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。

基于谱相关密度组合切片能量的滚动轴承故障诊断研究

包络解调分析方法是滚动轴承等旋转机械故障诊断的常用方法。当轴承滚动体发生故障时,由于其同时与轴承外、内圈接触,以及受保持架转速的影响,包络解调分析方法通常不能很好提取出滚动体故障通过频率。据滚动轴承发生故障时呈现出的二阶循环平稳特征,提出了基于二阶循环统计量的谱相关密度组合切片能量的滚动轴承故障诊断方法。此方法在一定程度上解决了包络解调分析方法在滚动体故障诊断方面的缺陷,对轴承滚动体的故障诊断具有一定的借鉴意义。

基于短时分数阶傅里叶变换的间歇采样转发干扰辨识方法

基于数字射频存储的间歇采样转发干扰能够形成大量同时兼具压制和欺骗效果的假目标,难以被传统方法准确检测与识别。本文针对切片组合干扰和频谱弥散干扰这两种典型间歇采样转发干扰样式,提出一种基于短时分数阶傅里叶变换的干扰辨识方法。该方法首先通过角度遍历选取干扰信号的分数阶变换最优旋转角度;之后通过短时分数阶傅里叶变换,获得接收信号时频分布图像;再对时频图像进行二值化操作,提取干扰时频域特征参数,进而对干扰进行有效辨识。仿真结果证实了该方法的有效性与准确性。

基于连续隐马尔可夫的滚动轴承故障诊断

针对滚动轴承发生故障时呈现出的循环平稳特征,提出基于二阶循环平稳的谱相关密度组合切片能量熵-连续隐马尔可夫(SEESCD-CHMM)的滚动轴承故障诊断方法.首先用SEESCD分析方法对滚动轴承4种工作状态(正常、内圈故障、外圈故障和滚动体故障)的数据进行特征提取组成训练特征向量;然后用训练特征向量对CHMM进行模型训练,取得CHMM模型的最优参数;最后用谱SEESCD分析方法对测试数据进行特征提取得到测试特征向量,用训练好的隐马尔科夫(HMM)模型对测试特征向量进行诊断,取得了准确率较高的诊断结果.