基于包络切片谱和时频谱的轴承故障诊断

为了有效提取轴承故障信号的故障特征以及更好地显示其时频特性,提出了基于局部均值分解(LMD)的包络切片谱分析及时频分布方法。首先,使用LMD对轴承故障信号进行分解得到一组PF分量。然后,对各PF分量的包络信号(瞬时幅值)进行切片谱分析。同时,由PF分量的瞬时频率和瞬时幅值获得各PF分量的时频分布。实测轴承故障信号的LMD包络切片谱分析及时频分布结果表明,LMD包络切片谱可准确获得内圈故障轴承和外圈故障轴承的故障特征频率,LMD时频分布可更直观地显示轴承故障信号的时变瞬时特性,可用于辨别轴承的故障形式。     

基于Burg算法与卡尔曼滤波的有色噪声状态估计

探讨一种有色噪声卡尔曼滤波算法。基于静态环境下多传感器的噪声信号,借助Burg算法和自回归模型,获得可在线估计噪声信号的噪声模型,进而结合经典卡尔曼滤波算法,获得可估计系统状态的有色噪声卡尔曼滤波模型。数值实验结果比较显示该模型对系统的状态估计精度高、噪声抑制能力强。     

小波变换技术在电机故障诊断上的应用

电机失效的主要原因是电机轴承故障,以电流信号为基础的谱分析方法,反映故障的谐波分量幅值较小,容易被基频和电流噪声淹没.采用小波变换技术对电机轴承类故障进行诊断,将传感器采集到的振动信号用db10、db1、db5正交小波基进行4层小波分解,并对第1层细节信号d1作Hilbert包络和谱分析.实验结果表明:小波分解方法能够检测出轴承故障的特征频率,db1正交小波基得到的故障频率最为明显,与传统方法相比,小波技术在电机故障诊断中具有很大优越性.     

基于小波包和EMD的异步电动机轴承的故障诊断方法

异步电动机轴承的故障信号为低频带周期冲击性特征故障数据,呈现非线性特征,倘若对此类特征信息直接做傅里叶变换,会被高频信号调制,使得故障信号严重失真。为此,提出一种新的集有小波包变换、经验模式分解和Hilbert包络谱分析相融合的滚动轴承故障诊断方法,旨在消除高频噪声信号,提升故障诊断效果。利用小波包变换对滚动轴承的振动信号进行降噪,使用经验模式分解把降噪后的故障信号分解成多个有效本征模态分量,并对筛选后的故障信号进行重构处理,最后对重构信号做Hilbert包络谱分析,计算得到滚动轴承故障频率。通过实验及分析,结果表明新方法应用效果良好。     

带有色观测噪声的多传感器ARMA模型信息融合辨识

对带已知有色观测噪声的未知自回归滑动平均模型(ARMA)模型,提出了一种两段信息融合辨识方法:第一段用递推辅助变量(RIV)算法得到自回归(AR)参数的局部和融合一致估值,第二段用Gevers-Wouters算法和用伪逆求解线性方程组方法得到滑动平均(MA)参数和噪声方差的局部和融合一致估值。该方法可用于语言增强信号处理问题。一个仿真例子说明其有效性。     

基于ARMA模型双谱分布与FCM方法的轴承故障识别

针对滚动轴承信号非线性和非高斯性的特点,提出了基于自回归滑动平均(ARMA)模型双谱分布特征与模糊c均值(FCM)聚类分析的故障识别方法.首先,利用经验模态分解改善信号,对获得的信号主分量建立ARMA模型;然后,对ARMA模型进行双谱分析;最后,以阈值化的双谱分布二值图为特征向量,借助FCM聚类算法构建类模板与最近邻模板分类器,实现故障识别.滚动轴承实例诊断结果表明,该方法能准确地判断轴承的实际性态,是一种有效的故障识别方法.     

EEMD结合能量特征和小波降噪的轴承故障诊断

为解决在强背景噪声条件下滚动轴承故障诊断问题,开展基于能量特征和小波降噪的总体经验模态分解(EEMD)研究。首先以仿真信号为研究对象,对其进行总体经验模态分解,得到9个固有模态函数(IMF)和1个余项( Res),然后考虑各模态函数的能量特征,将分解后的9个IMF分量与原始信号的能量比作为判断标准,剔除附加5个低频分量,最终得到4个有效的IMF分量和1个余项,与仿真信号相符。在仿真信号分析的基础上,对含噪声信号的滚动轴承故障信号进行故障诊断试验研究,采集信号经小波降噪后,利用总体平均经验模态分解并结合能量特征,得到3个IMF分量和1个余项,然后对3个IMF分量进行包络谱分析,提取故障特征频率157.5 Hz,与滚动轴承故障内圈特征频率157.9 Hz相比,误差为0.25%,说明该方法能很好地提取含有噪声信号的轴承故障信息。该研究为强背景噪声下滚动轴承故障信息的提取提供了一种有效的方法。     

用相干功率谱识别主噪声源

用相干功率谱分析法辨识在多振源工况下的主要噪声源,并对被识别声源作自功率谱和倒功率谱分析,诊断出产生噪声的故障元件。     

旋转机械故障诊断的11/2维循环谱分析方法

首先介绍了谱相干及高阶循环累积量谱的定义,说明了高阶循环累积量谱具有的抑噪和相位保留的能力.但由于高阶循环累积量谱分析需要更长的时间序列,因此本文从循环谱相干定义出发,提出了利用1 1/2维循环谱区分线性与非线性特征的方法.指出1 1/2维循环谱分析方法,不仅保留了高阶循环累积量谱的抑制噪声、提取非线性耦合特征和分离循环平稳分量与平稳分量的能力,而且减少了所需时间序列长度,提高了监测的实时性,最后以非线性平方相位耦合信号和轴承故障信号为例进行了仿真验证.     

用相干功率谱识别主噪声源

减小工作环境的振动噪声是改善工作条件的主要措施之一 ,由于其振动噪声是由许多噪声源引起的 ,故用相干功率谱分析法的测试系统框图及源识别模型分析了相干功率谱 ,在多振源工况下用这种方法辨识主要噪声源 ,对被识别声源作自功率谱和倒功率谱分析 ,诊断出产生噪声的故障元件。     

模糊控制理论及音谱分析技术在 D.R. 中的应用

以用于故障诊断的机器人（ＤｉａｇｎｏｓｉｓＲｏｂｏｔ，简称Ｄ．Ｒ．）为例，介绍一种利用模糊控制理论及音谱分析技术对机械设备进行故障诊断的方法。应用这种技术，可使Ｄ．Ｒ．在强噪音环境下准确地探测到故障源并分析出其故障类型。     

多自由度结构模态阻尼比估计的新方法

本文指出了利用MEM谱值比较求多自由度结构模态阻尼比方法的一些不足。在此基础上提出了一种新的求模态阻尼比的方法。文内给出了新算法的理论和计算方法,给出了计算机仿真和实测振动信号的计算实例,计算结果表明本文的方法是可行的,且具有较高的精度。本文还探讨了自回归模型的定阶问题,在AIC准则的基础上提出一种考虑信号噪声影响的定阶准则。实际应用表明新准则在各种信噪比条件下均适用。     

Resonances arising from hydrodynamic memory in Brownian motion

Observation of the Brownian motion of a small probe interacting with its environment provides one of the main strategies for characterizing soft matter. Essentially, two counteracting forces govern the motion of the Brownian particle. First, the particle is driven by rapid collisions with the surrounding solvent molecules, referred to as thermal noise. Second, the friction between the particle and the viscous solvent damps its motion. Conventionally, the thermal force is assumed to be random and characterized by a Gaussian white noise spectrum. The friction is assumed to be given by the Stokes drag, suggesting that motion is overdamped at long times in particle tracking experiments, when inertia becomes negligible. However, as the particle receives momentum from the fluctuating fluid molecules, it also displaces the fluid in its immediate vicinity. The entrained fluid acts back on the particle and gives rise to long-range correlations. This hydrodynamic 'memory' translates to thermal forces, which have a coloured, that is, non-white, noise spectrum. One hundred years after Perrin's pioneering experiments on Brownian motion, direct experimental observation of this colour is still elusive. Here we measure the spectrum of thermal noise by confining the Brownian fluctuations of a microsphere in a strong optical trap. We show that hydrodynamic correlations result in a resonant peak in the power spectral density of the sphere's positional fluctuations, in strong contrast to overdamped systems. Furthermore, we demonstrate different strategies to achieve peak amplification. By analogy with microcantilever-based sensors, our results reveal that the particle-fluid-trap system can be considered a nanomechanical resonator in which the intrinsic hydrodynamic backflow enhances resonance. Therefore, instead of being treated as a disturbance, details in thermal noise could be exploited for the development of new types of sensor and particle-based assay in lab-on-a-chip applications.     

自校正解耦融合Wiener状态预报器

对含未知模型参数和噪声统计的多传感器单输入单输出系统,用现代时间序列分析方法,基于自回归滑动平均(ARMA)新息模型的在线辨识,可得到未知模型参数和噪声统计估值器,进而在按状态分量标量加权线性最小方差最优信息融合准则下,提出了自校正分量解耦信息融合Wiener状态预报器。它实现了自校正分量解耦局部Wiener状态预报器和自校正分量解耦融合预报器。证明了它的收敛性和渐近最优性。一个目标跟踪系统的仿真例子说明了其有效性。     

高层楼供水系统噪声源的识别

采用功率谱分析、相干分析、模态分析相结合方法 ,对高层供水系统振动、噪声进行了分析 ,找出其主要的噪声源及其主要频率成分 ,从而为治理噪声提供可靠的依据。     

一种新低信噪比下自回归谱估计方法

本文基于周期图谱估计和自回归参数谱模型,在频域中引入目标函数,利用无约束最优化方法,得到一种新的自回归参数谱估计方法。这是种更适合于低信噪比条件的方法。     

一种Kalman平滑器新算法

应用现代时间序列分析方法，基于ARMA新息模型和白噪声估值器，本文提出了一种Kalman平滑器新算法，它不用解Riccati方程，并且可以统一的处理预报、滤波和平滑问题，估值器具有渐近稳定性，仿真例子说明了本算法的有效性。     

点钞机噪声源的识别

从点钞机的结构入手，采用分部运行、功率谱分析、相干分析和模态分析相结合的方法，分析了机器的振动和噪声信号，找出了主要噪声源和振动源及其主要频率成分。对点钞机进行了改造，使点钞机标准点噪声从63dB降到58dB。