谱感知,扩展了传统功率谱密度概念,提出广义功率谱密度的概念,在此基础上提出基于广义功率谱密度的分布压缩宽带频谱感知。此方法能有效地抑制Alpha稳定分布噪声。首先,将接收的宽带信号进行分数低阶处理,计算自相关函数,再结合压缩感知原理将分数低阶自相关向量压缩和融合重构,最后经傅立叶变换得到广义功率谱密度。仿真结果表明,该方法具有良好的宽带功率谱密度估计性能,在Alpha稳定分布噪声下能较好地完成宽带频谱感知。

基于分数阶傅里叶变换和循环谱的雷达信号调制方式识别

针对低信噪比条件下雷达信号脉内调制方式识别算法识别率低的问题,提出了一种基于分数阶傅里叶变换(FRFT)和循环谱的雷达信号识别方法。通过分数阶傅里叶变换搜索出最大峰值对应的分数阶,把信号粗分为非调频信号和调频信号2大类。对于非调频信号,利用信号的谱峰特征和频谱复杂度以及循环谱特征,对二频编码信号、常规雷达信号、二相编码信号和四相编码信号进行分类识别;对于调频信号,利用自相关得到功率谱特征实现线性调频信号与非线性调频信号的细分类。经实验验证,本文提出的方法在信噪比大于2 dB时,总体识别率达到90%以上。

基于MCKD与OFSC的变转速下滚动轴承故障特征提取

针对阶频谱相关(OFSC)法解决变转速下旋转机械故障诊断时易受背景噪声干扰的问题,通过最大相关峭度解卷积(MCKD)降低随机噪声的干扰,增强原始信号的故障脉冲;分析降噪后的信号,在三维空间中计算其阶频谱相关;依据降噪后信号的时频分布划定高能量频率区间,对三维OFSC进行集成运算,得到二维表达的OFSC,呈现故障信号的各类特征阶次。内圈点蚀故障模拟试验表明,二维OFSC能够清晰识别变转速下滚动轴承故障特征阶次,验证所提方法的有效性。

基于振动的发动机转速高精度动态测量新方法

提出一种无需编码盘和鉴相装置的往复发动机瞬态转速测量新方法。该方法是基于发动机振动信号最低谐次频率获得发动机的估计转速,在发动机转速平稳或波动不大情况下采用离散频谱校正技术对估计转速进行校正以提高测量精度;在发动机处于升速或降速等非平稳状态时则利用获得的估计转速对发动机进行阶次跟踪,利用阶次谱获得估计转速校正参数,从而实现对发动机瞬态转速的动态测量。台架实验和不同缸数的实车测试都验证了该算法在发动机转速提取上具有很高的精度。较之在文献中常见的基于编码器的转速测量方法,这种方法硬件简单,特别适用于在用车日常维护和检测中使用。