基于峭度谱的口环碰摩声特征提取与试验验证

为避免离心泵口环与叶轮之间发生碰摩,对口环碰摩故障提供预警,提出一种能够准确识别和诊断口环碰摩异常现象的特征提取方法.以动静环碰摩动力学机理为基础,结合声信号与谱峭度分析,建立离心泵口环-叶轮碰摩的故障声信号模型.构造不同的工况信号,从信噪比、随机滑动程度2个角度,对峭度谱算法进行性能分析.在满足水介质、可调偏心、环形部件碰摩的条件下,搭建模拟离心泵运行特性的动静环摩擦试验台,进行不同碰摩程度试验.研究结果表明:声信号结合峭度谱的特征提取方法对于强噪声和随机滑动干扰具有较好鲁棒性,可有效提取口环碰摩噪声特征信号;对不同碰摩程度的信号可解调出特征频率,根据调制频率幅值以及冲击频率的变化来判断碰摩的严重程度.研究结果能够支撑口环碰摩故障的预警,可为声信号特征提取方法与诊断算法的有效性提供一定理论依据.

基于全矢Autogram的滚动轴承故障诊断方法

针对滚动轴承单通道信号信噪比较低、不能全面和准确表征故障特征等问题,提出了一种基于全矢谱和自相关谱峭度图的滚动轴承故障诊断方法。首先,计算互为垂直的两通道振动信号的自相关谱峭度图,得到信号中最佳频带的位置,并提取重构信号;其次,为了保证信号故障信息的全面性和获取精确故障特征信息,计算重构信号的全矢包络谱;最后,分析全矢包络谱中的故障特征进行故障诊断。通过分析仿真信号及实验数据,将所提方法与快速谱峭度和自相关谱峭度图等方法进行了对比,结果表明,所提故障诊断方法能够有效地提取滚动轴承的故障特征频率,提高故障诊断的精确性。

经验快速谱峭度及其在滚动轴承故障诊断中的应用

快速谱峭度(Fast Kurtogram,FK)通过构造有限冲击响应滤波器从频谱上将信号二分或三分为几个不同频带的分量后,判断每个分量的谱峭度大小以提取调制信息。该方法运算速度很快,但有时包含故障信息的频段无法被均分的谱峭度图容纳,甚至可能导致提取出的分量中无法检测到明显的故障信息。提出一种新的频谱边界划分方法用以优化快速谱峭度,并称之为经验快速谱峭度(Empirical Fast Kurtogram,EFK)。首先,将信号频谱的傅里叶变换函数中代表频谱趋势的成分提取出来,并搜索其极小值点序列;然后,以极小值点在频谱中的位置作为频谱划分的边界,采用Meyer小波构造滤波器并重构信号分量以求取峭度;最终,构造出一种新的快速谱峭度图,选择谱峭度最大的频段提取故障信息。该方法依据信号频谱的趋势划分边界可以有效地避免由于均分频谱导致的不合理现象,模拟信号及滚动轴承内圈、外圈故障信号证明了该方法的有效性。

基于双树复小波包峭度图的轴承故障诊断研究

针对传统包络谱和峭度图分析技术的缺陷,提出一种基于双树复小波包峭度图的轴承故障诊断方法。该方法综合利用了双树复小波包变换和峭度图分析技术,克服了原峭度图方法只采用FIR和短时傅里叶变换滤波器的缺点,提高了从强噪声环境中提取瞬态冲击特征的能力。首先利用双树复小波包变换,将振动信号分解成不同频带的分量,然后计算各小波分量的谱峭度,再利用谱峭度的滤波器作用,计算最大峭度值对应分量信号的包络谱,根据包络谱就可识别齿轮箱轴承的故障部位和类型。齿轮箱轴承故障振动实验信号的研究结果表明:该方法不仅提高了信噪比和频带选择的正确性,而且能有效地识别轴承的故障。

改进增强峭度图和增强包络谱在滚动轴承故障诊断上的应用

针对滚动轴承故障诊断问题,在分析了基于二进制小波包分解的增强峭度图方法的不足后,提出了基于谐波小波包分解的改进增强峭度图方法。通过计算故障信号的改进增强峭度图,筛选出峭度值最大的最优节点,利用最优节点处的谐波小波包系数进行信号重构,并对重构信号做增强包络谱分析,利用故障特征频率的理论计算值与增强包络谱中峰值明显的谱线进行对比,从而对轴承故障类型做出判断。运用所提出的诊断方法分别对滚动轴承内圈故障模拟、实测信号进行分析,结果表明,该方法具有一定的可靠性,能够满足实际的工程需要。

变转速下滚动轴承阶比峭度图法故障特征提取

结合传统阶比分析和峭度图算法的优势,利用计算阶比跟踪方法将时域非平稳信号转换为角域平稳信号,并利用峭度指标准确表征滚动轴承振动信号中的故障瞬态冲击大小,提出了阶比峭度图算法。仿真故障信号及实测滚动轴承外圈故障信号分析结果表明,阶比峭度图算法能够有效识别阶比域内的最优包络解调频带参数,显著提高了变转速工况下滚动轴承故障特征提取的准确性。

一种自适应共振解调方法及其在铁路轴承故障诊断中的应用

共振解调是滚动轴承诊断中最具优势的方法之一,但解调频带的确定一直是一个巨大的挑战。针对基于传统峭度图方法在复杂干扰的工况下,往往无法正确识别出最优的共振频带进行包络解调的问题,该研究提出了一种基于自相关谱峭度图的自适应共振解调新方法。以滤波后平方包络信号的自相关谱的峭度值作为度量指标,生成一种新的峭度图。最后,通过对高速铁路轴承在空载、静载、动载三种不同工况下的实验信号和铁路货车轴承实验信号进行分析,验证了该方法在复杂工况下的有效性和优越性,具有较高的工程应用价值。

快速谱峭度与全矢谱结合的滚动轴承故障诊断

针对滚动轴承信号的非平稳调制特性以及单通道分析易造成信息遗漏的缺点,提出了一种基于快速谱峭度算法(Fast Kurtogram)和全矢谱技术的故障特征提取方法。首先利用快速谱峭度算法自适应地确定带通滤波器的最佳中心频率与带宽等参数,根据所选参数构建带通滤波器对双通道故障信号进行滤波,以提高其信噪比;然后对滤波后的信号进行全矢信息融合以保证故障信息的全面性;最后对信息融合后的信号进行包络解调分析以获取振动信号的故障特征信息。实验分析结果表明,该方法能有效地提取滚动轴承的故障特征频率,并提高故障诊断的准确性。

快速峭度图在滚动轴承故障诊断中的应用

针对包络分析中带宽和中心频率依靠经验估计的缺陷,应用一种快速峭度图算法自动为包络谱分析提供最佳带宽和中心频率。快速峭度图算法借鉴了二进小波分解算法,先将原始信号经过FIR滤波器将信号进行分解,然后在各个频段上计算信号的谱峭度值,并根据快速峭度图的结果得到最佳中心频率和带宽,最后进行包络谱分析。实验证明该方法可以更有效地诊断滚动轴承故障。

行星变速箱退化特征参数提取方法

研究行星变速箱的退化特征参数提取方法对于机械系统的故障预测与健康管理(prognostic and health management,简称PHM)具有重要意义。为了分析行星变速箱的退化特性,首先,在峭度谱信号处理和构图方法的基础上提出改进型峭度谱,在特征参数提取过程中用均方根(root mean square,简称RMS)代替峭度,将其称为RMS谱,RMS谱能够同时从时域和频域分析系统退化过程中各个频带RMS的变化趋势;其次,在峭度谱原理的基础上研究RMS谱和RMS归一化谱的原理,并用公开的轴承数据解释新提出方法的数据处理流程;最后,用新提出方法对行星变速箱的退化过程进行详细的研究,发现不同频带的RMS趋势不同,而且有些频带能比较稳定的反映退化过程,有些频带对加速退化阶段比较敏感,这些结论对提取适合行星变速箱故障预测的退化特征参数很有参考价值。

基于卷积神经网络的采煤机截割部减速器故障诊断研究

在对采煤机截割部的减速器进行故障诊断过程中,存在故障特征提取困难及诊断模型泛化能力弱的问题,针对这一问题,提出了一种基于卷积神经网络的减速器故障诊断方法。首先,通过快速Kurtogram算法提取了变工况下减速器齿轮的健康、疲劳点蚀、轻度磨损、重度磨损、齿面裂痕、断齿几种振动谱峭度;然后,对谱峭度作像素归一化后进行了灰度处理,将结果输入到构建好的结构层数为2层卷积-池化层的卷积神经网络,采用自适应学习对模型进行了训练,并将最后全连接层的输出结果作为故障特征;最后,结合某减速器的结构原理搭建了故障诊断实验台,采用Tensor Flow平台对所提模型进行了编程,对模型的识别率和特征可视化结果进行了评估。研究结果表明:该方法对减速器的故障识别率在99%以上,解决了传统方法中特征提取繁琐和不同故障特征间的耦合问题,为采煤机截割部减速箱的故障智能诊断提供了新的思路。

基于LFK和熵谱差分准则的滚动轴承信号预处理方法研究

针对滚动轴承故障信息易被不确定性随机噪声湮没的问题,提出了基于LFK的滚动轴承信号降噪预处理方法。首先,通过局部特征尺度分解对信号进行分解并提出熵值差分谱对分量进行筛选重构;然后,对重构信号中可能存在的残余噪声,采用快速峭度图算法进一步滤波降噪,一定程度上去除了噪声的干扰;同时也较好地保留了故障特征信息。最后,利用仿真信号和滚动轴承内圈故障信号验证了该方法的有效性。