基于EEMD分解的阶次跟踪方法研究

摆线针轮减速器组成零部件繁多、构成复杂,工作时噪声干扰大且多在变转速、往复的复杂工况下工作,因此,难以准确提取其内部的故障特征。针对这一问题,提出了一种基于集合经验模态分解(EEMD)与阶次跟踪分析的方法,对摆线针轮减速器进行了故障诊断。首先,对采集到的时域振动信号和转速信号进行了等角度域差值采样,得到了振动信号的等角域平稳信号;然后,对等角域信号进行了集合经验模态分解,得到了若干个固有模态分量(IMFs),计算了各个固有模态分量的峭度值,选取目标模态分量进行了信号重构;接着,采用快速傅里叶变换得到了故障信号的阶次图;最后,根据减速器的传动方式、各零部件的模数,计算出了各主要部件的故障阶次,对比减速器在故障前后阶次图的能量峰值进行了故障诊断。研究结果表明:该方法能够准确提取包含故障信息的固有模态分量,实现从等时域信号到等角域信号的转换,并提取摆线针轮减速器的滚针故障阶次(8.37阶),故障准确率达到99.6%,可实现摆线针轮减速器在非平稳工况下的故障特征识别,并验证该方法的可行性和有效性。

非线性广义分数阶多智能体系统迭代学习趋同控制

针对一类含有扰动的非线性广义分数阶多智能体系统,研究其在不同通信拓扑协议下闭环Dα型迭代学习一致性趋同跟踪问题。首先,基于分数阶微积分特性及广义的Gronwall不等式,给出非线性广义分数阶多智能体系统在固定通信拓扑下一致性趋同误差收敛的充分条件。然后,将所得到的理论结果推广到通信拓扑随迭代变轴变化的情形,并分析了被控多智能体系统趋同跟踪误差的收敛特性。最后,通过2个数值仿真实例验证了所提闭环Dα型迭代学习趋同控制协议的有效性。

基于高阶递归神经网络的AUV鲁棒控制方法

目的 提出一种基于高阶递归神经网络的AUV鲁棒控制方法。方法 利用结构简单但逼近效果优越的高阶递归神经网络,对建模不确定性和外部未知干扰进行估计,并将其补偿到输入控制律中,以提高控制性能。之后,基于HJI理论和Lyapunov稳定性分析导出神经网络权重自适应更新律和AUV自适应控制律,设计反步滑模方法作为对比方法,并进行仿真实验。结果 设计的基于高阶递归神经网络的AUV鲁棒控制方法的跟踪误差、调节时间等控制指标均优于反步滑模方法。设计的鲁棒控制方法可以控制AUV精确跟踪目标轨迹,同时具有优秀的控制性能和鲁棒性。结论 这一研究为AUV轨迹跟踪控制领域提供了一种高效且有效的方法,有望在复杂、不确定的水下环境中得到应用。

一类分数阶多智能体系统的协调跟踪控制

针对分数阶多智能体系统的协调跟踪控制问题,首先,引入Caputo分数阶概念及证明方法,采用领导跟随多智能体系统的一致性控制算法,并通过线性矩阵不等式(Linear Matrix Inequality,LMI)来求解控制算法中的待设计参数,以保证所有智能体状态最终能够收敛到预期目标值;然后,借助Lyapunov稳定性理论、代数图论等方法得到分数阶多智能体系统实现领导跟随一致性的充分条件;最后,通过数值仿真验证理论结果的有效性。

基于瞬时频率估计的旋转机械阶比跟踪

提出了基于瞬时频率估计(Instantaneous frequency estimation,IFE)实现旋转机械阶比跟踪的新方法,其优点是简化了阶比分析对硬件的要求,用软件的方法实现了阶比跟踪,仿真与实际测试试验验证了本方法的正确性。本方法实现了旋转机械非平稳振动信号中参考轴瞬时转速的跟踪、估计算法,为阶比分析的实际应用提供了一种新方法,是对原有阶比跟踪技术的有力补充,特别适合于虚拟仪器发展的要求。

旋转机械阶比分析技术中阶比采样实现方式的研究

阶比分析的关键是实现对旋转机械振动信号的等角度采样。在分析国内外阶比分析技术中阶比采样实现方式的基础上,在阶比分析中引入瞬时频率理论,提出了基于瞬时频率估计的阶比跟踪方法,研制出了虚拟式旋转机械特征分析仪。该方法避免了现有技术中需要使用价格比较昂贵的专用附加硬件和受现场安装条件制约的问题,有利于阶比分析的广泛应用。

时频分析阶比跟踪技术

旋转机械运转时其旋转部件引起的故障 ,其产生的振动和噪声所表现出的特征和轴的转速有密切关系。在这类故障的特征分析中 ,使用阶比谱分析比一般的频域分析更具有优势。文中对两种典型的阶比跟踪法进行了较为系统的论述。在此基础上提出并介绍了正在研究的时频分析阶比跟踪技术 ,时频分析阶比跟踪技术用纯软件的方法实现阶比跟踪 ,是对原有技术的有力补充 ,特别适合于虚拟测试仪器发展的要求 。

发动机变速阶段振动信号时频分析阶比跟踪研究

发动机变速过程产生的振动复杂多样,具有周期性和频率倍增等特点。阶比跟踪是一种用于旋转类机械系统动态设计、故障诊断和状态监测的重要方法。阐述了阶比跟踪的国内外发展及技术情况。G abor变换是一种可逆的联合时频变换,通过研究G abor变换及满足信号时域重构的对偶函数双正交条件,采用在时频域进行带通滤波的方法来进行阶比跟踪,能够得到各阶比成分的时域重构信号。克服了采用传统等角度重采样后进行傅立叶变换方法不能在时域内提取阶比信号的不足。

基于阶次双谱的齿轮箱升降速过程故障诊断研究

针对齿轮箱升降速过程中振动信号非平稳的特点,将常规的阶次分析与双谱分析技术相结合,提出了基于阶次双谱的齿轮箱故障诊断方法。首先对齿轮箱升降速瞬态信号进行时域采样,再对时域信号进行等角度重采样,转化为角域平稳信号,最后对角域重采样信号进行双谱分析,就可提取轴承的故障特征。通过对轴承内圈故障实验信号的分析表明,该方法能有效地识别轴承的故障。

基于谱峭度的滚动轴承故障包络阶比跟踪分析

通过对旋转机械变速运行工况的齿轮箱振动分析研究,提出一种基于谱峭度的滚动轴承故障包络阶比跟踪分析方法。该方法利用旋转机械运行过程中滚动轴承故障引起的冲击性振动会激起其周围结构共振的原理,应用谱峭度方法自适应地确定优化的共振解调带通滤波中心频率和滤波带宽,进而通过共振解调算法获得包含轴承故障初始阶段振动特征的包络信号,再将变速工况下的非平稳包络信号通过等角度重采样转化为角度域的准平稳信号,进而获得消除了频率模糊的阶比谱,实现对旋转机械变速运行工况下的滚动轴承故障诊断。仿真和试验结果验证了本方法的有效性。

基于倒阶次谱分析的齿轮故障诊断研究

针对齿轮箱升速过程中振动信号非平稳的特点,将常规的倒谱分析技术与阶次谱结合,提出了倒阶次谱的齿轮箱故障诊断方法。首先对齿轮箱升降速瞬态信号进行时域同步采样,再对时域信号实行等角度重采样,转化为角域平稳信号,最后对角域重采样信号进行倒谱分析,就可提取齿轮的故障特征。通过对齿轮齿根裂纹和齿面磨损故障实验信号的分析,表明该方法能有效地诊断齿轮的故障。

基于Viterbi算法的Gabor阶比跟踪技术

结合旋转机械启停阶段振动信号的特点,提出一种基于Viterbi算法的Gabor阶比跟踪(Gabor order tracking based on Viterbi,V_GOT)算法,此算法采用Viterbi算法代替了传统的Gabor阶比跟踪(Gabor order tracking,GOT)算法中的时频滤波技术。V_GOT算法和传统的GOT算法相比,其能够对复杂机械振动信号产生的邻近阶比和交叉阶比分量进行有效的跟踪和分离,并且具有计算量小、精度高、无需转速计等硬件和用纯软件的方法实现等优点。详细讨论了V_GOT技术的基本原理、算法及进行阶比跟踪的实现过程,另外,对偶函数对Gabor阶比跟踪结果的影响进行了深入的研究。采用仿真和实际试验对V_GOT算法进行了验证,试验结果表明该方法能够在时频域准确地提取幅值和复杂频率变化的阶比,适合于复杂旋转机械振动响应特征提取。

变速工况下采煤机行星齿轮传动系统故障诊断

采煤机截割煤层时,牵引部行星齿轮传动系统处于变速工况,且行星齿轮传动系统结构复杂,导致振动信号存在多种调制现象,影响行星齿轮传动系统故障特征提取。针对上述问题,将阶次分析技术与包络谱相结合,提出了一种基于包络阶次谱分析的采煤机行星齿轮传动系统故障诊断方法。首先对行星齿轮传动系统的非平稳时域振动信号进行Hilbert包络分析,然后将非平稳时域包络信号进行计算阶次跟踪处理,转换为等角度的角域信号,最后对等角度角域信号进行快速傅里叶变换,得到信号的包络阶次谱。对该方法进行了仿真分析及基于动力传动故障诊断综合试验台的变速工况下行星齿轮传动系统故障诊断试验,结果表明:对于变速工况下的振动调制信号,阶次分析难以提取特征阶次,而包络阶次谱分析方法可有效提取其特征阶次,并实现了行星齿轮传动系统故障准确诊断。

基于广义解调时频分析和瞬时频率计算的阶次谱方法在齿轮故障诊断中的应用

针对齿轮启停过程中故障振动信号的调频特性,提出了基于广义解调时频分析和瞬时频率计算的阶次谱方法,并将其应用于齿轮瞬态信号的分析。广义解调时频分析是一种新的时频分析方法,它可以将多分量的信号分解为若干个瞬时频率具有物理意义的单分量信号,每个单分量信号可以是调幅-调频信号,因此非常适合处理多分量的调幅-调频信号。而当齿轮发生故障时,其启停过程中的振动信号就表现为多分量的调幅-调频特征。在基于广义解调时频分析和瞬时频率计算的阶次谱方法中,首先采用广义解调时频分析方法将齿轮瞬态信号分解为若干个单分量信号,然后计算各个分量的瞬时频率,再对其瞬时频率信号进行重采样,最后对重采样信号进行频谱分析得到阶次谱,从而提取齿轮振动信号的故障特征,判断齿轮的工作状态。仿真信号和实验信号的分析结果表明了该方法的有效性。

阶次包络谱在轴承故障诊断中的应用

旋转机械的升降速过程包含丰富的状态信息,因而旋转机械的升降速过程对于旋转机械的故障诊断具有独特的价值。将常规的阶次分析技术与包络谱相结合,提出基于阶次包络谱的齿轮箱故障诊断方法。首先对齿轮箱升降速瞬态信号进行时域采样,再对时域信号实行等角度重采样,转化为角域平稳信号,最后对角域重采样信号进行包络谱分析,就可提取轴承的故障特征。通过对轴承内圈、外圈故障实验信号的分析,表明该方法能有效诊断轴承的故障。

阶次倒谱在轴承故障诊断中的应用

将常规的阶次分析与倒谱分析技术相结合,提出了阶次倒谱分析的齿轮箱故障诊断方法。首先对齿轮箱升降速瞬态信号进行时域等间隔采样,再对时域信号进行等角度重采样,转化为角域平稳信号,最后对角域重采样信号进行倒谱分析,提取轴承的故障特征。通过对轴承内圈、外圈故障实验信号的分析,表明该方法能有效地诊断轴承故障类型。

瞬时频率估计的齿轮箱升降速信号阶次跟踪

提出了基于瞬时频率估计的齿轮箱升降速信号阶次跟踪的新方法。首先对振动信号进行经验模态分解得到信号的固有模态函数,再求各个固有模态函数的Hilbert变换,得到信号的瞬时频率,从而直接从振动信号得到参考轴的转速信号,然后根据参考轴的转速信号对时域振动信号进行等角度重采样,最后对重采样信号进行阶次分析。通过仿真信号和对齿轮磨损故障实验信号的分析,表明该方法能有效地诊断齿轮的故障。

铁路轨道几何数据冲击噪声小波-有序中值滤波方法

结合小波分析及有序中值方法(ROM),提出铁路轨道几何数据冲击噪声自动滤波方法。利用传统中值滤波技术滤除冲击噪声会减少信号的有用信息及质量,提出利用小波分析将信号分解成含冲击噪声的高、低频信号;利用ROM自动识别高频信号中冲击噪声位置并滤波。据铁路轨道几何数据特点与阈值指标的内在关系,将ROM两阈值指标合并成一个,并据专家知识确定阈值。新方法具有简单、高效及强健优势,且可在线实现。用新方法对含冲击噪声的模拟信号、实测轨道不平顺信号进行滤波,结果表明该方法不仅能准确识别冲击噪声位置并自动修复,且能完整保留道岔处大轨向、大值超限等有用信息。

旋转机械阶比跟踪中的阶比交叠噪声消除

旋转机械的升/降速过程的阶比分析中测试数据容易受到阶比交叠噪声分量的干扰,使得分析结果失真甚至无意义。提出了对测试数据先用独立分量进行分解,将混合信号中的阶比分量和非阶比交叉噪声分离为不同独立信号分量,在此基础上再对分离出的阶比分量信号对应独立信号分量进行阶比跟踪分析,解决了阶比跟踪分析中的交叠噪声干扰问题。对Gabor阶比跟踪和独立分量分析的基本原理进行了简要介绍,在此基础上提出了本方法的实现方案,并在阶比分析中解决了独立分量分析具有的不确定性问题。通过仿真试验和实际测试对本方法的有效性进行了评价。

基于阶次跟踪和角域平均的齿轮裂纹故障诊断

针对齿轮箱升速过程中振动信号非平稳的特点,将常规的阶次分析与时域平均技术相结合,提出了基于阶次跟踪和角域平均的齿轮箱故障诊断方法.该方法先对齿轮箱升降速瞬态信号进行时域采样,再对时域信号进行等角度重采样,转化为角域平稳信号,然后对角域重采样信号进行角域平均分析,就可提取齿轮的故障特征.通过对齿轮齿根裂纹故障实验信号的分析,表明该方法能有效地诊断齿轮的裂纹故障.