基于局部特征尺度分解的汽轮机故障诊断研究

为了提高汽轮机故障诊断的精确性,文章运用转子振动实验台来模拟汽轮机转子的振动信号,对运行中的三种故障振动信号进行采集,然后运用局部特征尺度分解方法对汽轮机振动信号时间序列进行特征提取,组成特征向量。利用极限学习机作为故障诊断分类器,结果表明,局部特征尺度分解特征提取和极限学习机的诊断模型能够准确地对汽轮机故障进行诊断,具有很高的实际应用意义。     

碰摩信号的小波表示及其相空间特征研究

对转子动静碰摩信号的相空间特征进行了分析和检测,分别用连续小波变换、多尺度分解、小波包和能量－尺度对比方法对动静碰摩振动响应的径向分量进行了研究,且在相空间得到了一些故障特征。用连续小波变换分析碰摩信号时,与碰摩点相对应的小波系数分布在较小的尺度上,且随着尺度的减小,小波系数模极大值线逐渐收敛于碰摩点处;用多尺度分解方法得到的第1级和第2级的细节信号中反映了碰摩点的特征,表现为局部极值点;用时间－尺度能量对比方法分析,这些特征表现得更为明显。这些特征都有助于故障的准确诊断。     

两种信号变换方法在罗茨鼓风机故障特征提取中的应用研究

叶轮与壳体动静碰摩为三叶罗茨鼓风机多发故障,若碰摩严重会造成较大的安全隐患和经济损失,研究其故障特征具有重要意义。分析了三叶罗茨鼓风机叶轮与壳体发生动静碰摩的故障特征,应用振动测试系统采集该故障信号,采用小波变换和经验模态分解分别对实际碰摩故障信号进行分析,提取其故障特征,并将两种方法进行了对比。研究表明,经验模态分解比小波变换更适用于三叶罗茨鼓风机动静碰摩故障特征提取。     

基于模态扩展与谐波分解的转子碰摩故障精确诊断

以某单跨双盘模型转子实验台为例,建立了该转子-轴承系统有限元模型,得到转子系统前两阶固有频率和振型向量等模态参数·基于转子系统碰摩力的周期性假设,利用模态扩展方法,对故障和健康转子系统振动信号的残差矩阵进行傅立叶级数的分频谐波近似,估算得到转子-轴承各节点的碰摩力·根据转子各结点估算碰摩力的频谱、时序以及等效碰摩力幅确定碰摩发生位置,进而对碰摩故障的程度进行定性评估·试验表明,这种方法可以对转子周期性碰摩进行较精确的诊断,并为其他转子-轴承系统故障诊断提供参考·     

基于分形关联维的汽轮机转子的振动故障诊断

采用Bently实验台模拟不同转速下碰摩、松动、不对中、不平衡几种常见汽轮机转子振动故障，进行实验研究．通过相空间重构理论，对满足随机分形统计自相似性的振动信号序列进行相空间重构，计算其分形关联维数，从而再现动力学特性．实验分析结果表明：碰摩故障时的分形关联维数最大，松动和不对中时的分形关联维数次之，不平衡时计算所得的分形关联维数最小；不同故障类型下的分形关联维数增量不同．因此，分形关联维数可以作为一种振动故障征兆加以提取．     

改进HHT方法在转子故障中的应用

HHT（希尔伯特-黄变换）能够将振动信号分解为有限的模态分量,并由此可对汽轮机转子故障信号进行特征提取,但噪声的干扰对分解过程和分解结果影却很大。先利用小波变换技术对含噪故障信号进行去噪处理,再作HHT分析的方法。结果表明,该方法克服了直接用HHT分解方法由噪声带来的不必要的干扰,提高了参数提取的准确性,并由此提高了汽轮机转子质量不平衡故障诊断率。     

基于ARMA的汽轮机转子振动故障序列的预测

汽轮机转子振动系统是一个确定性复杂系统,振动序列由多种频率成分的分量复合而成,建立尽可能完整与精确的系统振动数学模型是提取故障征兆信息及故障预测的保证．文中根据Bently实验台所采集的碰摩、松动、不对中和不平衡四种典型汽轮机转子振动故障水平方向与垂直方向的数据,剔除趋势项及周期项,所余的随机平稳噪声项经平稳性检验后,建立了汽轮机转子振动故障序列自回归滑移平均(ARMA)模型．计算结果表明,所建立的8个汽轮机转子振动故障ARMA模型一个半周期的预测值的平均误差μ均小于0．55μm,确定性因子r^2均大于0．9915,具有较高的预测精度,为进一步提取故障征兆信息及故障发展趋势预测提供了条件．     

EMD方法在齿轮故障诊断中的应用

将EMD（Empirical Mode Decomposition）方法应用于机械故障诊断中，提出了一个新的齿轮故障诊断方法。EMD方法基于信号的局部特征时间尺度，能把复杂的信号分解为有限的内在模态函数（Intrinsic Mode Function）之和，这种自适应的分解方法非常适于非线性和非平稳过程的分析。用该方法对齿轮故障振动信号进行了分析，结果表明该方法能够有效地降低噪声，提高信噪比，突出齿轮故障振动信号的故障特征，从而提高齿轮故障诊断的准确性。     

转子系统局部碰摩故障传递机制特性研究

旋转机械的高速化和高效化使系统转定子间的间隙越来越小,转子振动经常引发局部碰摩故障,进而使整个转子系统响应呈现非线性,影响系统的稳定运行,及时掌握碰摩转子系统的动力学特性为处理故障建立基础.以谐波平衡和有限元理论为基础,建立碰摩转子系统的有限元模型并利用系统振动响应各次谐波分量与频率响应矩阵之间的关系,提出转子系统局部碰摩故障传递机制,即系统某处发生故障后对其他位置产生的影响.通过数值仿真和实验验证了此机制的正确性.具有n个故障的转子系统,仅需要任意n+2个节点的响应就可以得到剩余所有节点的响应.对于不平衡、碰摩、不对中和裂纹等转子系统的常见故障,传递机制具有良好的适用性.     

在能量空间中实现非线性双转子系统的碰摩振动机理表征

碰摩是转子系统发生失稳的一个重要原因。在碰摩故障发生时,转子与机壳随时间的推移在碰撞和脱离等状态间变化,容易产生能量交换,并引发复杂的振动现象。通过构建带碰摩故障的非线性双转子系统模型及动力学方程,采用龙格-库塔法进行数值仿真,在相空间中分析系统的非线性振动特性。在振动能量空间中使用非线性能量供给函数模拟碰摩故障发生后系统的转子振动能量变化,利用振动能量轨道的迁移表征碰摩振动机理。研究结果更好地揭示了非线性双转子系统发生碰摩故障后的碰摩振动机理,提出的方法为双转子系统的振动机理分析提供了新的视角。     

油膜失稳引起的轴承碰摩故障研究

为了研究油膜失稳和转子-轴承碰摩两种单一故障相互作用形成的耦合故障,利用转子实验台模拟油膜失稳引起的轴承碰摩故障,采集发生此故障时转子系统升降速过程的振动信号.利用三维谱振图、重排小波尺度图、频谱图和轴心轨迹图对竖直方向振动信号进行分析,结果表明:重排小波尺度图可以很好地提取轴承碰摩时的时间和频率信息.当转子系统发生二者耦合故障时,油膜失稳占主导地位,油膜失稳引起的碰摩会产生转频和涡动频率的组合频率成分.此外,由于不可公约的组合频率出现,轴心轨迹变得混乱不规则.     

利用ICA的局域波分解及其在机械故障诊断中应用

局域波分解算法的自身局限使得分解分量之间的正交性不能得到保证,分解分量存在信息冗余,从而影响了分解质量.针对这个问题,将独立分量分析(ICA)引入局域波分解过程中,以消除分解分量的信息冗余,使得局域波分解得到的基本模式分量之间相互正交独立,改善局域波分解算法的局限性,准确地进行局域波分解.应用该方法对转子早期碰摩振动信号进行了分析,并对分解得到的高频基本模式分量进行Hilbert包络解调分析,准确提取了转子碰摩故障特征.试验数据的分析结果证明了方法的准确性和有效性.     

广义S变换在转子碰摩故障诊断中的应用

基于广义S变换在处理非平稳信号的独特优势,将广义S变换(GST)引入到转子碰摩故障诊断中,利用广义S变换来提取具有不同的严重程度的转子碰摩故障信号的谐波特征.仿真研究表明:与小波变换和标准S变换相比, GST可以通过改变参数以适应不同信号的分析需要,并且具有更高的时频分辨率.试验结果分析表明:该方法能够有效地揭示出碰摩故障数据的频率结构,区分碰摩故障的严重程度.     

碰摩转子轴承系统非线性振动特征的实验研究

建立了转子碰摩故障的实验装置,通过实验研究了转子系统碰摩故障的非线性振动特征,发现对油膜力影响较小的系统,转定子碰摩使系统产生了半频及高频分量,而对于滑动轴承支撑的系统,较小的碰摩间隙使得系统在油膜涡动之前产生碰摩,系统产生了丰富的高频分量;当碰摩间隙较大时,碰摩在油膜涡动之后发生,此时碰摩对系统的影响很小,轴承油膜力对系统的影响最大·     

小波变换在汽轮机组动静碰摩故障诊断中的应用综述

小波变换在故障诊断的各个领域已经广泛应用,首先综述了汽轮机组动静碰摩的振动特征和诊断方法;小波分析应用于机械故障振动信号分析的优越性及其应用的进展和特点,介绍了小波变换技术在汽轮机组动静碰摩故障诊断的理论研究和实际应用,最后提出小波分析应用于碰摩故障诊断存在的问题以及对其应用前景的展望．     

基于EEMD与模糊信息熵的旋转机械故障诊断方法

针对旋转机械故障识别率偏低的问题,提出一种基于EEMD与模糊信息熵的旋转机械故障诊断方法.该方法结合EEMD分解和模糊信息熵在特征提取方面的优势,构造出一种能够精细度量不同类别振动信号故障概率复杂度的特征集合.首先将原振动信号进行EEMD分解,获得若干个本征模态函数(IMFs);计算出前5个高频IMF分量的模糊信息熵组成高维特征集;利用LPP对高维特征集进行维数约简剔除冗余不相关特征;最后将约简后的样本集输入到KNN分类器中进行故障识别.用双跨转子实验台采集的数据对所述方法进行验证,并与EMD模糊熵、EMD模糊信息熵、EEMD模糊熵方法进行故障识别率对比,结果表明该方法能够有效提取转子振动信号的故障特征,并且具有更高的故障识别率.     

基于局域波和混沌的转子系统早期碰摩故障诊断

为实现低信噪比下的微弱信号检测,提出一种基于局域波和混沌的微弱信号检测方法.将微弱的故障信号分解为有限的并且具有不同基本模式的分量,每个分量为单一成分信号,实现了信噪分离.将局域波分量输入所设计的混沌振子,混沌振子系统行为由混沌状态变为大周期运动状态,表明检测信号中含有特征成分,实现了利用混沌振子对低信噪比微弱信号的检测识别.对转子系统早期碰摩故障信号检测结果说明了该方法的有效性.     

基于LMD和AR模型的转子系统故障诊断方法

提出了基于局部均值分解(Local mean decomposition,简称LMD)和AR模型相结合的转子系统故障诊断方法.该方法先用LMD方法将转子振动信号分解成若干个瞬时频率具有物理意义的PF(Product function,简称PF)分量之和,然后对每一个PF分量建立AR模型,提取模型参数和残差方差作为故障特征向量,并以此作为神经网络分类器的输入来识别转子的工作状态和故障类型.与EMD方法的对比研究表明,这两种方法均能有效地应用于转子系统的故障诊断.但LMD方法信号分解后数据残差比EMD方法的小.     

采用瞬态传递矩阵法分析复杂转子系统碰摩故障

采用Raccati传递矩阵和Newmark β法相结合的瞬态传递矩阵法分析碰摩故障转子系统的瞬态和稳态响应,用多次迭代的方法确定瞬时碰摩力的精确值·该方法能够分析多盘、多跨转子系统等复杂的非线性转子系统的碰摩故障,并且可以同时考虑陀螺力矩、非线性油膜力等多种因素的影响·最后利用本方法分析了一个含有非线性碰摩刚度的局部碰摩故障双跨转子系统的运动,发现了其中的拟周期、混沌等丰富的非线性现象,验证了本方法的可行性·