谐波小波解调法在齿轮箱故障诊断中的应用

在研究谐波小波频段分解与Hilbert解调分析的基础上,提出了基于谐波小波包变换的解调分析法,并详述了其具体实现过程。该方法根据齿轮箱频谱特征与齿轮箱故障特征频率的理论计算值,确定所需提取的特征啮合分量,并在此基础上选择谐波小波包分解层数与所需提取的频带带宽;通过傅里叶变换及其反变换提取出相应的特征啮合分量,然后借助Hilbert算子对提取出的啮合分量进行包络解调分析。采用这种方法对存在磨损及点蚀故障的齿轮箱振动信号进行了分析,结果表明,基于谐波小波包的包络解调法具有精确提取任意频段调制信息的能力,能够为齿轮箱故障源的准确定位及故障程度提供可靠的判断依据。     

EMD与ICA相结合的复杂转子系统早期故障诊断

为了提取复杂转子系统微弱故障信息,对其早期故障进行预知诊断,针对某型涡桨发动机的减速器传动机构接连发生的齿轮毂裂纹故障问题,通过布置多组加速度传感器对多组正常齿轮毂和预制早期裂纹故障的齿轮毂进行正常试车下的振动信号采集。采用EMD(empirical mode decomposition)方法把测试信号分解成多个IMF分量,选取合适IMF分量利用基于非高斯性极大的ICA(independent component analysis)固定点算法进行混合再分离,得到了信息较为独立的特征分量。通过对特征分量进行解调分析得到能清晰反应故障状态的调制信号信息。结果表明基于EMD与ICA相结合的特征信号分离提取技术加包络解调法能有效地识别复杂转子系统早期故障信息。     

一种基于COSTAS环的光纤地震计解调算法

光纤地震计作为一种新的地震监测手段,具有灵敏度高、抗干扰能力强等优点。传统的干涉型光纤地震计使用相位生成载波(PGC)算法作为相位解调方法,该算法结构简单,但是由于该算法为开环检测算法,在系统静态相位发生很大变化时,将会出现较大的谐波失真,同时导致解调结果不准确。COSTAS环是无线通信载波同步过程中的一种闭环反馈结构,文中将COSTAS环作为PGC算法的反馈环路,通过2个正交分量对干涉信号进行锁相,可以校正地震计系统自身相移,该算法有效地降低解调结果谐波失真度。     

基于奇异值分解和共振解调的滚动轴承故障特征提取

针对共振解调方法容易受到噪声干扰,以及带通滤波器参数难以确定,很大程度上依赖经验的问题,提出一种基于奇异值分解和共振解调的滚动轴承故障特征提取方法;利用奇异值分解算法,将轴承振动信号分解成多个奇异值分量,计算各分量的峭度值,选择峭度值最大的分量,利用谱峭度算法确定中心频率和带宽,并对该分量信号进行带通滤波和包络解调分析。结果表明,提取性能以及鲁棒性能实验证明了该方法能够自适应确定滤波频带,降低噪声干扰的影响,并且在带通滤波器失效情况下有良好的稳定性。     

一种单通道的周期性信号盲分离算法

提出一种针对周期性源信号的单通道盲源分离方法,该方法首先利用希尔伯特变换将单通道的混合信号表示为复数形式后,并用交叉互验技术来估计谐波分量的阶数,然后通过人工蜂群算法优化用于估计基频的代价函数以获得源数、基频及其谐波长度,最后由一种自适应滤波算法来估算源信号的幅值,从而实现了盲源分离的目的.仿真实验结果表明了该方法思路的可行性,且可达到"全盲"的要求.     

基于振动特征的变压器的故障诊断

变压器振动的主要来源是铁心和线圈振动,铁心与绕组故障引发变压器振动信号变化,故障类型不同信号变化不同.基于自主设计的变压器振动信号采集系统,采集不同故障状态下的变压器振动信号.由于变压器振动信号噪声较多,首先采用基于遗传优化的匹配追踪算法对信号稀疏表示去除噪声,然后对降噪后的不同故障类型信号进行分析处理,最后确定故障诊断方法.研究表明:箱体振动的基频反映铁心的故障,高频分量所占比例反映绕组的故障.一旦出现铁心故障,基频分量会发生明显的改变,运用快速傅里叶变换计算主频幅值的能量即可诊断出铁心故障;绕组发生故障后,会产生大量的高频分量,运用小波-高低频能量算法求取高低频包络谱,对比低频分量与总能量的比值,即可确定故障为绕组垫块脱落故障.     

基于EEMD与形态滤波的滚动轴承故障诊断方法研究

为从滚动轴承故障信号中提取出包含故障信息的特征频率,提出集合经验模式分解法(EEMD)与形态滤波相结合的解调方法。该方法首先利用EEMD自适应地将信号分解成多个IMF分量,然后计算各IMF分量与原信号的相关系数,选择合适的IMFs进行信号重构,再对重构后的信号进行形态滤波,滤除脉冲干扰,提取出故障特征信息。将该方法应用于滚动轴承故障诊断实例中,并将分析结果与直接对原信号进行包络谱分析解调的结果进行对比。结果表明,该方法提取故障信息的效果较包络谱分析解调的效果要好。     

基于阶次分析的无人机挂飞振动正弦分量幅值准确提取技术

传统的快速傅里叶变换分析装备在变转速工况下的振动信号出现"频率模糊"现象,针对此问题提出一种无键相阶次分析方法。首先通过控制系统或其它途径预估转速变化范围,确定窄带滤波频带;然后对信号进行窄带滤波;之后利用Hilbert变换计算滤波后信号的瞬时频率;最后根据瞬时频率对信号进行重采样得到角度域平稳信号,对角度域信号傅里叶变换得到阶次谱。通过信号仿真验证了该阶次分析方法有效、准确,并应用到装备在无人机的挂飞振动信号分析中,用于准确提取变转速工况下振动信号中正弦分量的幅值,为准确制定装备的振动环境试验条件奠定基础。该方法是对阶次分析方法的有效补充,对于相似装备的动力学环境试验条件制定也具有参考和借鉴价值。     

NLMS算法在轨道电路信号解调中的应用

针对目前轨道电路FSK信号解调中传统解调方法解调精度不足的问题,在对自适应滤波理论研究的基础上,提出采用基于NLMS算法的自适应滤波模块,利用传统频谱分析法得出轨道电路FSK信号的载频信息作为自适应滤波模块的期望信号,通过提取其中一个载频分量从而还原调制方波,经过计算后得出调制频率,实现信号的解调。仿真结果证明NLMS算法不仅实现了轨道电路FSK信号高精度的解调,并且解决了传统LMS算法在轨道电路FSK信号解调中收敛速度慢的缺陷,具有良好的抗噪性能。     

转子强脉冲干扰非线性信号的混合滤波方法研究

针对脉宽调制控制器在转子振动信号中产生的强脉冲及其它随机干扰噪声,对信号的滤波方法进行了研究．设计了将中值滤波与小波消噪串联的混合滤波器对非线性信号进行滤波的方案．通过对信号的前后周期延拓,将中值滤波用于滤除信号的强脉冲噪声并消除信号的边缘保持;对线性叠加在中值系列中的平稳随机噪声,用默认软阈值小波消噪平滑中值序列中的随机噪声分量,分析表明,该滤波器对该类振动信号的处理效果好,提取到了转子的本质振动信号并保持了信号的光滑性．     

科氏流量计的时变信号处理方法

针对实际应用中科氏流量计流量缓变的特性,首先建立频率、幅值和相位均按照随机游动模型变化的改进时变信号模型,其次采用一种跟踪信号频率变化能力更好的陷波算法对信号进行滤波,以求其频率;并采用自适应谱线增强器从含有噪声的信号中提取出基频信号;然后通过短窗截取,采用修正的滑动DTFT递推算法实时计算两路信号之间的相位差和时间差,求得质量流量.仿真及实测结果表明,研究方法不仅可以跟踪变化的频率和相位,而且在测量小相位时具有较高的精度,整套算法计算量小,可用于科氏流量计的实时信号处理.     

基于形态分量分析的高速铣削加工刀具磨损在线监测

在高速铣削加工中,铣刀在超高转速下进行不连续切削,刀具磨损迅速且难以监测,严重影响加工精度和产品质量,因此刀具磨损的状态监测极其重要.振动法是一种有效的刀具状态监测方法,但是振动信号包含了多种振动成分及大量噪声,影响刀具磨损状态监测的准确性.针对该问题,提出了一种利用对偶基追踪算法和用形态分量分析对振动信号进行稀疏分解的方法.首先,分析了高速铣削加工过程中振动信号的形态分量特点和稀疏特性,构造了对偶基追踪框架,通过增广拉格朗日变量分离算法进行求解,实现对振动信号中的脉冲成分和谐波成分的分离.其次,构造并提取了脉冲密度和高次谐波频率与基频的幅值比等特征并利用这些特征进行刀具磨损状态监测.最后,通过仿真分析和实验,验证了该方法的可行性.     

采用参数化解调的变转速下柱塞泵故障诊断方法

针对柱塞泵在变转速工况下运行时,存在因时变信号特征提取不易和噪声抑制困难导致的故障诊断准确度低的问题,提出一种以参数化解调为基础的柱塞泵空化故障诊断方法。首先,采用粒子群算法对泵出口时变压力信号重点分量的相位参数进行估计,再根据估计得的参数将信号解调至平稳化并滤波,接着对滤波后的信号进行反解调来获取单一信号分量;然后迭代执行参数化解调的上述步骤以提取所有重点分量并实现信号重构;最后对重构信号进行切片来构建数据集,再将数据集输入一维卷积-长短期记忆神经网络(1DCNN-LSTM)中提取局域特征并学习长期时序信息,从而实现准确地识别柱塞泵空化等级。流体仿真实验验证了参数化解调在信号分量提取上的有效性。使用实测信号进行空化故障诊断实验,结果表明:相比未经参数化解调的诊断方法,该方法的空化等级识别准确率提高了6.5%,达到95.4%,且具有更好的泛化性能;在信噪比为0 dB的强噪声环境下,准确率维持在90%以上。     

一种基于改进独立分量分析算法的谐波源分离与定位方法

针对配电网谐波阻抗未知情况下,用独立分量分析算法提取谐波电流的顺序对谐波电流的分离性能有较大影响的问题,提出一种通过改进独立分量分析算法的谐波电流提取,进而进行谐波源分离与定位的方法.将信号处理中的抽气技术用于独立分量分析算法中,得到改进的独立分量分析算法;以谐波电压为量测量,采用改进独立分量分析算法按负熵大小降序提取谐波电流,通过计算分离得到的谐波电流与各量测节点谐波电压之间的互信息,对谐波源进行准确定位.在IEEE14节点配电系统中进行仿真测试,以归一化偏移误差和相关系数为评价指标,将其与独立分量分析算法分离得到的谐波电流进行对比,结果表明所提出的方法能实现谐波源的准确估计和定位.     

滑动扫描记录中压制谐波干扰方法

提出一种适用于滑动扫描的纯相移滤波方法。通过对记录或者统计得到的可控震源力信号进行分解,得到各次谐波分量,然后通过对地震道记录按照各次谐波的相移量进行纯相移处理。对相移后的结果,设计合适的滤波器,消除谐波。结果表明,所提方法稳定、高效、易于实现,只需要知道可控震源力信号和每一炮的初至时间,就可以在滑动扫描记录中有效消除谐波干扰,适用于对野外采集数据进行实时处理。     

基于包络解调滤波的滚动轴承复合故障诊断

针对在变转速工况下进行滚动轴承复合故障诊断时,由于故障间的相互作用使得多种故障特征混叠在一起,彼此干扰,造成误判﹑漏判等问题,以及时域滤波过程中共振频带参数难以获得这一问题,提出基于包络解调滤波的滚动轴承复合故障诊断方法。首先,使用多项式函数拟合轴承转速,并根据轴承各部分的故障特征频率系数和转速信息计算瞬时故障特征频率(IFCF)趋势线;其次,根据各部分IFCF趋势线的拟合函数,构造解调算法的相位函数,对原始信号经过Hilbert变换得到的包络信号解调;最后,以各部分IFCF拟合函数的初始值为中心频率构造窄带巴特沃斯带通滤波器,对解调信号进行滤波处理,并对滤波后的信号进行快速傅里叶变换(FFT)得到包络解调滤波信号的频谱。研究结果表明:该算法使轴承IFCF的能量集中在初始值的位置,使用巴特沃斯带通滤波器便可以在包络信号中提取解调后的故障信息。该方法既克服了转速变化引起的"频率模糊"现象,又避免了时域滤波中共振频带难以确定的问题。仿真算例和应用实例证明了该算法的有效性。     

利用航空发动机信号特征的振动源盲分离算法

针对航空发动机机匣观测信号为多个振动源的混合信号的问题,提出了一种基于航空发动机振动信号特征的盲分离算法,能够从混合的观测信号中确定振动源的个数以及提取发动机内部各个振动源的振动信息。算法的核心是基于航空发动机等旋转机械转轴故障振动信号的频谱特点,其故障信号的振动谱一般包含基频、谐波成分和次谐波成分,如不对中、碰磨、裂纹等。算法用到的主要工具是连续小波变换和时间同步平稳法,主要步骤为:首先通过连续小波变换将航空发动机不同观测通道上的观测信号分解,根据谱峰值分析确定主要振动源及对应的基频;然后通过时间同步平稳法,分别从每个观测通道上提取各个振动源的谐波和次谐波成分,从每个观测通道上提取出了源信号;对于同一源信号,从每个观测通道上都能提取出一个基本映像,最后通过对比每个映像信号的二范数,确定每个源信号的最优估计。通过数值模拟信号和实测航空发动机加速度振动信号对算法进行了验证,结果表明,在对发动机转速有一定先验知识的情况下,所提算法能够估计出发动机内部的主要振动源的个数,并能提取源信号的主要成分。结合旋转机械振动频谱特点等先验知识,说明了所提算法的正确性和实用性。     

基于形态滤波优化算法的滚动轴承故障特征提取方法

针对轴承故障振动信号的非线性、非平稳性的特点,而且故障信号经常被各种噪声、干扰所淹没,提出了一种基于局部均值分解(local mean decomposition,LMD)与自适应多结构元素多尺寸差值形态滤波器相结合的方法。原始故障信号先经过局部均值分解得到若干乘积函数(product function,PF)分量,然后采用峭度值准则,选取峭度值最大的PF分量,再将其经过自适应多结构元素多尺寸差值形态滤波器进行滤波解调,最后解调结果进行频谱分析,提取故障特征。为了体现其可行性和优越性,与包络解调、LMD-形态闭运算和LMD-形态差值滤波三种方法进行了比较,仿真信号和实测轴承故障信号的分析结果表明,它具有更强的噪声抑制和脉冲提取能力,可以有效地提取滚动轴承故障特征信息,实现故障的精确诊断。     

基于自适应局部迭代滤波和能量算子解调的滚动轴承故障特征提取

为了提高滚动轴承的故障特征提取可靠性,该文提出了一种基于自适应局部迭代滤波(Adaptive local iterative filtering,ALIF)和能量算子解调的滚动轴承故障特征提取的方法。该方法首先利用ALIF将轴承的故障振动信号分解为若干个本征模态函数(Intrinsic mode function,IMF)分量,然后对包含故障信息最多的分量进行能量算子解调,得到分量的包络谱来提取轴承的故障特征。仿真结果表明:ALIF能够准确获取IMF分量,解决经验模式分解(Empirical mode decomposition,EMD)带来的模式混叠问题,结合能量算子解调方法能更好地凸显故障信号的包络谱特征,有效地提取轴承故障特征频率。     

一种自适应Morlet小波滤波方法及其在滚动轴承早期故障特征提取中的应用

针对滚动轴承早期故障信号微弱,故障特征难以提取的问题,提出了一种基于混洗蛙跳算法(shuffled frog leaping algorithm,SFLA)的自适应Morlet小波滤波方法.首先利用自相关分析去除宽频随机噪声,然后通过SFLA优化Morlet小波的滤波参数,获得在最小信息熵下的中心频率和滤波带宽.由自适应Morlet小波滤波器获得的滤波信号,其中的冲击成分可以很好地被表征.最后对滤波后的信号做包络谱分析即可提取滚动轴承的故障频率.实验表明,自适应Morlet小波滤波方法可以成功地从低信噪比信号中提取出周期冲击特征,对于滚动轴承早期故障振动信号,能够有效地提取冲击特征频率实现滚动轴承早期故障诊断.